In climate change impact assessment

In climate change impact assessments, uncertainties may arise from
various sources such as emission scenarios (Maurer, 2007), GCM
structure (Kirono et al., 2011), downscaling/bias-correction methods
(Chen et al., 2011), and impact models (Schewe et al., 2014). The
climate projection datasets used in this study were obtained from the
ISI-MIP, which aims at providing timely climate change impact assessments
for IPCC AR5 based on CMIP5. Unfortunately, only 5 GCMs were
statistically downscaled and bias-corrected in the fast-track of ISI-MIP
when this study was initiated, which makes it impossible to fully characterize
the potential uncertainty ranges by GCMs. After bias-correction,
however, the GCMs used in this study can reproduce the observed
climate very well (Hempel et al., 2013). In addition, several studies
have demonstrated the value of using the same climate projections by
the 5 GCMs in hydrological climate change impact assessments at the
global and regional scales (e.g., Piontek et al., 2014; Elliott et al., 2014;
Schewe et al., 2014; Haddeland et al., 2014; Prudhomme et al., 2014;
Dankers et al., 2014).
Another potential issue source of uncertainty in this study is the
choice of reference dataset. Here, the climate projectionswere comprehensively
validated against the WATCH forcing data at 0.5° within the
ISI-MIP. Hence, the adjusted climate projections would be potentially
different if based on different reference datasets (e.g. Xu et al., 2009a;
Wu and Gao, 2013), as used in evaluating the GCM/RCM performance
(e.g. Xu and Xu, 2012a, 2012b; Jiang and Tian, 2013). However, investigating
the relative utility of one or another reference dataset is not the
purpose of this study nor is it our aim to validate the GCMs again.
Rather, our main goal is to demonstrate the similar/different responses
of three drought types to climate projections,which have been comprehensively
validated by other researchers.
Results should also depend on the specific time periods, which are
associated with varying cumulative radiative forcing and climate
warming magnitudes. In hydrological climate change impact studies,
various time periods have been adopted as the reference period (i.e.
present time period) such as the 1980–2010 (e.g. Piontek et al., 2014),
1976–2005 (e.g. Prudhomme et al., 2014), 1985–2005 (e.g. Hinkel
et al., 2014), 1996–2005 (e.g. Orlowsky et al., 2014), as well as 1971–
2000 (e.g. Portmann et al., 2013; Dankers et al., 2014; Haddeland
et al., 2014) which was used in this study. The near term period of
2020–2049 was selected in this study to better inform policy-makings
and mitigation/adaptation strategies for this specific immediate future.
And our analyses based on 2020–2049 relative to 1971–2000 are consistent
with that using other similar periods (e.g. 2016–2035 relative to
1986–2005) (results not shown) and may not affect our conclusions
in this study. Although it is possible that natural variability may be
large enough to overwhelm the GHG signals over this near-future
Fig. 7. Same as Fig. 6 but for drought duration.
30 G. Leng et al. / Global and Planetary Change 126 (2015) 23–34
term period, determining when the GHG signals dominate the natural
variability is a topic not within the scope of this study. The use of this period
for near termprediction has also been adopted inmany other studies
(e.g. Hayhoe et al., 2004; Vicuna et al., 2007; Mariotti et al., 2008;
Biasutti et al., 2012; Aich et al., 2014; Lopez et al., 2014).
There are many approaches to calculate droughts e.g. standardized
index (e.g. Lloyd-Hughes and Saunders, 2002; Shukla and Wood,
2008; Huang et al., 2014), cumulative precipitation anomaly (CPA),
PDSI (Dai et al., 2004), regional deficiency index (RDI; Stahl, 2001;
Hannaford et al., 2011), and fixed threshold level method to name a
few (e.g. Hisdal et al., 2004; Lorenzo-Lacruz et al., 2013). Just as there
is no single definition of drought, there is no single drought index that
meets the requirements of all applications since various drought indicators
are associated with specific drought types (Keyantash and Dracup,
2002; Hayes et al., 2007; Burke and Brown, 2008). For example, irrigation
water use could lead to decreased stream flow and an increase of
soil moisture in irrigated land concurrently (Leng et al., 2013, 2014a;
Leng and Tang, 2014) leading to a period of hydrological drought but
not of agricultural drought. However, even this picture may be incomplete
as to truly understand agricultural drought dynamics one may
need to consider crop types and water management practices in
addition to the climatic conditions. Hence, it is clear that the SSWI
(used here to assess agricultural droughts) is based on soil moisture
anomalies only, and so may not be suitable to fully indicate the real
agricultural drought. Despite these limitations however, it has been
adopted for this purpose in a number of previous studies and so is
used here in the same way (e.g. Vidal et al., 2010; Wang et al., 2011a,
2011b; Duan and Mei, 2014).
Finally, a high-resolution modeling approach through nesting high
resolution RCMs within the GCMs could potentially be used to improve
model performance (Gao et al., 2001, 2008; Yu et al., 2010) and could be
adopted in hydrological climate impact assessments. Although this was
not attempted here, it could be a part of future investigations. Similarly,
it would be valuable to compare climate projections using both
statistical and dynamical downscaling methods and examining the
implications in hydrological climate change impact assessments in our
future work since dynamically-downscaled climate data are increasing
available over the China domain (Gao et al., 2011).
5. Summary and conclusions
Drought is a natural hazard that can have large impacts on various
sectors of society, the environment and the economy. Within the
context of future climate change, it is important for decision makers to
comprehensively understand climate change impacts on all types of
droughts (meteorological, agricultural, and hydrologic) at the regional
scale and to map out and coordinate adaptation and mitigation strategies
for these droughts. In this study, daily time series of soil moisture
and runoffwere examined on a 0.5 degree grid by driving the calibrated
VIC model with downscaled/bias-corrected climate projections. On the
time series of precipitation, and modeled soil moisture and runoff, the
properties of droughts occurring in different parts of the hydrological
cyclewere comprehensively examined in a spatially consistent manner.
