با همکاری انجمن آبخیزداری ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار هواشناسی کشاورزی، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

2 دانشجوی دکتری هواشناسی کشاورزی، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران

چکیده

مقدمه
اقلیم، یکی از عوامل محیطی است که تغییر آن موجب تغییرات گسترده‏ای در بخش‌‏های مختلف بوم ‌سامانه شده و تهدید بزرگی برای توسعه پایدار محسوب می‏‌شود. دما، یکی از عناصر اصلی اقلیم است که تغییرات ناگهانی، کوتاه‏مدت و درازمدت آن می‌‏تواند ساختار آب و هوای هر منطقه را تحت تأثیر قرار دهد. در دهه‌‏های اخیر، کره‏ زمین با پدیده‏ گرمایش جهانی مواجه شده است و مهم‌‏ترین شاهد بر این ادعا تغییرات اقلیمی صورت گرفته در سرتاسر دنیا است. یکی از پیامدهای مهم گرمایش جهانی، افزایش وقوع پدیده‏‌های فرین جوی است که از مهم‌ترین آن‏ها می‌‏توان به تغییر ناگهانی دما، گرمای بیش از حد، سرمای غیرعادی، بارش‏‌های سنگین و سیل‏‌آسا، خشکسالی و گرد و غبار ناشی از خشک شدن تالاب‏‌ها اشاره نمود. نمایه‏‌های حدی اقلیم، نه تنها نقش مهمی در بررسی وقایع اقلیمی در مقیاس منطقه‌‏ای و جهانی دارند، بلکه به مدل‌سازی اقلیمی و تصمیم‏‌گیری در بررسی اثرات بخش‌‏های متنوع نیز کمک می‌‏نماید.
 
مواد و روش‌‏ها
در این پژوهش، از داده‎‌های دمای مدل MRI-ESM-2 تحت سه سناریو خوش‏بینانه SSP1-2-6، حد متوسط SSP2-4-5 و بدبینانه SSP5-8-5 برای دو دوره‏ آینده‏ نزدیک (۲۰۶۰-۲۰۲۱) و آینده‏ دور (۲۱۰۰-۲۰۶۱) استفاده شد. بدین منظور، ابتدا داده‏ تاریخی طی دوره پایه و داده‏‌های سناریو برای دوره‏ آینده (تا سال ۲۱۰۰) برای مدل اقلیمی مورد مطالعه از پایگاه داده ESGF برای کل جهان دریافت شد. سپس، با زبان برنامه نویسی R، سری زمانی داده‏‌های تاریخی و سناریو از مدل برای هر ایستگاه مورد نظر استخراج شد. مقیاس‌کاهی آماری داده‌‏ها با روش درون‏یابی دوخطیBilinear  در سطح ایستگاه‌‏های مورد مطالعه انجام شد. در ادامه، داده‌ها در دوره آینده و بر اساس سه سناریوی مورد نظر در تمامی ایستگاه‌‏های مورد مطالعه گروه‌‏بندی شدند، برای استخراج نمایه‌‏های مبتنی بر کمینه و بیشینه دمای روزانه از نرم‌افزار RClimDex  استفاده شد. در این پژوهش، ۱۶ شاخص حدی دما برای منطقه مورد مطالعه در مقیاس‌های سالانه و ماهانه محاسبه و وجود روند و نقطه شکست در این شاخص‏‌ها با آزمون‌های آماری تشخیص روند من‌کندال، آزمون شیب خط سن و آزمون تشخیص جهش پتیت بررسی شد.
 
