میز خدمت الکترونیک
دوره ویراستاری

  اخبار و اعلانات

 آمار

تعداد نشریات127
تعداد شماره‌ها7,123
تعداد مقالات76,599
تعداد مشاهده مقاله153,351,771
تعداد دریافت فایل اصل مقاله115,516,644
رحمتی, سپیده, منعم, محمد جواد, دلاور, مجید. (1404). تأثیر تغییر اقلیم بر نیاز آبی محصولات با استفاده از مدل های اقلیمی در شبکه آبیاری مغان. , 15(2), 355-377. doi: 10.22059/jwim.2025.393855.1222
سپیده رحمتی; محمد جواد منعم; مجید دلاور. "تأثیر تغییر اقلیم بر نیاز آبی محصولات با استفاده از مدل های اقلیمی در شبکه آبیاری مغان". , 15, 2, 1404, 355-377. doi: 10.22059/jwim.2025.393855.1222
رحمتی, سپیده, منعم, محمد جواد, دلاور, مجید. (1404). 'تأثیر تغییر اقلیم بر نیاز آبی محصولات با استفاده از مدل های اقلیمی در شبکه آبیاری مغان', , 15(2), pp. 355-377. doi: 10.22059/jwim.2025.393855.1222
رحمتی, سپیده, منعم, محمد جواد, دلاور, مجید. تأثیر تغییر اقلیم بر نیاز آبی محصولات با استفاده از مدل های اقلیمی در شبکه آبیاری مغان. , 1404; 15(2): 355-377. doi: 10.22059/jwim.2025.393855.1222

تأثیر تغییر اقلیم بر نیاز آبی محصولات با استفاده از مدل های اقلیمی در شبکه آبیاری مغان

مدیریت آب و آبیاری
دوره 15، شماره 2، شهریور 1404، صفحه 355-377    اصل مقاله (2.71 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jwim.2025.393855.1222
نویسندگان
سپیده رحمتی؛ محمد جواد منعم* ؛ مجید دلاور
گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.
چکیده
تأثیر تغییرات اقلیمی بر تقاضای آب کشاورزی برای ارزیابی بهره‌وری به‌ویژه در مناطق نیمه‌خشک بسیار مهم است. مطالعه حاضر به بررسی نیاز آبی محصول (CWR) و نیاز آبی آبیاری (IWR) مناطق تحت پوشش شبکه آبیاری مغان با تمرکز بر پیش‌بینی نیازهای آبی آبیاری آینده می‌پردازد. برای این منظور، مقادیر دما و بارش روزانه از مدل‌های اقلیمی تحت سه سناریو (خوش‌بینانه، حدواسط و بدبینانه) تهیه و ریزمقیاس شدند. نتایج نشان می‌دهند که در آینده، دمای حداکثر 68/0 تا 05/2، دمای حداقل 21/1 تا 12/3 درجه سانتی‌گراد افزایش یافته و بارش سالانه بین 06/21- تا 14/27+ درصد تغییر خواهد داشت. این تغییرات ضمن افزایش نیاز آبی و آبیاری، موجب تشدید نوسانات اقلیمی و ناپایداری در طول سال در منطقه خواهد شد. نتایج نشان دادند که عدم قطعیت مدل‌ها در برآورد تغییرات فصلی نیاز آبی و آبیاری در فصول تابستان و پاییز کم‌تر از فصول بهار و زمستان است. نتایج نشان می‌دهند که نیاز آبی و حجم تقاضای سالانه آب، برای سناریوهای مختلف بین 77/12 تا 76/13 درصد افزایش خواهد یافت. شاخص کفایت آبیاری در شبکه مغان برای دوره ۲۰۲۵-۲۰۴۴ به میزان 15 درصد کاهش خواهد یافت و به‌مراتب کم‌تر از یک است که نشان می‌دهد حجم آب تحویلی کم‌تر از نیاز آبیاری است. این موضوع ناشی از افزایش تقاضای آب به‌دلیل افزایش دما و تبخیر و کاهش باران مؤثر است. نتیجه این وضعیت، بروز تنش آبی، کاهش عملکرد محصولات و افزایش آسیب‌پذیری کشاورزان است که نیازمند بازنگری در تخصیص آب، اصلاح الگوی کشت و بهبود بهره‌وری شبکه است.
کلیدواژه‌ها
حجم تقاضای آب؛ ریزمقیاس‌نمایی؛ سناریوهای SSP؛ مدل‌های AOGCM
مراجع
  1. Abeysingha, N. S., Singh, M., Islam, A., & Sehgal, V. K. (2016). Climate change impacts on irrigated rice and wheat production in Gomti river basin of India: A case study. SpringerPlus, 5, 1250.