The drought characteristics taken into account were the number of
droughts, drought duration, and a standardized deficit volume (drought
intensity) based on a standardized index for three types of droughts,
meteorological, agricultural and hydrological. The major findings of
this study can be summarized as follows.
For China as a whole, changes in drought severity, duration, and
frequency suggest that meteorological, agricultural and hydrological
droughts will become more severe, prolonged, and frequent in the
near future. However, regional variations are large. Model results for
Fig. 8. Same as Fig. 6 but for drought intensity.
G. Leng et al. / Global and Planetary Change 126 (2015) 23–34 31
areas ofmost of Xinjiang, the Tibetan Plateau, and large areas of Yunnan
province showthat the future droughts in these areaswill becomemore
intense, more frequent, and longer lasting in the near future. This will

ผลลัพธ์ (ไทย) 1:

ในสภาพภูมิอากาศเปลี่ยนแปลงผลกระทบประเมิน ความไม่แน่นอนอาจเกิดขึ้นจากแหล่งต่าง ๆ เช่นสถานการณ์มลพิษ (Maurer, 2007), การบำรุงรักษาโครงสร้าง (Kirono et al., 2011), downscaling/อคติ แก้ไขวิธี(Chen et al., 2011) และส่งผลกระทบต่อรุ่น (Schewe et al., 2014) ที่datasets คาดการณ์สภาพภูมิอากาศที่ใช้ในการศึกษานี้ได้รับจากการISI-MIP ซึ่งมีวัตถุประสงค์เพื่อให้การเปลี่ยนแปลงสภาพภูมิอากาศเวลาประเมินผลกระทบสำหรับ IPCC AR5 ตาม CMIP5 อับ เพียง 5 GCMs ได้ทางสถิติ downscaled และ แก้ไขความโน้มเอียงในการติดตามอย่างรวดเร็วของ ISI MIPเมื่อเริ่มศึกษานี้ ซึ่งทำให้ไม่สามารถกำหนดลักษณะทั้งหมดช่วงความไม่แน่นอนอาจเกิดขึ้น โดย GCMs หลังจากอคติการแก้ไขอย่างไรก็ตาม GCMs ที่ใช้ในการศึกษานี้สามารถทำการสังเกตดีมากสภาพอากาศ (Hempel et al., 2013) นอกจากนี้ ศึกษาหลายมีแสดงค่าของประมาณอุณหภูมิเดียวกันโดยใช้GCMs 5 ในการประเมินผลกระทบการเปลี่ยนแปลงสภาพภูมิอากาศอุทกวิทยาที่ระดับโลก และระดับภูมิภาค (เช่น Piontek et al., 2014 Al. ตร้อยเอ็ด 2014Schewe et al., 2014 Haddeland et al., 2014 Prudhomme et al., 2014Dankers et al., 2014)แหล่งอื่นอาจเกิดปัญหาความไม่แน่นอนในการศึกษานี้เป็นการเลือกชุดข้อมูลอ้างอิง ที่นี่ projectionswere สภาพครบถ้วนตรวจสอบกับนาฬิกาข้อมูล 0.5 องศาในการบังคับการMIP ISI ดังนั้น ประมาณการปรับปรุงสภาพจะอาจถ้าตาม datasets อ้างอิงต่าง ๆ (เช่นสี et al., 2009aวูและเกา 2013), ใช้ในการประเมินประสิทธิภาพการบำรุง รักษา/RCM(เช่นสีและสี 2012a, 2012b เจียงแล้วเทียน 2013) อย่างไรก็ตาม การตรวจสอบอรรถสัมพันธ์ของชุดข้อมูลอ้างอิงหนึ่ง หรืออีกไม่ใช่การวัตถุประสงค์ของการศึกษานี้ ไม่มีจุดมุ่งหมายของเราเพื่อตรวจสอบ GCMs อีกด้วยค่อนข้าง เป้าหมายหลักของเราคือการ แสดงให้เห็นถึงการตอบสนองเหมือน/แตกต่างชนิดสามภัยแล้งเพื่อคาดการณ์สภาพภูมิอากาศ ซึ่งมีครบถ้วนตรวจสอบ โดยนักวิจัยอื่น ๆผลลัพธ์ควรยังขึ้นอยู่กับคาบเวลา ที่เกี่ยวข้องกับแตกต่างสะสม radiative บังคับและสภาพภูมิอากาศร้อน magnitudes การศึกษาผลกระทบ เปลี่ยนแปลงสภาพภูมิอากาศอุทกวิทยารอบระยะเวลาต่าง ๆ ได้รับการรับรองเป็นจุดอ้างอิง (เช่นแสดงรอบระยะเวลา) เช่นในปี 1980-2010 (เช่น Piontek และ al., 2014),1976-2005 (เช่น Prudhomme และ al., 2014), 1985-2005 (เช่น Hinkelร้อยเอ็ด al., 2014) 1996-2005 (เช่น Orlowsky และ al., 2014), เช่น 1971 –2000 (เช่น Portmann และ al., 2013 Dankers et al., 2014 Haddelandร้อยเอ็ด al., 2014) ซึ่งใช้ในการศึกษานี้ ระยะใกล้ระยะเวลาของ2020-2049 ได้เลือกในการศึกษานี้เพื่อแจ้งนโยบาย makings ดีกว่าและบรรเทาสาธารณภัย/ปรับกลยุทธ์สำหรับอนาคตอันใกล้นี้เฉพาะและการวิเคราะห์ของเราตาม 2020-2049 สัมพันธ์ 1971 – 2000 กันที่ใช้ระยะเวลาอื่น ๆ คล้ายกัน (เช่น 2016 – 2035 สัมพันธ์กับ1986-2005) (ไม่แสดงผล) และอาจมีผลต่อบทสรุปของเราในการศึกษานี้ แม้ว่าการว่า ความแปรผันทางธรรมชาติอาจใหญ่พอที่จะต่อสัญญาณปริมาณมากกว่านี้ใกล้-ฟิวFig. 7 เหมือน เป็น Fig. 6 แต่ ในช่วงแล้ง30 G. เล้ง et al. / โลก และดาวเคราะห์เปลี่ยน 126 (2015) 23 – 34ระยะระยะ กำหนดเมื่อสัญญาณ GHG ครองธรรมชาติความแปรผันหัวข้อภายในขอบเขตของการศึกษานี้ไม่ได้ ใช้รอบระยะเวลานี้สำหรับ termprediction ใกล้ยังมี inmany นำมาใช้ศึกษาอื่น ๆ(เช่น Hayhoe และ al., 2004 Vicuna et al., 2007 Al. ร้อยเอ็ดมาริอ็อตต์ 2008Biasutti et al., 2012 Aich et al., 2014 โลเปซ et al., 2014)มีหลายวิธีเพื่อคำนวณ droughts เช่น มาตรฐานดัชนี (เช่นสตีเฟ่นลอยด์และซอนเดอร์ส 2002 ชูกลาและไม้2008 หวง et al., 2014), ฝนสะสมความผิดปกติ (CPA),PDSI (Dai et al., 2004), ดัชนีภูมิภาคขาด (RDI Stahl, 2001Hannaford et al., 2011), และถาวรจำกัดชื่อระดับวิธีการน้อย (เช่น Hisdal และ al., 2004 Lorenzo-Lacruz et al., 2013) ก็มีคือไม่กำหนดคำนิยามของภัยแล้ง มีภัยแล้งไม่เดียวดัชนีที่ตรงตามข้อกำหนดของโปรแกรมประยุกต์ทั้งหมดตั้งแต่ตัวบ่งชี้ภัยแล้งต่าง ๆเกี่ยวข้องกับภัยแล้งบางชนิด (Keyantash และ Dracup2002 เฮยส์ et al., 2007 ลิตี้เบอร์กกน้ำตาล 2008) ตัวอย่าง ชลประทานใช้น้ำอาจทำให้การไหลของกระแสลดลงและการเพิ่มขึ้นของความชื้นดินในยามแผ่นดินพร้อม (เล้ง et al., 2013, 2014aเล้งและถัง 2014) นำไปสู่ระยะของอุทกวิทยาแล้ง แต่ไม่ของภัยแล้งด้านการเกษตร อย่างไรก็ตาม แม้ภาพอาจจะไม่สมบูรณ์เพื่อเข้าใจ dynamics แล้งเกษตรหนึ่งอาจต้องพิจารณาชนิดของพืช และน้ำวิธีบริหารจัดการในนอกจากนี้เงื่อนไข climatic ดังนั้น มันจะล้างที่ SSWI(ใช้เพื่อประเมินเกษตร droughts) ขึ้นอยู่กับความชื้นของดินความผิดเท่านั้น และดังนั้นอาจไม่เหมาะกับแสดงจริงอย่างสมบูรณ์ภัยแล้งด้านการเกษตร แม้ มีข้อจำกัดเหล่านี้ อย่างไรก็ตาม จะได้รับนำมาใช้สำหรับวัตถุประสงค์นี้ในการศึกษาก่อนหน้านั้นที่นี่ใช้วิธีการเดียวกัน (เช่น Vidal et al., 2010 วัง et al., 2011a2011b ด้วนแล้วเหมย 2014)ในที่สุด สร้างโมเดลความละเอียดสูงวิธีผ่านเนสติ้งสูงความละเอียด RCMs ภายใน GCMs อาจถูกใช้เพื่อปรับปรุงประสิทธิภาพการทำงานของแบบจำลอง (เกาและ al., 2001, 2008 Yu et al., 2010) และอาจนำมาใช้ในการประเมินผลกระทบต่อสภาพภูมิอากาศอุทกวิทยา แม้ว่าไม่พยายามที่นี่ มันอาจจะเป็นส่วนหนึ่งของการตรวจสอบในอนาคต ในทำนองเดียวกันมันจะมีคุณค่าเปรียบเทียบประมาณการสภาพภูมิอากาศโดยใช้ทั้งสถิติ dynamical downscaling วิธีการ และตรวจสอบการประเมินผลกระทบในการเปลี่ยนแปลงผลกระทบในสภาพภูมิอากาศอุทกวิทยาของเราทำงานในอนาคตเนื่องจากมีการเพิ่มข้อมูลสภาพภูมิอากาศแบบไดนามิก downscaledมีโดเมนจีน (เกา et al., 2011)5. สรุปและบทสรุปภัยแล้งคือ ภัยธรรมชาติที่สามารถมีผลกระทบขนาดใหญ่หลากหลายภาคสังคม สิ่งแวดล้อม และเศรษฐกิจ ภายในบริบทของการเปลี่ยนแปลงสภาพภูมิอากาศในอนาคต มันเป็นสิ่งสำคัญสำหรับผู้ตัดสินใจเพื่อสาธารณชนเข้าใจสภาพภูมิอากาศเปลี่ยนแปลงส่งผลกระทบต่อทุกชนิดdroughts (อุตุนิยมวิทยา เกษตร และอุทกวิทยา) ในภูมิภาคมาตราส่วน และ การวางกลยุทธ์การปรับตัวและลดปัญหาการประสานงานสำหรับ droughts เหล่านี้ ในการศึกษานี้ ชุดเวลาวันความชื้นดินและตรวจสอบในตารางระดับ 0.5 โดยการขับรถการปรับเทียบ runoffwereรุ่นวิคตอเรียพร้อมคาดการณ์สภาพภูมิอากาศที่ downscaled/อคติ แก้ไข ในการเวลาชุด ฝน ความชื้นดินสร้างแบบจำลอง และไหล บ่า การคุณสมบัติของ droughts ที่เกิดขึ้นในส่วนต่าง ๆ ของที่อุทกวิทยาcyclewere สาธารณชนตรวจสอบในลักษณะที่สอดคล้องกัน spatiallyพิจารณาลักษณะภัยแล้งมีจำนวนdroughts ภัยแล้งระยะเวลา และปริมาณขาดดุลมาตรฐาน (ภัยแล้งความเข้ม) ขึ้นอยู่กับดัชนีมาตรฐาน droughts สามชนิดอุตุนิยมวิทยา เกษตร และอุทกวิทยา ผลการศึกษาที่สำคัญของการศึกษานี้สามารถสรุปได้ดังนี้สำหรับประเทศจีนทั้งหมด การเปลี่ยนแปลงในความรุนแรงของภัยแล้ง ระยะเวลา และแนะนำความถี่ที่อุตุนิยมวิทยา เกษตร และอุทกวิทยาdroughts จะกลายเป็นมากขึ้นรุนแรง นาน และบ่อยครั้งในการอนาคตอันใกล้ อย่างไรก็ตาม รูปแบบภูมิภาคมีขนาดใหญ่ รูปแบบผลลัพธ์Fig. 8 เหมือน เป็น Fig. 6 แต่ความรุนแรงของภัยแล้งกรัมเล็ง et al. / โลก และดาวเคราะห์เปลี่ยน 126 (2015) 23 – 34 31พื้นที่ ofmost Xinjiang ที่ราบ สูงทิเบต และพื้นที่ขนาดใหญ่ของมณฑลยูนนานshowthat จังหวัด droughts ในอนาคตใน becomemore areaswill เหล่านี้รุนแรง บ่อยกว่า และอีกยาวนานในอนาคตอันใกล้ นี้จะ

ผลลัพธ์ (ไทย) 2:

ในการประเมินผลกระทบการเปลี่ยนแปลงสภาพภูมิอากาศ, ความไม่แน่นอนที่อาจเกิดขึ้นจาก
แหล่งต่าง ๆ เช่นสถานการณ์การปล่อย (เรอร์ 2007) GCM
โครงสร้าง (Kirono et al., 2011), downscaling / วิธีการแก้ไขอคติ
(Chen et al., 2011) และผลกระทบ รุ่น (SCHEWE et al., 2014)
ชุดข้อมูลประมาณการสภาพภูมิอากาศที่ใช้ในการศึกษาครั้งนี้ได้รับจาก
ISI-MIP ซึ่งมีวัตถุประสงค์เพื่อให้การเปลี่ยนแปลงภูมิอากาศทันเวลาการประเมินผลกระทบ
สำหรับ IPCC AR5 ขึ้นอยู่กับ CMIP5 แต่น่าเสียดายที่มีเพียง 5 GCMs ถูก
downscaled สถิติและอคติในการแก้ไขอย่างรวดเร็วติดตาม ISI-MIP
เมื่อการศึกษาครั้งนี้เป็นจุดเริ่มต้นซึ่งทำให้มันเป็นไปไม่ได้อย่างเต็มที่ลักษณะ
ความไม่แน่นอนที่อาจเกิดขึ้นโดยช่วง GCMs หลังจากที่มีอคติการแก้ไข,
แต่ GCMs ที่ใช้ในการศึกษาครั้งนี้สามารถทำซ้ำสังเกต
สภาพภูมิอากาศได้เป็นอย่างดี (Hempel et al., 2013) นอกจากนี้ยังมีงานวิจัยหลายชิ้น
ได้แสดงให้เห็นคุณค่าของการใช้การคาดการณ์สภาพอากาศเดียวกันโดย
5 GCMs ในการเปลี่ยนแปลงภูมิอากาศอุทกวิทยาการประเมินผลกระทบที่
ระดับโลกและระดับภูมิภาค (เช่น Piontek, et al, 2014;. เอลเลียตและคณะ, 2014;.
SCHEWE และ อัล, 2014;. Haddeland, et al, 2014;. Prudhomme, et al, 2014;.
.. Dankers, et al, 2014)
อีกแหล่งปัญหาของความไม่แน่นอนที่อาจเกิดขึ้นในการศึกษาครั้งนี้เป็น
ทางเลือกของชุดข้อมูลอ้างอิง ที่นี่สภาพภูมิอากาศ projectionswere ครอบคลุม
ตรวจสอบกับนาฬิกาบังคับให้ข้อมูลที่ 0.5 °ภายใน
ISI-MIP ดังนั้นการคาดการณ์สภาพอากาศที่ปรับจะอาจ
แตกต่างกันถ้าอยู่บนพื้นฐานของชุดข้อมูลอ้างอิงที่แตกต่างกัน (เช่น Xu และคณะ, 2009A.
วูและ Gao, 2013) ที่ใช้ในการประเมิน GCM / ประสิทธิภาพ RCM
(เช่น Xu และเสี่ยว, 2012a, 2012b ; เจียงและ Tian, ​​2013) อย่างไรก็ตามการตรวจสอบ
ยูทิลิตี้ญาติของหนึ่งหรือชุดข้อมูลอ้างอิงอื่นที่ไม่ได้เป็น
วัตถุประสงค์ของการศึกษาครั้งนี้ไม่เป็นมันจุดมุ่งหมายของเราในการตรวจสอบอีกครั้ง GCMs.
แต่เป้าหมายหลักของเราคือการแสดงให้เห็นถึงที่คล้ายกัน / การตอบสนองที่แตกต่างกัน
ของสามประเภทภัยแล้งการคาดการณ์สภาพภูมิอากาศ ซึ่งได้รับการครอบคลุม
การตรวจสอบโดยนักวิจัยอื่น ๆ .
ผลก็ควรจะขึ้นอยู่กับช่วงเวลาที่เฉพาะเจาะจงซึ่งจะ
เกี่ยวข้องกับการที่แตกต่างกันรังสีสะสมบังคับและสภาพภูมิอากาศ
ร้อนเคาะ ในการเปลี่ยนแปลงภูมิอากาศอุทกวิทยาการศึกษาผลกระทบต่อ
ช่วงเวลาต่างๆได้ถูกนำไปใช้เป็นระยะเวลาการอ้างอิง (เช่น
ช่วงเวลาปัจจุบัน) เช่น 1980-2010 (เช่น Piontek et al., 2014),
1976-2005 (เช่น Prudhomme et al., 2014 ), 1985-2005 (เช่น Hinkel
, et al, 2014), 1996-2005 (เช่น Orlowsky, et al, 2014) เช่นเดียวกับ 1971-..
2000 (เช่น Portmann, et al, 2013;. Dankers, et al, 2014. Haddeland
et al., 2014) ซึ่งถูกนำมาใช้ในการศึกษานี้ ระยะเวลาระยะเวลาอันใกล้ของ
2020-2049 ได้รับการคัดเลือกในการศึกษาที่ดีกว่าการแจ้งนโยบายเงินเดือนนี้
และการลด / กลยุทธ์การปรับตัวสำหรับอนาคตอันใกล้นี้โดยเฉพาะ.
และการวิเคราะห์ของเราขึ้นอยู่กับ 2020-2049 เทียบกับ 1971-2000 มีความสอดคล้อง
กับที่ใช้อื่น ๆ ที่คล้าย ระยะเวลา (เช่น 2016-2035 เทียบกับ
1986-2005) (ผลไม่แสดง) และอาจจะไม่ส่งผลกระทบต่อข้อสรุปของเรา
ในการศึกษานี้ แม้ว่ามันจะเป็นไปได้ว่าความแปรปรวนทางธรรมชาติที่อาจจะมี
ขนาดใหญ่พอที่จะเอาชนะสัญญาณก๊าซเรือนกระจกมากกว่านี้ในอนาคตอันใกล้
รูป 7. เหมือนรูป 6 แต่ในช่วงระยะเวลาฤดูแล้ง.
30 G. เล้งและคณะ / ทั่วโลกและดาวเคราะห์เปลี่ยน 126 (2015) 23-34
ระยะเวลากำหนดเมื่อสัญญาณ GHG ครองธรรมชาติ
แปรปรวนเป็นเรื่องไม่อยู่ในขอบเขตของการศึกษานี้ ใช้ช่วงเวลานี้
สำหรับ termprediction ใกล้ยังถูกนำมาใช้ inmany การศึกษาอื่น ๆ
(เช่น Hayhoe et al, 2004;. Vicuna et al, 2007;. Mariotti et al, 2008;.
Biasutti, et al, 2012;.. Aich และคณะ, 2014; โลเปซ, et al, 2014)..
มีหลายวิธีในการคำนวณเช่นภัยแล้งที่ได้มาตรฐานเป็น
ดัชนี (เช่นลอยด์ฮิวจ์สและแซนเดอ, 2002; ศูกละไม้,
2008; Huang et al, 2014), ความผิดปกติการตกตะกอนสะสม (CPA). ,
PDSI (ได et al, 2004). ดัชนีการขาดภูมิภาค (RDI; ห์ล, 2001;
. Hannaford et al, 2011), และวิธีการในระดับเกณฑ์คงที่เพื่อชื่อ
ไม่กี่ (เช่น Hisdal et al, 2004;. อเรนโซ-Lacruz et al., 2013) เช่นเดียวกับที่
ไม่มีความหมายเดียวของภัยแล้งไม่มีดัชนีความแห้งแล้งเดียวที่
ตรงตามความต้องการของการใช้งานทั้งหมดตั้งแต่ตัวชี้วัดความแห้งแล้งต่างๆ
ที่เกี่ยวข้องกับประเภทภัยแล้งเฉพาะ (Keyantash และ Dracup,
2002;. เฮย์สและคณะ, 2007; เบิร์คและสีน้ำตาล 2008) ยกตัวอย่างเช่นการชลประทาน
การใช้น้ำอาจนำไปสู่การไหลของกระแสลดลงและการเพิ่มขึ้นของ
ความชื้นในดินในที่ดินในเขตชลประทานควบคู่กันไป (เล่งและคณะ, 2013, 2014a;.
เล้งและถัง 2014) ที่นำไปสู่ช่วงเวลาแห่งความแห้งแล้งอุทกวิทยา แต่
ไม่ได้มาจากภัยแล้งการเกษตร . อย่างไรก็ตามแม้ภาพนี้อาจจะไม่สมบูรณ์
เท่าที่จะเข้าใจอย่างแท้จริงพลวัตภัยแล้งการเกษตรหนึ่งอาจ
ต้องพิจารณาชนิดพืชและการปฏิบัติในการบริหารจัดการน้ำ
นอกจากนี้ยังมีสภาพภูมิอากาศ ดังนั้นจึงเป็นที่ชัดเจนว่า SSWI
(ใช้ที่นี่ในการประเมินภัยแล้งเกษตร) จะขึ้นอยู่กับความชื้นในดิน
ความผิดปกติเพียงและอื่น ๆ อาจจะไม่เหมาะในการรองรับการแสดงให้เห็นความเป็นจริงของ
ภัยแล้งการเกษตร แม้จะมีข้อ จำกัด เหล่านี้ แต่จะได้รับ
นำมาใช้สำหรับวัตถุประสงค์ในการศึกษาก่อนหน้านี้และเพื่อเป็น
ใช้ที่นี่ในทางเดียวกัน (เช่นวิดัล, et al, 2010;. วังและคณะ, 2011a,.
2011b; ด้วนและเหม่ย 2014 .)
ในที่สุดความละเอียดสูงวิธีการสร้างแบบจำลองผ่านการทำรังสูง
RCMS ความละเอียดภายใน GCMs อาจจะใช้ในการปรับปรุง
ประสิทธิภาพการทำงานแบบ (Gao et al, 2001, 2008;. Yu et al, 2010) และสามารถ.
นำมาใช้ในสภาพภูมิอากาศอุทกวิทยา การประเมินผลกระทบ แม้ว่านี่จะเป็น
ความพยายามที่ไม่ได้นี่ก็อาจจะเป็นส่วนหนึ่งของการสืบสวนในอนาคต ในทำนองเดียวกัน
ก็จะมีคุณค่าเพื่อเปรียบเทียบประมาณการสภาพภูมิอากาศที่ใช้ทั้ง
สถิติและพลัง downscaling วิธีการและการตรวจสอบ
ผลกระทบในการเปลี่ยนแปลงสภาพภูมิอากาศอุทกวิทยาการประเมินผลกระทบของเราใน
การทำงานในอนาคตเนื่องจากข้อมูลสภาพภูมิอากาศแบบไดนามิกปรับลดขนาดที่เพิ่มขึ้น
มีมากกว่าโดเมนประเทศจีน (Gao et al., 2011).
5 สรุปและข้อสรุป
ภัยแล้งเป็นอันตรายต่อธรรมชาติที่จะมีผลกระทบที่แตกต่างกันมากใน
ภาคของสังคมสิ่งแวดล้อมและเศรษฐกิจ ภายใน
บริบทของการเปลี่ยนแปลงสภาพภูมิอากาศในอนาคตมันเป็นสิ่งสำคัญสำหรับผู้มีอำนาจตัดสินใจที่จะ
ครอบคลุมเข้าใจผลกระทบการเปลี่ยนแปลงสภาพภูมิอากาศในทุกประเภทของ
ภัยแล้ง (อุตุนิยมวิทยาการเกษตรและอุทกวิทยา) ที่ระดับภูมิภาค
ขนาดและแผนที่ออกและประสานงานการปรับตัวและกลยุทธ์ลด
สำหรับภัยแล้งเหล่านี้ . ในการศึกษานี้อนุกรมเวลาประจำวันของความชื้นในดิน
และ runoffwere ตรวจสอบในตารางระดับ 0.5 โดยการขับรถสอบเทียบ
รุ่นกับ VIC downscaled / อคติการแก้ไขการคาดการณ์สภาพภูมิอากาศ ใน
เวลาชุดของฝนและความชื้นในดินแบบจำลองและการไหลบ่า,
คุณสมบัติของภัยแล้งที่เกิดขึ้นในส่วนต่างๆของอุทกวิทยา
cyclewere ตรวจสอบครอบคลุมในลักษณะที่สอดคล้องเชิงพื้นที่.
ลักษณะภัยแล้งนำเข้าบัญชีเป็นจำนวนของ
ภัยแล้งภัยแล้งระยะเวลาและ ปริมาณการขาดดุลได้มาตรฐาน (ภัยแล้ง
รุนแรง) ตามดัชนีมาตรฐานสำหรับสามประเภทของภัยแล้ง
อุตุนิยมวิทยาการเกษตรและอุทกวิทยา การค้นพบที่สำคัญของ
การศึกษาครั้งนี้สามารถสรุปได้ดังต่อไปนี้.
สำหรับประเทศจีนเป็นทั้งการเปลี่ยนแปลงในระดับความรุนแรงของภัยแล้งระยะเวลาและ
ความถี่ในการแสดงให้เห็นว่าอุตุนิยมวิทยาการเกษตรและอุทกวิทยา
ภัยแล้งจะกลายเป็นรุนแรงมากขึ้นเป็นเวลานานและบ่อยครั้งใน
อนาคตอันใกล้ แต่เปลี่ยนแปลงในระดับภูมิภาคที่มีขนาดใหญ่ ผลรุ่นสำหรับ
รูป 8. เช่นเดียวกับรูป 6 แต่สำหรับความเข้มภัยแล้ง.
G. เล้งและคณะ / ทั่วโลกและดาวเคราะห์เปลี่ยน 126 (2015) 23-34 31
พื้นที่ ofmost ของซินเจียง, ที่ราบสูงทิเบตและพื้นที่ขนาดใหญ่ของมณฑลยูนนาน
จังหวัด showthat ภัยแล้งในอนาคตเหล่านี้ areaswill becomemore
รุนแรงบ่อยครั้งมากขึ้นและยาวนานอีกต่อไปในอนาคตอันใกล้ นี้จะ

ผลลัพธ์ (ไทย) 3:

ในการเปลี่ยนแปลงภูมิอากาศการประเมินผลกระทบ , ความไม่แน่นอนที่อาจเกิดขึ้นจากแหล่งต่าง ๆ เช่น สถานการณ์การปล่อย
( เมาเร่อ , 2007 ) , โครงสร้าง GCM
( kirono et al . , 2011 ) , downscaling / แก้ไขความลำเอียงวิธี
( Chen et al . , 2011 ) และแบบจำลองผลกระทบ ( schewe et al . , 2010 )
บรรยากาศจากข้อมูลที่ใช้ในการวิจัยได้จาก isi-mip
,ซึ่งมีวัตถุประสงค์เพื่อให้ทันเวลาการเปลี่ยนแปลงสภาพภูมิอากาศ IPCC ประเมิน
สำหรับ ar5 ตาม cmip5 . ขออภัย เพียง 5 GCMS ถูก
downscaled อย่างมีนัยสำคัญทางสถิติ และอคติในการแก้ไขการติดตามอย่างรวดเร็วของ isi-mip
เมื่อการวิจัยริเริ่มซึ่งทำให้มันเป็นไปไม่ได้อย่างเต็มที่ลักษณะความไม่แน่นอนที่อาจเกิดขึ้นช่วงโดย GCMS
. หลังจากแก้ไขอคติ
อย่างไรก็ตามที่ GCMS ที่ใช้ในการศึกษาครั้งนี้ สามารถถอดแบบ สังเกต
บรรยากาศดีมาก ( เฮมเพล et al . , 2013 ) นอกจากนี้ การศึกษาหลายแห่งได้แสดงให้เห็นถึงค่า
ใช้ภูมิอากาศเดียวกันโดย
5 GCMS ในทางอุทกวิทยา การเปลี่ยนแปลงสภาพภูมิอากาศ การประเมินที่
ระดับโลกและระดับภูมิภาคระดับ ( เช่น piontek et al . , 2014 ; Elliott et al . , 2014 ;
schewe et al . , 2014 ; haddeland et al . , 2014 ;พรัดเฮิม et al . , 2014 ;
dankers et al . , 2010 ) .