نتایج و بحث
نتایج بیانگر کاهش رویدادهای حدی گرم بر اساس سناریو SSP126، کاهش نمایه‌‌های مربوط به سرما و روزهای یخبندان (سرد) و افزایش نمایه‎‌های حدی گرم براساس سناریو SSP585 بوده که در بیشتر مناطق استان مشاهده شد. به طورکلی، نمایه‎‌های تعداد روزهای تابستانی (با شیب ۷۰-۴۰ درصد)، شب‎ه‌ای حاره‎ای (۶۵-۴۵ درصد)، طول دوره گرما (۵۰-۳۰ درصد) و طول دوره رویش (۶۰-۴۰ درصد) به طور قابل ملاحظه افزایش اما نمایه‎‌های تعداد روزهای یخبندان ((۲۰-)-(۸۰-))، روزهای یخی ((۱۰-)-(۴۰-)) و طول دوره سرما ((۱۰-)-(۷۰-)) به‌طور قابل ملاحظه کاهش خواهد یافت. همچنین، نتایج آزمون پتیت، نقطه تغییر افزایشی و کاهشی به‌ترتیب برای نمایه‎‌های حدی گرم و سرد را در دهه ۲۰۴۰ (آینده نزدیک) و ۲۰۸۰ (آینده دور) نشان داده است. بنابراین، به‌منظور کنترل دماهای حدی و اثرات سوء آن در بخش‏‌های مختلف زندگی انسان به‌ویژه کشاورزی و منابع آب می‏بایست برنامه‏‌های مدیریتی مناسب در جهت نیاز هر منطقه تدوین و اجرا شود.
 
نتیجه‏‌گیری
نتایج بیانگر وجود تغییرات ناگهانی برای نمایه‌‏های دمایی تحت سناریو بدبینانه بیشتر از دو سناریو دیگر و در نواحی گسترده‌‏تری از استان مازندران بود. همچنین، احتمال افزایش ناگهانی نمایه‌‏های حدی گرم و کاهش ناگهانی روزهای مربوط به سرما و یخبندان در دوره‏ زمانی آینده نزدیک در دهه ۲۰۳۰، ۲۰۴۰ و ۲۰۵۰ و در دوره‏ زمانی آینده دور در دهه ۲۰۷۰ و ۲۰۸۰ وجود خواهد داشت. به طورکلی، در دوره‏‌های آماری آینده مورد مطالعه، نمایه‌‏های حدی دمایی تغییرات قابل توجهی خواهند داشت و استان مازندران با افزایش دمای هوا و رخدادهای حدی درجه حرارت بالا همراه خواهد بود که این نتایج همسو با نتایج مطالعات منطقه‌‏ای و جهانی است. افزایش دما به‌ویژه در ماه‏‌های گرم که همزمان با کاهش نزولات جوی است، با توجه به ماهیت فصل گرم سال، در کشاورزی این منطقه که از مناطق مهم تولید برنج کشور است، نقش قابل توجهی دارد. لذا، چرخه هیدرولوژی پایین‌دست حوضه هراز را تحت تأثیر قرار می‏‌دهد. از طرفی، تغییرات دمایی در زمستان و ماه‏‌های سرد نیز می‏تواند زمان آغاز ذوب برف حوضه را تحت تأثیر قرار دهد که این عوامل روی دبی اوج سیلاب در پایین‌دست حوضه تأثیر به‌سزائی دارد. با توجه به مطالب ذکر شده و ضرورت انجام چنین پژوهش‌‏هایی در زمینه‏‌های فعالیت‌‏های انسانی، مدیریت منابع آب، امنیت غذایی و نیز سلامتی انسان، بررسی تأثیر رویدادهای حدی اقلیمی مبتنی بر دما در سیاست‎‌گذاری‏‌های آینده در بخش‏‌های مختلف ضرورت دارد و جوامع انسانی می‏‌بایست به ناچار خود را بر اساس این شرایط تنظیم و سازگار نمایند. لذا، بررسی شدت، فراوانی و زمان وقوع رخدادهای حدی و آگاهی احتمالی از آنها می‌‏تواند در حل مسائل گریبان‏گیر زیست‏ محیطی و برنامه‌‏ریزی منطقی در جهت کنترل و کاهش این رخدادها مؤثر واقع شود.
 

کلیدواژه‌ها

عنوان مقاله [English]

Forecasting the changes of temperature extreme indices in the area of Mazandaran Province under CMIP6 scenarios

نویسندگان [English]

  • Reza Norooz-Valashedi 1
  • Sedigheh Bararkhanpour ahmadi 2
  • hadigheh bahrami pichaghchi 2
  • Sara Mazloom Babanari 2

1 Assistant Professor of Agrometeorology, Department of Water Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran

2 PhD Student of Agrometeorology, Department of Water Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran

چکیده [English]

Introduction
Climate is one of the environmental factors whose changes cause extensive alterations in different parts of the ecosystem and pose a significant threat to sustainable development. Temperature, a main element of climate, can affect the climate structure of any region through sudden, short-term, and long-term changes. In recent decades, the Earth has faced global warming, evidenced by climatic changes worldwide. One important consequence of global warming is the increase in extreme weather phenomena, such as sudden temperature changes, excessive heat, abnormal cold, heavy rains and floods, drought, and dust storms caused by the drying of wetlands. Climate extreme indices not only play an important role in investigating climate events on regional and global scales but also assist in climate modeling and decision-making for various sectors.
 
