به گزارش مجله خبری نگار،طبق یک مطالعه جدید که با استفاده از پیشرفتهترین مدلهای سیستمهای زمینی انجام شده، تا سال ۲۱۰۰ نزدیک به یک میلیارد نفر ممکن است با کاهش چشمگیر دسترسی به آب رودخانهای مواجه شوند. این تحقیق توسط دانشمندان دانشگاه نورثایسترن، بهویژه از مؤسسه هوش مصنوعی تجربی و دپارتمان مهندسی عمران و محیطزیست انجام شده است.
پژوهشگران عملکرد مدلهای اقلیمی را بازنگری کردند و دریافتند که شبیهسازیهای بهبودیافته باعث تغییر در انتظارات ما درباره دسترسی به منابع آبی آینده میشود. آنها دو نسل از مدلهای اقلیمی را با هم مقایسه کردند: CMIP۵ و نسخه جدیدتر آن یعنی CMIP۶.
مدل CMIP۶ از نظر وضوح فضایی (هر ۱۰۰ کیلومتر به جای ۵۰۰ کیلومتر) و فیزیک پیشرفته برتری واضحی داشت. این مدل، رفتار دقیقتری از سیستمهای زمین، اقیانوس و یخ ارائه میداد. پوجا داس، پژوهشگر فوق دکترا در دانشگاه نورثایسترن، گفت:
«مدل CMIP۶ عملکرد بهتری در تلفیق فیزیک جامع، مانند فیزیک زمین، اقیانوس و یخ در معادلات مدل اقلیمی داشت.»
برخی مدلهای اقلیمی از فرآیندی به نام پارامترسازی برای شبیهسازی تشکیل ابرها و همرفت جوی استفاده میکنند. داس اشاره کرد:
«برخی از پارامترسازیهای بحرانی باید بهدرستی اعمال شوند. ما دیدیم که مدلهایی که از این پارامترسازیها استفاده میکنند، عملکرد خوبی دارند.»
برای درک بهتر دسترسی آینده به منابع آب، پژوهشگران تمرکز خود را بر ۳۰ حوزه بزرگ رودخانهای جهان قرار دادند – از جمله آمازون، کنگو، گنگ، براهماپوترا و نیل.
داس توضیح داد:
«ما بررسی کردیم که در این حوزهها جریان سطحی (runoff) یا دسترسی به آب چگونه در مدلهای اقلیمی نمایش داده شده است.»
جریان سطحی – آبی که از زمین به رودخانهها میریزد – عنصری کلیدی است. این آب منابع آشامیدنی، کشاورزی و تولید برق آبی را تأمین میکند. حتی کاهشهای کوچک در این جریان میتواند باعث اختلالات عمده شود.
داس افزود:
«برآورد جمعیت اهمیت دارد، چون به سیاستگذاران تصویری از وضعیت آینده غذا، آب و انرژی ارائه میدهد.»
پنج مدل اقلیمی دقیقتر نشان میدهند که تا پایان قرن، ۴۰٪ از این رودخانهها با کاهش جریان مواجه خواهند شد. این تغییر بر حدود ۸۵۰ میلیون نفر تأثیر خواهد گذاشت – بیش از سه برابر تخمینهای پیشین.
مدلهایی با وضوح و فیزیک بهتر مفید هستند، اما کافی نیستند. پژوهشگران بررسی کردند که آیا این مدلهای بهبود یافته با دادههای تاریخی تطابق دارند و آیا با یکدیگر همراستا هستند یا خیر. این موضوع با دو معیار بررسی شد: مهارت (Skill) و اجماع (Consensus).
پروفسور آروپ گنگولی، از نویسندگان مقاله گفت:
«وضوح بالاتر، پارامترسازی بهتر و اجزای فیزیکی جامع ارزشمند هستند. ما سعی کردیم همه این معیارها را با مهارت و اجماع بررسی کنیم و این دقیقاً کاری است که داس انجام داده است.»
با این حال، مدلهای بهتر میتوانند چالشهایی نیز ایجاد کنند. بهعنوان مثال، هر چه دقت بیشتر شود، دامنه نتایج احتمالی (uncertainty bounds) ممکن است گستردهتر شود.
داس تأکید کرد:
«رزولوشن بالاتر، پارامترسازی پیچیدهتر و فیزیک جامع بهطور نظری باید پیشبینیهای مدل را بهبود دهند، اما این تا زمانیکه مدلها با مشاهدات و با یکدیگر مقایسه نشوند، تضمینشده نیست.»
این مطالعه تنها به یک سناریوی آینده اکتفا نکرد. پژوهشگران مدلها را در پنج مسیر مختلف انتشار گازهای گلخانهای بررسی کردند. همانطور که انتظار میرفت، در جهانی با انتشار کمتر، نتایج بهتری حاصل شد.
داس در اینباره گفت:
«دیدیم که اگر آیندهای سبزتر داشته باشیم، دسترسی به آب بیشتر خواهد بود و افراد کمتری تحت تأثیر کاهش آب قرار میگیرند.»
حتی در بهترین حالت نیز خشک شدن رودخانهها صدها میلیون نفر را با کمبود آب مواجه خواهد کرد.
«یافتیم که ۵۰۰ میلیون نفر تحت تأثیر قرار خواهند گرفت به جای ۹۰۰ میلیون نفر، اما در برخی نقاط جهان همچنان کاهش منابع آبی رخ خواهد داد.»
هدف این پژوهش حمایت از دو گروه کلیدی است: سیاستگذاران و مدیران منابع آبی که از این مدلها برای برنامهریزی آینده استفاده میکنند، و دانشمندان و مدلسازانی که در پی بهبود دقت این پیشبینیها هستند.
با شناسایی مدلهای قابلاعتمادتر و برجستهسازی پیشبینیهای آنها، این تحقیق به هر دو گروه کمک میکند تا تصمیمات آگاهانهتری در مواجهه با تغییرات سریع اقلیمی اتخاذ کنند.
منبع:فوت و فن