  2. Adnan, N. A., & Atkinson, P. M. (2011). Exploring the impact of climate and land use changes on stream flow trends in a monsoon catchment. International Journal of Climatology, 31, 815-831.
  3. Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper No. 56. Food and Agriculture Organization.
  4. Andrade, C. W. L., Montenegro, S. M. G. L., Montenegro, A. A. A., de Lima, J. R. S., Srinivasan, R., & Jones, C. A. (2021). Climate change impact assessment on water resources under RCP scenarios: A case study in Mundaú River Basin, Northeastern Brazil. International Journal of Climatology, 41(S1), e2630-e2645.
  5. Ashofteh, P., Haddad, O., & Marino, M. (2015). Risk analysis of water demand for agricultural crops under climate change. Journal of Hydrologic Engineering, 20(10), 05015006.
  6. Bajracharya, A. R., Bajracharya, S. R., Shrestha, A. B., & Maharjan, S. B. (2018). Climate change impact assessment on the hydrological regime of the Kaligandaki Basin, Nepal. Science of the Total Environment, 625, 837-848.
  7. Battude, M., Bitar, A. A., Morin, D., Cros, J., Huc, M., Sicre, C. M., Dantec, V. L., & Demarez, V. (2016). Estimating maize biomass and yield over large areas using high spatial and temporal resolution Sentinel-2-like remote sensing data. Remote Sensing of Environment, 184, 668-681.
  8. Bishet, D. S., Mohite, A. R., Jena, P. P., Khatun, A., Chatterjee, C., Raghuwanshi, N. S., Singh, R., & Sahoo, B. (2020). Impacts of climate change on streamflow regime of a large Indian river basin using a novel monthly hybrid bias correction technique and a conceptual modeling framework. Journal of Hydrology, 590, 125448.
  9. Dehghan, z., Fathian, F., & Eslamian, S. )2019(. Climate Change Impact on Agriculture and Irrigation Network, Book Chapter, Climate Change-Resilient Agriculture and Agroforestry, 333-354, Springer.
  10. Dessu, S. B., & Melesse, A. M. (2013). Impact and uncertainties of climate change on the hydrology of the Mara River basin, Kenya/Tanzania. Hydrological Processes, 27(20), 2973-2986.
  11. Dhamge, N. R., Badar, A. M., & Baiswarey, N. Z. (2008). Crop water requirement by modified Penman method using HYMOS. ISH Journal of Hydraulic Engineering, 14, 28-42.
  12. (1998). Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper No. 56. Food and Agriculture Organization.
  13. (2016). Revised FAO methodology for crop water requirements. www.fao.org/nr/water/docs/revised-fao-methodology-cropwaterrequirements.pdf
  14. Frame, B., Lawrence, J., Ausseil, A. G., Reisinger, A., & Daigneault, A. (2018). Adapting global shared socio-economic pathways for national and local scenarios. Climate Risk Management, 21, 39-51.
  15. Giorgi, F., & Mearns, L. O. (2002). Calculation of average, uncertainty range, and reliability of regional climate changes from AOGCM simulations via the “reliability ensemble averaging”(REA) method. Journal of Climate, 15 (10), 1141-1158.
  16. Gorguner M., & Kavvas, M. L. (2020). Modeling impacts of future climate change on reservoir storage and irrigation water demands in a Mediterranean basin, Science of the Total Environment, 748-768.
  17. Gulacha, M. M., & Mulungu, D. M. M. (2017). Generation of climate change scenarios for precipitation and temperature at local scales using SDSM in Wami-Ruvu River Basin Tanzania. Physics and Chemistry of the Earth, Parts A/B/C, 100, 62-72.
  18. Huang, J., Zhang, J., Zhang, Z., Xu, C., Wang, B., & Yao, J. (2011). Estimation of future precipitation change in the Yangtze River basin by using statistical downscaling method. Stochastic Environmental Research and Risk Assessment, 25, 781-792.
  19. (2021). Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, In press, doi:10.1017/9781009157896.
  20. Islam, R., Islam, M. M., Islam, M. N., Islam, M. N., Sen, S., & Faisal, R. F. (2020). Climate change adaptation strategies: A prospect toward crop modeling and food security management. Modeling Earth Systems and Environment, 6, 769-777.
  21. Jiang, T., Lü, Y., Huang, J. L., Wang, Y. L., Su, B. D., & Tao, H. (2020). New scenarios of CMIP6 model (SSP–RCP) and its application in the Huaihe River Basin. Advances in Meteorological Science and Technology, 10(5), 102-109.
  22. Koudahe, K., Djaman, K., & Adewumi, J. K. (2018). Evaluation of the Penman–Monteith reference evapotranspiration under limited data and its sensitivity to key climatic variables under humid and semiarid conditions. Modeling Earth Systems and Environment, 4, 1239-1257.
  23. Knox, J. W., Rodríguez Díaz, J. A., Nixon, D. J., & Mkhwanazi, M. (2009). A preliminary assessment of climate change impacts on sugarcane in Swaziland. Agricultural Systems, 103(3), 63-72.
  24. Knutti, R., Furrer, R. Tebaldi, C., Cermak, J, & Meehl, G. A. (2010). Challenges in Combining Projections from Multiple Climate Models, Journal of Climate, 23 (10), 2739-2758
  25. Kumari, P., Jaiswalb, R. K., and Singh, H. P. (2024). Assessing climate change impacts on irrigation water requirements in the Lower Mahanadi Basin: A CMIP6-based spatiotemporal analysis and future projections. Journal of Water and Climate Change, 15 (7), 3328-3346.
  26. Liao, W., Liu, X., Xu, X., Chen, G., Liang, X., Zhang, H., & Li, X. (2020). Projections of land use changes under the plant functional type classification in different SSP–RCP scenarios in China. Science Bulletin, 65(22), 1935-1947.
  27. Li, Y., Yang, X., Dai, S., & Wang, W. (2010). Spatiotemporal change characteristics of agricultural climate resources in middle and lower reaches of Yangtze River. Chinese Journal of Applied Ecology, 21, 2912-2921.
  28. Liu, S., Mo, X., Lin, Z., Xu, Y., Ji, J., Wen, G., & Richey, J. (2010). Crop yield responses to climate change in the Huang-Huai-Hai Plain of China. Agricultural Water Management, 97(4), 1195-1209.
  29. Makar, R. S., Shahin, S. A., El-Nazer, M., Wheida, A., & Abd El-Hady, M. (2022). Evaluating the impacts of climate change on irrigation water requirements. Sustainability, 14(22), 14833.
  30. Massah Bavani, A.R., & Morid, S. (2005). The Impacts of Climate Change on Water Resources and Agricultural Production. Water Resources Research, 1, 40-47.
  31. Meaurio, M., Boithias, L., Epelde, A. M., Sauvage, S., Sánchez-Pérez, J. M., Srinivasan, R., & Antiguedad, I. (2017). Assessing the hydrological response from an ensemble of CMIP5 climate projections in the transition zone of the Atlantic region (Bay of Biscay). Journal of Hydrology, 548, 46-62.
  32. Mohebbi, H., Ghodousi, H., & Shahverdi, K. (2024). Evaluating the impact of climate change on irrigation canal performance. Irrigation and Drainage, 73(3), 961-973.
  33. O'Neill, B.C., Tebaldi, C., Van Vuuren, D.P., Eyring, V., Friedlingstein, P., Hurtt, G., Knutti, R., Kriegler, E., Lamarque, J.F., Lowe, J., & Meehl, G.A. (2016). The scenario model intercomparison project (ScenarioMIP) for CMIP6. Geoscientific Model Development, 9(9), 3461-3482.
  34. Opoku Darko, R., Odoi Yorke, F., Abeley Abbey, A., Afutu, E., & Danso Owusu Sekyere, J. (2025). A review of climate change impacts on irrigation water demand and supply: A detailed analysis of trends, evolution, and future research directions. Water Resources Management, 39, 17-45.
  35. Payne, J. T., Wood, A. W., Hamlet, A. F., Richard, N. Palmer, R. N., & Lettenmaier, D. P. (2004). Mitigating the Effects of Climate Change on the Water Resources of the Columbia River Basin, Climatic Change, 62, 233-256.
  36. Perez, U., L., Smout, I. k., Rodríguez Díaz, J. A., & Carrillo Cobo, M. T. (2010). Irrigation Distribution Networks' Vulnerability to Climate Change, Journal of Irrigation and Drainage Engineering, 136(7) 486-493.
  37. Popova, Z., Kercheva, M., & Pereira, L. S. (2006). Validation of the FAO methodology for computing ETo with limited data: Application to South Bulgaria. Irrigation and Drainage, 55, 201-215.
  38. Rehana, S., & Mujumdar, P. (2012). Climate change induced risk in water quality control problems. Journal of Hydrology, 444, 63-77.
  39. Riahi, K., Van Vuuren, D.P., Kriegler, E., Edmonds, J., O’neill, B.C., Fujimori, S., Bauer, N., Calvin, K., Dellink, R., Fricko, O., & Lutz, W. (2017). The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global environmental change, 42, 153-168.