Materials and methods
In this research, temperature data from the MRI-ESM-2 model under three scenarios—optimistic (SSP1-2.6), average (SSP2-4.5), and pessimistic (SSP5-8.5)—for two periods, the near future (2021-2060) and the distant future (2061-2100), were used. First, historical data for the base period and scenario data for the future period (until 2100) for the studied climate model were obtained from the ESGF database. Then, using the R programming language, the time series of historical data and scenarios were extracted from the model for each desired station, and the statistical downscaling of the data was performed using the bilinear interpolation method at the level of the studied stations. The data were grouped based on the three scenarios in all studied stations, and RClimDex software was used to extract indices based on minimum and maximum daily temperatures. In this research, 16 extreme temperature indices for the studied area were calculated on annual and monthly scales, and trends and breakpoints in these indices were investigated using the Mann-Kendall trend detection test, Sen’s Slope test, and Pettitt mutation detection test.
 
Results and discussion
The results show a decrease in extreme hot events based on the SSP1-2.6 scenario, a decrease in indices related to cold and freezing days, and an increase in extreme warm indices based on the SSP5-8.5 scenario, observed in most areas of the province. Generally, the indices for the number of summer days (with a slope of 40-70%), tropical nights (45-65%), the length of the heat period (30-50%), and the length of the growing season (40-60%) showed significant increases. Conversely, the indices for the number of frost days (-20 to -80), ice days (-10 to -40), and the length of the cold period (-10 to -70) significantly decreased. The results of Pettitt's test indicated change points for increasing and decreasing trends in hot and cold extreme indices, respectively, in the 2040s (near future) and 2080s (far future). Therefore, to control extreme temperatures and their adverse effects on various aspects of human life, especially agriculture and water resources, strategies should be developed and implemented according to the needs of each region.
 
Conclusions
The results indicated more frequent sudden changes in temperature indices under the pessimistic scenario compared to the other two scenarios, affecting broader areas of Mazandaran province. There is a likelihood of sudden increases in hot extreme indices and decreases in cold and freezing days both in the near future (2030s, 2040s, and 2050s) and far future (2070s and 2080s). Overall, significant changes in temperature extreme indices were observed during the future statistical periods studied, with Mazandaran province expected to experience higher air temperatures and more frequent extreme heat events. These findings align with regional and global studies. The rise in temperature, particularly during hot months when precipitation decreases naturally, significantly impacts agriculture in this region, which is a major area for rice production in the country. These changes also affect the hydrological cycle downstream of the Haraz basin. Additionally, temperature fluctuations during winter and cold months can influence the timing of snow melting in the basin, thereby affecting peak flood flows downstream. Given these factors and the necessity of such research in understanding human activities, water resource management, food security, and human health, it is crucial to investigate the impacts of extreme climate events driven by temperature in future policy-making. Human societies must adapt and adjust based on these anticipated conditions. Therefore, studying the intensity, frequency, and timing of extreme events and raising awareness about them can effectively address environmental challenges and enable rational planning to mitigate and reduce these events.
 

کلیدواژه‌ها [English]