แหล่งปัญหาอื่นที่มีศักยภาพของความไม่แน่นอนในการศึกษา
ทางเลือกของข้อมูลอ้างอิง ที่นี่บรรยากาศ projectionswere กว้าง
ตรวจสอบกับนาฬิกาให้ข้อมูลที่ 0.5 องศาภายใน
isi-mip . ดังนั้น การปรับการคาดการณ์สภาพภูมิอากาศจะซ่อนเร้น
แตกต่างกันถ้าตามข้อมูลอ้างอิงที่แตกต่างกัน ( เช่น Xu et al . , 2009a ;
วูและเกา , 2013 ) ที่ใช้ในการประเมินประสิทธิภาพ
GCM / จำนวน ( เช่น Xu และ Xu , 2012a 2012b ; เจียงเทียน , และ , 2013 ) อย่างไรก็ตาม การสืบ
ยูทิลิตี้สัมพัทธ์ของหนึ่งหรืออื่นอ้างอิงข้อมูลไม่ใช่
วัตถุประสงค์ของการศึกษาหรือมันเป็นเป้าหมายของเราเพื่อตรวจสอบ GCMS อีกครั้ง .
แต่เป้าหมายหลักของเราคือเพื่อแสดงให้เห็นถึงการตอบสนองที่คล้ายกันต่างกัน /
แล้งสามประเภทการคาดการณ์สภาพอากาศซึ่งได้รับการตรวจสอบโดยนักวิจัยอื่น ๆทั่วถึง
.
ผลก็ขึ้นอยู่กับระยะเวลาที่เฉพาะเจาะจงที่เกี่ยวข้องกับการสะสม radiative บังคับ

และขนาดอากาศร้อน ในการศึกษาผลกระทบการเปลี่ยนแปลงทางสภาพภูมิอากาศ , ช่วงเวลาต่างๆ
ได้รับการรับรองเป็นระยะเวลาการอ้างอิง เช่น
ปัจจุบันระยะเวลา ) เช่น 1980 – 2010 ( เช่น piontek et al . ,2014 ) ,
1976 – 2005 ( เช่นพรัดเฮิม et al . , 2014 ) , 1985 – 2005 ( เช่น Hinkel
et al . , 2010 ) , 1996 – 2005 ( เช่น orlowsky et al . , 2014 ) เช่นเดียวกับ 1971 –
2000 ( เช่น portmann et al . , 2013 ; dankers et al . 2014 ; haddeland
et al . , 2010 ) ซึ่งเป็นเครื่องมือที่ใช้ในการศึกษาครั้งนี้ ในระยะใกล้ระยะเวลา
2020 – 1945 ถูกเลือกในการศึกษา เพื่อแจ้งนโยบายเงินเดือน
ดีกว่าและกลยุทธ์การลด / การปรับตัวในอนาคตได้ทันทีนี้เฉพาะ .
และการวิเคราะห์ของเราขึ้นอยู่กับ 2020 – 2592 ญาติ 1971 – 2000 จะสอดคล้องกับระยะเวลาที่ใช้
คล้ายกันอื่น ๆ ( เช่น 2016 – 2035 ญาติ
1986 – 2005 ) ( ผลลัพธ์ไม่แสดง ) และอาจส่งผลกระทบต่อ
ข้อสรุปของเราในการศึกษานี้ แม้ว่ามันจะเป็นไปได้ที่ความแปรปรวนของธรรมชาติอาจ
ใหญ่พอที่จะทำให้ก๊าซเรือนกระจกสัญญาณนี้ในอนาคตอันใกล้
รูปที่ 7 เหมือนภาพที่ 6 แต่เวลาแล้ง
30 กรัม เล้ง et al . โลกและดาวเคราะห์เปลี่ยนแปลง / 126 ( 2015 ) 23 - 34
ระยะเวลาระยะเวลา กำหนดเมื่อก๊าซเรือนกระจกสัญญาณครองธรรมชาติ
ซึ่งเป็นหัวข้อที่ไม่อยู่ในขอบเขตของการศึกษานี้ ใช้ช่วงเวลานี้
ใกล้ termprediction ยังถูกใช้ในหลายๆศาสตร์
( Eกรัม hayhoe et al . , 2004 ; วิคูน่า et al . , 2007 ; mariotti et al . , 2008 ;
biasutti et al . , 2012 ; aich et al . , 2014 ; โลเปซ et al . , 2010 ) .
มีหลายวิธีที่จะคำนวณดัชนีความแห้งแล้งเช่นมาตรฐาน
( เช่น ลอยด์ และ ฮิวจ์ ซอนเดอร์ส 2002 ; shukla และไม้
2008 ; Huang et al . , 2010 ) , มิติการตกตะกอนสะสม ( CPA )
pdsi ( ได et al . , 2004 ) , ดัชนีการภูมิภาค ( RDI สตาห์ล , 2001 ;
;แฮนเนอเฟิร์ด et al . , 2011 ) และเกณฑ์ระดับวิธีแก้ไขชื่อ
น้อย ( เช่น hisdal et al . , 2004 ; ลอเรนโซ่ lacruz et al . , 2013 ) ก็มี
ไม่มีนิยามเดียวที่แห้งแล้ง ไม่มีเดียวดัชนีความแห้งแล้งที่
ตรงตามความต้องการของการใช้งานทั้งหมด ตั้งแต่ชี้ภัยแล้งต่างๆ
เกี่ยวข้องกับประเภทที่เฉพาะเจาะจง ( keyantash แล้ง และ dracup
2002 ; เฮย์ส , et al . , 2007 ;เบิร์ก และ บราวน์ , 2008 ) ตัวอย่างเช่น การใช้น้ำชลประทาน
อาจนำไปสู่การลดลงและการไหลของน้ำเพิ่มความชื้นในดิน ดินพร้อมปลูก
( เล้ง et al . , 2013 , 2014a ;
เล้งและถัง ปี 2014 ) ไปสู่ระยะทางแล้งแต่
ไม่แห้งแล้ง การเกษตร อย่างไรก็ตาม แม้ภาพนี้อาจจะไม่สมบูรณ์
เป็นอย่างแท้จริงเข้าใจพลวัตภัยแล้งการเกษตรอย่างใดอย่างหนึ่งอาจ
ต้องพิจารณาชนิดของพืชและแนวทางการจัดการน้ำใน
นอกจากสภาวะอากาศ . ดังนั้นจึงเป็นที่ชัดเจนว่า sswi
( ใช้ที่นี่เพื่อประเมินความแห้งแล้งทางการเกษตร ) ตามความผิดปกติความชื้น
ดินเท่านั้น และอาจจะไม่เหมาะ อย่างบ่งบอกถึงความแห้งแล้งทางการเกษตรจริง

แม้จะมีข้อจำกัดเหล่านี้ แต่มันมี
ใช้สำหรับวัตถุประสงค์นี้ในตัวเลขของการศึกษาก่อนหน้านี้แล้วคือ
ใช้ที่นี่เหมือนกัน ( เช่น Vidal et al . , 2010 ; Wang et al . , 2011a
, 2011b ; ด้วนและเม ปี 2014 ) .
ในที่สุด ความละเอียดสูงความละเอียดสูงแบบจำลองผ่านรัง
rcms GCMS สามารถภายใน ถูกใช้เพื่อปรับปรุงประสิทธิภาพของแบบจำลอง (
เกา et al . , 2544 , 2551 ; ยู et al . , 2010 ) และสามารถ
ประกาศใช้ในอุทกวิทยาภูมิอากาศส่งผลกระทบต่อการประเมิน ถึงแม้ว่านี้คือ
ไม่พยายามแล้ว มันอาจเป็นส่วนหนึ่งของการสอบสวนต่อไป โดย
มันจะมีคุณค่าเปรียบเทียบภูมิอากาศและวิธีการทางสถิติโดยใช้ทั้ง

downscaling และตรวจสอบผลกระทบทางอุทกวิทยา การเปลี่ยนแปลงสภาพภูมิอากาศในการประเมินผลของเรา
อนาคตในการทำงาน เนื่องจากแบบไดนามิก downscaled ข้อมูลสภาพภูมิอากาศเพิ่มขึ้น
ใช้ได้ผ่านประเทศจีนโดเมน ( เกา et al . , 2011 ) .
5 สรุปและข้อสรุป
แล้งเป็นภัยธรรมชาติที่สามารถมีผลกระทบขนาดใหญ่ในภาคต่าง ๆ
ของสังคม สิ่งแวดล้อม และเศรษฐกิจ ในบริบทของการเปลี่ยนแปลงภูมิอากาศ
ต่อไป มันเป็นสิ่งสำคัญสำหรับการตัดสินใจ

กว้างเข้าใจผลกระทบการเปลี่ยนแปลงภูมิอากาศในชนิดทั้งหมดของ
ภัยแล้ง ( อุตุนิยมวิทยาเกษตรและอุทกวิทยา ) ในระดับภูมิภาค
และแผนที่ออก และประสานงานด้านกลยุทธ์การผ่อนคลาย
สำหรับแล้งนี้ ในการศึกษานี้ ทุกวัน เวลาชุด
ความชื้นในดิน และ runoffwere ตรวจสอบบนตาราง 0.5 องศา โดยขับเทียบ
วิค แบบ downscaled / อคติ แก้ไขภูมิอากาศ . บน
อนุกรมเวลาของฝนและความชื้นในดิน และน้ำ , แบบ ,
คุณสมบัติของภัยแล้งที่เกิดขึ้นในส่วนต่างๆของอุทกวิทยา
cyclewere ทั่วถึงการตรวจสอบในลักษณะที่สอดคล้องเชิงพื้นที่ .
ภัยแล้งลักษณะเข้าบัญชีเป็นจำนวน
แล้ง ช่วงแล้งและปริมาณการขาดดุลได้มาตรฐาน ( ความแล้ง
) ตามมาตรฐานดัชนีสำหรับสามประเภทของภัยแล้ง
อุตุนิยมวิทยาเกษตรและอุทกวิทยา . ที่สำคัญข้อมูล
การศึกษานี้สามารถสรุปได้ดังนี้
จีนเป็นทั้งการเปลี่ยนแปลงในความรุนแรง ความแห้งแล้ง ระยะเวลา และความถี่ที่แนะนำ

ทางอุทกวิทยา อุตุนิยมวิทยาเกษตร และภัยแล้งจะรุนแรงมากขึ้นนานและบ่อยใน
ใกล้ในอนาคต อย่างไรก็ตาม การเปลี่ยนแปลงภูมิภาคขนาดใหญ่ แบบจำลองผล
รูปที่ 8 เหมือนภาพที่ 6 แต่เข้มภัยแล้ง
G . เล้ง et al . โลกและดาวเคราะห์เปลี่ยนแปลง / 126 ( 2015 ) 23 - 34
31 พื้นที่ในของ Xinjiang , ธิเบต และพื้นที่ส่วนใหญ่ของจังหวัดยูนนาน
พบว่าภัยแล้งในอนาคตเหล่านี้ areaswill becomemore
รุนแรงบ่อยมากขึ้นและยั่งยืนอีกต่อไปในอนาคต นี้จะ