تعداد نشریات | 161 |
تعداد شمارهها | 6,573 |
تعداد مقالات | 71,037 |
تعداد مشاهده مقاله | 125,509,211 |
تعداد دریافت فایل اصل مقاله | 98,772,427 |
ارزیابی عدمقطعیتهای مدلهای گردش کلی در تخمین بارش و رواناب حوضۀ دزعلیا تحت تأثیر تغییر اقلیم | ||
فیزیک زمین و فضا | ||
مقاله 6، دوره 44، شماره 1، اردیبهشت 1397، صفحه 89-102 اصل مقاله (463.44 K) | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2017.60288 | ||
نویسندگان | ||
حجت تابان1؛ نرگس ظهرابی* 2؛ علیرضا نیکبخت شهبازی2 | ||
1دانش آموخته کارشناسی ارشد، گروه علوم و مهندسی آب، واحد علوم و تحقیقات خوزستان، دانشگاه آزاد اسلامی، اهواز، ایران | ||
2استادیار، گروه علوم و مهندسی آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران | ||
چکیده | ||
در این تحقیق تأثیر عدمقطعیت ناشی از مدلهای گردش کلی (GCM) مورداستفاده، روشهای ریزمقیاسنمایی و همچنین سناریوهای انتشار گازهای گلخانهایبر رواناب حوضۀ دزعلیا در دورۀ 2069-2040 بررسی شد. برای این کار از شبیهسازی دما و بارش حاصل از 10 مدل GCM و دو روش ریزمقیاسکردن و سه سناریوی انتشار (A1B و A2 و B1) و از مدل آماری LARS-WG و روش عامل تغییر استفاده شد و جهت شبیهسازی بارش-رواناب، شبکههای عصبی مصنوعی به کار گرفته شد. ابتدا مدل بارش- رواناب برای دورۀ پایه 2000-1971 واسنجی و صحتیابی شد. سپس با ریزمقیاسکردن دادههای اقلیمی به دو روش عامل تغییر و مدل آماری، 10 مدل منتخب GCM برای منطقۀ مطالعاتی تعیین شدند. سپس با معرفی جداگانۀ هریک از آنها به مدل بارش-رواناب، محدودۀ تغییرات رواناب حوضه در دورۀ 2069-2040 تحت سه سناریوی انتشار مشخص شد. نتایج نشان داد که درصد تغییرات درازمدت بارش منطقه در دو روش ریزمقیاس، اختلافی حدود 4/4 درصد دارند و در بیشتر ماهها درصد میانگین درازمدت بارش حاصل از روش آماری (27/1- درصد) در مقایسه با روش ریزمقیاس عامل تغییر (52/7- درصد) کاهش کمتری دارد. اختلاف درصد تغییرات در رواناب بلندمدت ماهانۀ شبیهسازیشده طی دو روش ریزمقیاس، 11/5 درصد است. همچنین بیشترین اختلاف در فصل تابستان با 58/30 درصد و در ماه آگوست با 55/78 درصد وجود دارد. دبی میانگین ماهانۀ حاصل از دادههای ریزمقیاسشده با روش آماری، کاهش 63/2 درصدی دارد و برای روش تناسبی این مقدار 66/21 درصد است. نتایج نشان داد که بارش متوسط در بقیۀ فصول کاهش مییابد؛ رواناب حوضۀ دزعلیا عدم قطعیت زیادی دارد؛ محدودۀ درصد تغییرات بارش برای سه سناریوی انتشار متفاوت است و این اختلاف برای ماههای سال، روند یکسانی ندارد. نتایج مقایسۀ سناریوهای انتشار در استفاده از میانگین 10 مدل اقلیمی نشان داد که روند اختلاف محدودۀ درصد تغییرات در سه سناریوی انتشار برای ماههای مختلف هماهنگی نزدیکی با یکدیگر داشته است. بررسی توأم نشان داد که عدمقطعیتهای ناشی از مدلهای اقلیمی مختلف بهکاررفته در این تحقیق بیش از عدمقطعیت روشهای ریزمقیاسنمایی و سناریوهای انتشار است. | ||
کلیدواژهها | ||
تغییر اقلیم؛ دزعلیا؛ ریزمقیاسنمایی؛ رواناب؛ سناریوی انتشار؛ عدم قطعیت | ||
مراجع | ||
انصاری، ح.، خدیوی، م.، صالح نیا، ن. و بابائیان، الف.، 1393، بررسی عدم قطعیت مدل LARS پورعلیحسین، س. ش. و مساحبوانی، ع.، 1392، تحلیل مخاطره و ارزیابی اثر تغییر اقلیم بر دما و بارش استان آذربایجان شرقی دوره 2013-2022، فیزیک زمین و فضا، دوره 39، شماره 4، صفحههای 191-208. گوکمن، ت.، 2012، محاسبه نرم در مهندسی منابع آب، ترجمه نیکبخت شهبازی، ع.، انتشارات سیمای دانش. حسینی، س. ح.، قربانی، م. و مساحبوانی، ع.، 1394، مدلسازی بارش- رواناب در شرایط تغییر اقلیم به منظور پیشبینی جریانات آتی حوزه صوفی چای، پژوهشنامه مدیریت حوزه آبخیز سال ششم. شماره11، 1-14. کمال، ع.ر، مساحبوانی، ع. و نجفیشهری، م. ر، 1388، عدم قطعیت مدلهای AOGCM-AR4 و مدلهای هیدرولوژی در در تخمین رواناب حوضه تحت تاثیر تغییر اقلیم، مجموعه مقالات اولین کنفرانس بین المللی منابع آب. منصوری، ب.، احمدزاده، ح.، مساحبوانی، ع.، مرید، س.، دلاور، م. و لطفی، س.، 1393، بررسی اثرات تغییر اقلیم بر منابع آب حوضه زرینه رود با استفاده از مدل SWAT. نشریه آب و خاک. جلد 28، شماره 6. صفحههای 1191-1203. واثقی، ر.، مساحبوانی، ع.، مشکاتی، الف. و رحیم زاده، ف.، 1390، بررسی رواناب حوضه تحت تاثیر سناریوهای انتشار A2وB1با در نظر گرفتن اثر دسته جمعی ensemble مدلهای AOGCM. چهارمین کنفرانس مدیریت منابع آب ایران، تهران. هوشمند، د. و خردادی، م.، 1393، بررسی عدم قطعیت مدلهای AOGCM و سناریوهای انتشار در برآورد پارامترهای اقلیمی (مطالعه موردی: ایستگاه سینوپتیک مشهد). جغرافیا و مخاطرات محیطی، شماره 11، صفحههای 77-92. یعقوبی م. و مساحبوانی، ع.، 1393، بررسی وضعیت رواناب حوزه رودخانه اعظم هرات- یزد در شرایط تغییر اقلیم تحت تأثیر منابع مختلف عدم قطعیت، دومین همایش ملی بحران آب (تغییر اقلیم، آب و محیط زیست). Chen, H., Guo, J., Zhang, Z. and Xu, Ch. Y., 2012, Prediction of temperature and precipitation in Sudan and South Sudan by using LARS-WG in future, Theor Appl Climatol, DOI 10.1007/s00704-012-0793-9. Jones, P. D. and Hulme, M., 1996, Calculating regional climatic times series for tempreture and precipitation: methods and illustrations. International journal of climatology, 16, 361-377. Lane, M. E., Kirshen, P. H. and Vogel, R. M, 1999, Indicators of impact of global climate change on U.S. water resources, ASCE, Journal of Water Resource Planning and Management, 125(4), 194-204. Liu, X. and Coulibaly, P., 2011, Downscaling Ensemble Weather Predictions for Improved Week-2 Hydrologic Forecasting, Journal of Hydrometeorology, 12, 1564-1580. Minville, M., Brissette, F. and Leconte, R., 2008, Uncertainty of the impact of climate change on the hydrology of a nordic watershed, Journal of Hydrology, 358, 70– 83. Mitchell, T. D, 2003, Pattern Scaling: An Examination of Accuracy of the Technique for Describing Future Climates. Climatic Change 60, 217-242. Steele- Dunne, S., Lynch, P., McGrath, R., Semmler, T., Wang, Sh., Hanafin, J. and Nolan, P., 2008, The impacts of climate change on hydrology in Ireland. Journal of Hydrology, 356, 28-45. Setegn, S., Rayner, D., Melesse, A. M., Dargahi, B., and Srinivasan, R., 2011, Impact of climate change on the hydro-climatology of Lake Tana basin, Ethiopia. Water Resources Research, 47, 1-13. Zarghami, M., Abdi, A., Babaeian, I., Hassanzadeh, Y. and Kanani, R., 2011, Impacts of climate change on runoffs in East Azerbaijan، Global and Planetary Change، 78, 137-146. | ||
آمار تعداد مشاهده مقاله: 2,422 تعداد دریافت فایل اصل مقاله: 852 |