  • Climate Change
  • Drainage Basin
  • Downscaling
  • Growing Season
  • Spatio-Temporal
Adhikari, A.P., Mathema, A.B., 2023. Examining trends in temperature and precipitation mean/extremes over Gandaki Province, Nepal. J. Water Clim. Change. 14(7), 2342-2361
Adnan, S., Ullah, K., Ahmed, R., 2020. Variability in meteorological parameters and their impact on evapotranspiration in a humid zone of Pakistan. Meteorol. Appl. 27(1), e1859.
Ahmadi, F., Nazeri Tahroudi, M., Mirabbasi, R., Kumar, R., 2022. Spatiotemporal analysis of precipitation and temperature concentration using PCI and TCI: a case study of Khuzestan Province, Iran. Theor. Appl. Climatol. 149(1-2), 743-760.
Akinbile, C.O., Ogunmola, O.O., Abolude, A.T., Akande, S.O., 2020. Trends and spatial analysis of temperature and rainfall patterns on rice yields in Nigeria. Atmospheric Science Letters, 21(3), e944.
Alashan, S. 2020. Combination of modified Mann‐Kendall method and Şen innovative trend analysis. Eng. Rep. 2(3), e12131.
Alexander, L.V., Zhang, X., Peterson, T.C., Caesar, J., Gleason, B., Klein Tank, A.M.G., Vazquez‐Aguirre, J.L., 2006. Global observed changes in daily climate extremes of temperature and precipitation. J. Geophys. Res. Atmos. 111(D5).
Asakereh, H., 2020. Decadal variation in precipitation regime in northwest of Iran. Theor. Appl. Climatol. 139, 461-471.
Asakereh, H., Shahbaee Kotenaee, A., Foroumadi, M., 2019. Evaluating changes and forecasting minimum temperature in the west of Mazandaran Province using statistical downscaling model SDSM. JWSS-Isfahan University of Technology, 23(1), 101-119 (in Persian).
Asgari, E., Norouzi Nazar, M.S., Baaghideh, M., Entezari, A., 2023. Assessing the impacts of climate change on the future droughts in Gorganroud Watershed under CIMP6 models. Clim. Change Res. 4(14), 27-42 (in Persian).
Bannayan, M., Asadi, S., Nouri, M., Yaghoubi, F., 2020. Time trend analysis of some agroclimatic variables during the last half century over Iran. Theor. Appl. Climatol. 140(3-4), 839-857.‏
Cai, W., Ng, B., Wang, G., Santoso, A., Wu, L., Yang, K., 2022. Increased ENSO sea surface temperature variability under four IPCC emission scenarios. Nat. Clim. Change. 12(3), 228-231.
Doulabian, S., Golian, S., Toosi, A.S., Murphy, C., 2021. Evaluating the effects of climate change on precipitation and temperature for Iran using RCP scenarios. J. Water Clim. Change. 12(1), 166-184.‏
Ely, D.F., Fortin, G., 2020. Trend analysis of extreme thermal indices in south Brazil (1971 to 2014). Theor. Appl. Climatol. 139, 1045-1056.
Eyring, V., Bony, S., Meehl, G.A., Senior, C.A., Stevens, B., Stouffer, R.J., Taylor, K.E., 2016. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geosci. Model Dev. 9(5), 1937-1958.
Fan, L., Xiong, Z., 2015. Using quantile regression to detect relationships between large-scale predictors and local precipitation over northern China. Adv. Atmos. Sci. 32, 541-552.
Gadedjisso-Tossou, A., Adjegan, K.I., Kablan, A.K.M., 2021. Rainfall and temperature trend analysis by Mann-Kendall test and significance for rainfed cereal yields in Northern Togo. Sci. 3(1), 17.
García-Marín, A.P., Estévez, J., Morbidelli, R., Saltalippi, C., Ayuso-Muñoz, J.L., Flammini, A., 2020. Assessing inhomogeneities in extreme annual rainfall data series by multifractal approach. Water 12(4), 1030.
Gholami, A., 2024. Analysis of greenhouse gas emission scenarios in the plains part of Haraz Watershed in Mazandaran Province. J. Environ. Sci. Stud. 8(4), 7557-7573 (in Persian).
Gulahmadov, N., Chen, Y., Gulakhmadov, M., Satti, Z., Naveed, M., Davlyatov, R., Gulakhmadov, A., 2023. Assessment of temperature, precipitation, and snow cover at different altitudes of the Varzob River Basin in Tajikistan. Appl. Sci. 13(9), 5583.
Gumus, V., Avsaroglu, Y., Simsek, O., 2022. Streamflow trends in the Tigris River basin using Mann-Kendall and innovative trend analysis methods. Earth Syst. Sci. Data. 131(1), 34.
Gupta, V., Singh, V., Jain, M.K., 2020. Assessment of precipitation extremes in India during the 21st century under SSP1-1.9 mitigation scenarios of CMIP6 GCMs. J. Hydrol. 590, 125422.
Haghshenasgatabi, R., Motevalli, S., Qobadi Janbaz, G., Razzaghian, H., Momene, B., 2023. Investigating the effect of climate change on water transfer between basins under climate change scenarios and models, Tajn Basin, Mazandaran Province. J. Clim. Res. 1402(53), 35-50 (in Persian).
Hamed, K.H., Rao, A.R., 1998. A modified Mann-Kendall trend test for autocorrelated data. J. Hydrol. 204(1-4), 182-196.
Hamidov, A., Khamidov, M., Ishchanov, J., 2020. Impact of climate change on groundwater management in the northwestern part of Uzbekistan. Agron. 10(8), 1173.
Hossain, A., Rahman, A., Sun, X., 2022. Roadway crash trend analysis with innovative trend analysis and Mann-Kendall Test.
IPCC., 2013. Climate change 2013 the physical science basis contribution of working group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, ed T F Stocker, D Qin, G-K Plattner, M Tignor, S K Allen, JBoschung, A Nauels, Y Xia, V Bex and P M Midgley (Cambridge: Cambridge University Press).
Jin, D.H., Jang, S.H., Kim, H.K., Lee, Y.S.. 2021. A trend analysis of seasonal average temperatures over 40 years in South Korea using Mann-Kendall test and sen's slope. Korean J. Appl. Stat. 34(3), 439-447.
Karl, T.R., Nicholls, N., Ghazi, A., 1999. Clivar/GCOS/WMO workshop on indices and indicators for climate extremes workshop summary. Weather Clim. Extrem. 3-7.
Kumar, A., Prasad, V., Baghel, S., 2023. Estimation and evaluation of trend analysis of the Penman-Monteith reference evapotranspiration of Raipur region, Chhattisgarh central India. Mausam 74(1), 199-206.
Lotfirad, M., Adib, A., Salehpoor, J., Ashrafzadeh, A., Kisi, O., 2021. Simulation of the impact of climate change on runoff and drought in an arid and semiarid basin (the Hablehroud, Iran). Appl. Water Sci. 11, 1-24.
Mann, H.B., 1945. Nonparametric tests against trend. Econometrica: J. Econom Soc. 245-259.
Mansouri Daneshvar, M.R., Ebrahimi, M., Nejadsoleymani, H., 2019. An overview of climate change in Iran: facts and statistics. Environ. Syst. Res. 8(1), 1-10.
Masoodian, S.A., 2023. A Climatological survey of spring of 2019 flood-causing precipitations in the western parts of Iran. J. Nat. Environ. Hazards. 12(37), 101-116.
Matthews, H.D., Wynes, S., 2022. Current global efforts are insufficient to limit warming to 1.5 C. Sci, 376(6600), 1404-1409.
Mersin, D., Tayfur, G., Vaheddoost, B., Safari, M.J.S., 2022. Historical trends associated with annual temperature and precipitation in Aegean Turkey, where are we heading?. Sustainability. 14(20), 13380.
Mistry, M.N., 2019. A high-resolution global gridded historical dataset of climate extreme indices. Data 4(1), 41.
Moghim, S., Heidariask, B., 2023. A novel method for adjusting cropping patterns to climate change. J. Arid. Environ. 214, 104979.
Mortazavifar, S.M., Mobin, M.H., Mokhtari, M.H., Ekrami, M., Rfiei Sardoii, E., 2019. Evaluation of the impact of climate change on precipitation and temperature variables based on the RCP scenarios: a case study of the east of Mazandaran Province, Iran. J. Meteorol. Atmos. Sci. 1(4), 351-364 (in Persian).
Norooz-Valashedi, R., Bahrami Pichaghchi, H., 2023. Detection of the effect of climate change on the snow areas of the Northern Alborz Watershed by CPA method. Watershed Manag. Res. 15(3), 386-403. (in Persian).
Norooz-Valashedi, R., Khoshravesh, M., 2019. Evaluation of climate change scenarios effect on the chilling requirement for deciduous fruit trees in Kiasar of Sari. Iran J. Soil Water Res. 50(5), 1085-1093 (in Persian).
Pettitt, A.N., 1979. A non‐parametric approach to the change-point problem. J. R. Stat. Soc., C: Appl. Stat. 28(2), 126-135.
Pour, S.H., Abd Wahab, A.K., Shahid, S., 2020. Spatiotemporal changes in aridity and the shift of drylands in Iran. Atmos. Res. 233, 104704.
Saboohi, R., Soltani, S., Khodagholi, M., 2012. Trend analysis of temperature parameters in Iran. Theor. Appl. Climatol. 109, 529-547.
Sen, P.K., 1968. Estimates of the regression coefficient based on Kendall's tau. J. Am. Stat. Assoc. 63(324), 1379-1389.
Seneviratne, S.I., Donat, M.G., Mueller, B., Alexander, L.V., 2014. No pause in the increase of hot temperature extremes. Nat. Clim. Change. 4(3), 161-163.
Shagega, F.P., Munishi, S.E., Kongo, V.M., 2020. Assessment of potential impacts of climate change on water resources in Ngerengere catchment, Tanzania. Phys. Chem. Earth (Pt A B,C). 116, 102804.
Sharafi, S., Mir Karim, N., 2020. Investigating trend changes of annual mean temperature and precipitation in Iran. Arab. J. Geosci. 13, 1-11.
Sheikh, M.M., Manzoor, N., Ashraf, J., Adnan, M., Collins, D., Hameed, S.L.S.M., Shrestha, M.L., 2015. Trends in extreme daily rainfall and temperature indices over South Asia. Int. J. Climatol. 35(7), 1625-1637.
Sillmann, J., Roeckner, E., 2008. Indices for extreme events in projections of anthropogenic climate change. Clim. Change. 86, 83-104.
Sobhani, B., Safarianzengir, V., 2024. Obviousization and estimation of climate change in the coming years of Iran. J. Environ. Sci. Stud. 8(4), 7243-7263 (in Persian).
Solaimani, K., Bararkhanpour, S., 2022. Spatiotemporal changes of climatic parameters extreme quantiles and their role on evaporation in N. Iran (Golestan province). Arab. J. Geosci. 15(1), 68.
Tayebiyan, A., Ahmad Mohammad, T., Malakootian, M., Nasiri, A., Heidari, M.R., Yazdanpanah, G., 2019. Potential impact of global warming on river runoff coming to Jor reservoir, Malaysia by integration of LARS-WG with artificial neural networks. Environ. Health Eng. Manag. 6(2), 139-149.‎
Taylor, K.E., Stouffer, R.J., Meehl, G.A., 2012. An overview of CMIP5 and the experiment design. Bull. Am. Meterol. Soc. 93(4), 485-498.
Wang, H.J., Sun, J.Q., Chen, H.P., Zhu, Y.L., Zhang, Y., Jiang, D.B., Yang, S., 2012. Extreme climate in China: facts, simulation and projection. Meteorol. Z. 21(3), 279.
Warnatzsch, E.A., Reay, D.S., 2019. Temperature and precipitation change in Malawi: Evaluation of CORDEX-Africa climate simulations for climate change impact assessments and adaptation planning. Sci. Total Environ. 654, 378-392.
Xue, J., Gui, D., 2015. Linear and nonlinear characteristics of the runoff response to regional climate factors in the Qira River basin, Xinjiang, Northwest China. PeerJ, 3, e1104.
Yang, Y., Bai, L., Wang, B., Wu, J., Fu, S., 2019. Reliability of the global climate models during 1961-1999 in arid and semiarid regions of China. Sci. Total Environ. 667, 271-286.
Zare, M., Bejestan, M.S., Adib, A., Beygipoor, G., 2023. Analysis of Future Precipitation and Temperature Change and Its Implication on Doroodzan Dam, Iran. Iran. J. Sci. Technol. Trans. Civ. Eng. 47(2), 1139-1151.
Zarenistanak, M., 2019. Historical trend analysis and future projections of precipitation from CMIP5 models in the Alborz mountain area, Iran. Meteorol. Atmos. Phys. 131(5), 1259-1280.
Zhang, X., Yang, F., 2004. RClimDex (1.0) user manual. Climate Research Branch Environment Canada, 22, 13-14.