  40. Rogelj, J., Den Elzen, M., Höhne, N., Fransen, T., Fekete, H., Winkler, H., Schaeffer, R., Sha, F., Riahi, K., & Meinshausen, M. (2016). Paris Agreement climate proposals need a boost to keep warming well below 2 C. Nature, 534(7609), 631-639.
  41. Rosenzweig, C., Strzepek, K. M., Major, D. C., Iglesias, A., Yates, D. N., McCluskey, A., & Hillel, D. (2004). Water resources for agriculture in a changing climate: International case studies. Environ. Change A, 14, 345-360, doi:10.1016/j.gloenvcha.2004.09.003.
  42. Saddique, N., Bernhofer, C., Kronenberg, R., & Usman, M. (2019). Downscaling of CMIP5 models output by using statistical models in a data scarce mountain environment (Mangla Dam Watershed), Northern Pakistan. Asia-Pacific. Journal of Atmospheric Sciences, 55, 719-735.
  43. Sarkar, J., Chicholikar, J. R., & Rathore, L. S. (2015). Predicting future changes in temperature and precipitation in arid climate of Kutch, Gujarat: analyses based on LARS-WG model. Current science, 2084-2093.
  44. Semenov, V., & Bengtsson, L. (2002). Secular trends in daily precipitation characteristics: Greenhouse gas simulation with a coupled AOGCM. Climate Dynamics, 19, 123-140.
  45. Sha, J., Li, X., & Wang, Z. L. (2019). Estimation of future climate change in cold weather areas with the LARS-WG model under CMIP5 scenarios. Theoretical and Applied Climatology, 137, 3027-3039.
  46. Sharma, R., Thapa, B., & Aryal, S. (2024). Future climate change impacts on irrigation adequacy in semi-arid canal networks of Nepal. Water, 16(2), 253.
  47. Sharma, T., Vittal, H., Chhabra, S., Salvi, K., Ghosh, S., & Karmakar, S. (2018). Understanding the cascade of GCM and downscaling uncertainties in hydro‐climatic projections over India. International Journal of Climatology, e178-e190.
  48. Tebaldi, C., Debeire, K., Eyring, V., Fischer, E., Fyfe, J., Friedlingstein, P., Knutti, R., Lowe, J., O'Neill, B., Sanderson, B., & Van Vuuren, D. (2021). Climate model projections from the scenario model intercomparison project (ScenarioMIP) of CMIP6. Earth System Dynamics, 12(1), 253-293.
  49. Tukimat, N.,. Harun, S., & Shahid, S. (2017). Modeling irrigation water demand in a tropical paddy cultivated area in the context of climate change. Water Resour. Plann. Manage.,143 (7) 050170031-050170038.
  50. Uniyal, B., Jha, M. K., & Verma, A. K. (2015). Assessing climate change impact on water balance components of a river basin using SWAT model. Water resources management, 29, 4767-4785.
  51. Van Vuuren, D. P., Edmonds, J., Kainuma, M., Riahi, K., Thomson, A., Hibbard, K., Hurtt, G.C., Kram, T., Krey, V., & Lamarque, J. F. (2011). The representative concentration pathways: an overview Change, 109, 5-31.
  52. Vesely, F. M., Paleari, L., Movedi, E., Bellocchi, G., & Confalonieri, R. (2019). Quantifying uncertainty due to stochastic weather generators in climate change impact studies. Scientific reports, 9(1), 9258.
  53. Wilks, D. S. (1999). Multisite downscaling of daily precipitation with a stochastic weather generator. Climate research, 11(2), 125-136.
  54. Wang, J., Vanga, S. K., Saxena, R., Orsat, V., & Raghavan, V. (2018). Effect of climate change on the yield of cereal crops: A review. Climate, 6(2), 41.
  55. Wilby, R. L., Dawson, C. W., & Barrow, E. M. (2002). SDSM–A decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software, 17, 145-157.
  56. Xiong, W., Conway, D., Lin, E., & Holman, I. (2009). Potential impacts of climate change and climate variability on China’s rice yield and production. Climate Research, 40(1), 23-35.
  57. Zhang, X., & Cai, X. (2013). Climate change impacts on global agricultural water deficit. Geophysical Research Letters, 40(6), 1111-1117.
  58. Zhou, T., Wu, P., Sun, S., Li, X., Wang, Y., & Luan, X. (2017). Impact of future climate change on regional crop water requirement: A case study of Hetao irrigation district, China. Water, 9, 429.
آمار
تعداد مشاهده مقاله: 419
تعداد دریافت فایل اصل مقاله: 237





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب