بررسی تغییرات جریان رودخانه بار نیشابور تحت سناریوهای مختلف تغییر اقلیم

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی مهندسی آبخیزداری دانشگاه تربیت مدرس.

2 دانشیار گروه مهندسی آبخیزداری دانشگاه تربیت مدرس (مسئول مکاتبات).

3 استادیار مرکز تحقیقات کشاورزی و منابع طبیعی استان اصفهان.

چکیده

این تحقیق به منظور بررسی اثرات ناشی از تغییر اقلیم روی دما، بارندگی و رواناب در حوضه آبخیز بار نیشابور با استفاده از خروجی‏های مدل Hadcm3 تحت سه سناریو A1B ,A2 و B1 برای 2030-2010، 2065-2046 و 2099-2080 انجام گرفت. پس از ارزیابی کارایی مدل LARS-WG در ریز مقیاس‏سازی متغیرهای بارش و دما، تغییرات ماهانه آن­ها برای سه دوره 2030-2011، 2065-2046 و 2099-2080 نسبت به دوره پایه 2010-1971 مورد بررسی قرار گرفت. هر سه سناریو نتایج تقریباً مشابهی مبنی بر کاهش بارش و افزایش تابش، دمای حداقل و دمای حداکثر در دوره‌های آتی نشان دادند. به عنوان مثال نتایج حاصل از سناریو A2  حاکی از افزایش میانگین سالانه دمای حداکثر و حداقل تقریباً به صورت یکسان و به میزان 1/1، 2/3 و 6/4 درجه سانتی­گراد، افزایش تابش به میزان 07/0، 30/0 و 33/0 میلی ژول در مترمربع در روز  و کاهش بارش به میزان 4/16، 6/17 و 9/31 درصد به ترتیب در دوره­های 2030-2011، 2065-2046 و 2099-2080 نسبت به دوره پایه 2010-1971 می­باشد. سپس متغیرهای تولید شده به عنوان ورودی مدل بارش-رواناب IHACRES قرار گرفت و بدین ترتیب جریان رودخانه برای دوره­های آتی و تحت سناریوهای مختلف پیش­بینی گردید. به عنوان مثال نتایج حاصل از سناریو A2 حاکی از آن است که جریان رودخانه  9، 44 و 66 درصد به ترتیب در دوره­های 2030-2011، 2065-2046 و 2099-2080 نسبت به دوره پایه کاهش می­یابد. به طور کلی و با توجه به نتایج مدل­های مورد استفاده در این تحقیق مشاهده شد که دما و بارش در طول قرن 21 به ترتیب افزایش و کاهش پیدا می­کنند که این تغییرات، اثرات منفی زیادی بر روی جریان رودخانه بار نیشابور می­تواند داشته باشد.

کلیدواژه‌ها


 

 

 

 

 

فصلنامه انسان و محیط زیست، شماره 29، تابستان 93

 

بررسی تغییرات جریان رودخانه بار نیشابور تحت سناریوهای مختلف تغییر اقلیم

 

سیاوش طائی سمیرمی[1]

حمید رضا مرادی[2]*

hrmoradi@modares.ac.ir

مرتضی خداقلی[3]

 

چکیده

این تحقیق به منظور بررسی اثرات ناشی از تغییر اقلیم روی دما، بارندگی و رواناب در حوضه آبخیز بار نیشابور با استفاده از خروجی‏های مدل Hadcm3 تحت سه سناریو A1B ,A2 و B1 برای 2030-2010، 2065-2046 و 2099-2080 انجام گرفت. پس از ارزیابی کارایی مدل LARS-WG در ریز مقیاس‏سازی متغیرهای بارش و دما، تغییرات ماهانه آن­ها برای سه دوره 2030-2011، 2065-2046 و 2099-2080 نسبت به دوره پایه 2010-1971 مورد بررسی قرار گرفت. هر سه سناریو نتایج تقریباً مشابهی مبنی بر کاهش بارش و افزایش تابش، دمای حداقل و دمای حداکثر در دوره‌های آتی نشان دادند. به عنوان مثال نتایج حاصل از سناریو A2  حاکی از افزایش میانگین سالانه دمای حداکثر و حداقل تقریباً به صورت یکسان و به میزان 1/1، 2/3 و 6/4 درجه سانتی­گراد، افزایش تابش به میزان 07/0، 30/0 و 33/0 میلی ژول در مترمربع در روز  و کاهش بارش به میزان 4/16، 6/17 و 9/31 درصد به ترتیب در دوره­های 2030-2011، 2065-2046 و 2099-2080 نسبت به دوره پایه 2010-1971 می­باشد. سپس متغیرهای تولید شده به عنوان ورودی مدل بارش-رواناب IHACRES قرار گرفت و بدین ترتیب جریان رودخانه برای دوره­های آتی و تحت سناریوهای مختلف پیش­بینی گردید. به عنوان مثال نتایج حاصل از سناریو A2 حاکی از آن است که جریان رودخانه  9، 44 و 66 درصد به ترتیب در دوره­های 2030-2011، 2065-2046 و 2099-2080 نسبت به دوره پایه کاهش می­یابد. به طور کلی و با توجه به نتایج مدل­های مورد استفاده در این تحقیق مشاهده شد که دما و بارش در طول قرن 21 به ترتیب افزایش و کاهش پیدا می­کنند که این تغییرات، اثرات منفی زیادی بر روی جریان رودخانه بار نیشابور می­تواند داشته باشد.

 

کلمات کلیدی: تغییر اقلیم، ریزمقیاس سازی، مدل IHACRES، مدل LARS-WG

 

 

 

مقدمه

 

بسیاری از دانشمندان بر این­که تغییراقلیم باعث تغییر متغیرهای اقلیمی و وقایع حدی می­شود توافق نظر دارند. افزایش گازهای گلخانه­ای در اتمسفر باعث تغییر در الگوی بارش و درجه حرارت می­شود. تغییر در در  بارش و          درجه حرارت تغییرات زیادی بر روی سیکل هیدرولوژیکی می­گذارد.  بنابراین تغییر در متغیرهای اقلیمی می­تواند تاثیرات معنی‏داری  بر جریان رودخانه­ها در مقیاس منطقه­ای مخصوصا مناطق نیمه خشک  داشته باشد (1).  امروزه مدل­های گردش عمومی جو ([4]GCM) قوی‏ترین ابزار جهت بررسی اثرات تغییر اقلیم می­باشند. به­طوری­که خروجی­های این مدل­ها به عنوان ورودی مدل­های هیدرولوژیکی قرار گرفته و به این ترتیب اثرات تغییر اقلیم بر جریان رودخانه بررسی می‏شود. یکی از ضعف­های مدل‏های گردش عمومی جو پایین بودن دقت مکانی این مدل­ها می­باشند، لذا می‏بایستی با استفاده از روش‌های خاصی دقت این خروجی­ها را بالا برد و آن­ها را تا حد مقیاس ایستگاه و حوزه آبخیز ریزمقیاس نمود. از جمله روش­های که برای  ریزمقیاس‏سازی خروجی ­مدل­های گردش عمومی جو استفاده می­شود می­توان به روش­های آماری و دینامیک اشاره کرد (2).

مدل LARS-WG[5]یکی از مشهورترین مدل­های آماری که برای تولید بارش روزانه، تابش، بیشینه و کمینه درجه حرارت­های روزانه در یک ایستگاه تحت شرایط اقلیم حاضر و آینده به­کار می­رود (6-3). اولین نسخه LARS-WGدر Budapest  (1990) به عنوان ابزاری برای ریز مقیاس نمائی به روش آماری در کشور مجارستان ابداع شد (3). مدل  LARS-WGبرای مدل­سازی متغیرهای هواشناسی توزیع­های آماری پیچیده ای را به­کار می­برد. مبنای این مدل برای مدل­سازی طول دوره­های خشک و تر، بارش روزانه و سری­های تابش، توزیع نیمه تجربی می­باشد. سری­های فوریه[6] درجه حرارت را تخمین می­زنند. درجه حرارت­های کمینه و بیشینه روزانه به­صورت فرآیندهای تصادفی با میانگین و انحراف معیارهایی که وابسته به وضعیت تر یا خشک بودن روز       مورد نظر هستند، مدل­سازی می­شوند. سری فوریه مرتبه سوم برای شبیه‏سازی میانگین و انحراف معیار درجه حرارت فصلی به­کار می­رود. مقادیر مانده­ها که از تفریق مقادیر میانگین مشاهده شده به­دست می­آیند، در تحلیل خود همبستگی زمانی داده­های کمینه و بیشینه مورد استفاده قرار می­گیرند. خروجی­های این مدل شامل دمای کمینه، دمای بیشینه، بارش و تابش می­باشد. این مدل از سه بخش اصلی کالیبره کردن مدل، ارزیابی مدل و تولید داده‏های هواشناسی تشکیل شده است.

ریزمقیاس نمایی آماری سری­های روزانه داده­های بارش و دمای حاصل از مدل­های AOGCM در دوره­های آتی برای منطقه مورد مطالعه توسط مدل LARS-WG در سه مرحله مجزا صورت گرفت:

1- واسنجی مدل: در این مرحله مدل با دریافت فایل داده­های هواشناسی مشاهداتی منطقه در مقیاس روزانه (dat. *) و یک فایل حاوی اطلاعات جغرافیایی منطقه (St. *) اقدام به ساخت دو فایل پارامتر (WG. *) که مشخص کننده رفتار اقلیم منطقه در گذشته و فایل آماری (Sta. *) که شامل توزیع­های آماری طول سری­های خشک و تر و سایر داده­های اقلیمی مشاهداتی است، می­نماید که در فرآیند ارزیابی مدل مورد استفاده قرار گرفت.

2- ارزیابی مدل: در این مرحله با تولید داده­های آب و هوایی مصنوعی برای دوره مشاهداتی منطقه توسط مدل و مقایسه مشخصات داده­های شبیه­سازی شده توسط مدل با داده­های مشاهداتی، توانایی مدل در شبیه­سازی داده­های هواشناسی روزانه مورد ارزیابی قرار گرفت.

3- تولید داده­های آب و هوایی در آینده: در این مرحله با استفاده از دو فایل مشخص کننده رفتار اقلیم در گذشته (WG. *) (ایجاد شده در مرحله1) و سناریوی تغییر اقلیم (Sce. *)­، اقدام به تولید داده­های آب و هوایی برای دوره­های آتی مورد مطالعه شد.

به این ترتیب با استفاده از مدلLARS-WG داده­های دمای حداکثر، دمای حداقل، تابش و بارش در مقیاس حوضه کوچک مقیاس شدند. در نهایت این داده­ها به عنوان ورودی مدل­های هیدرولوژیکی مورد استفاده قرار گرفتند.

تاکنون مطالعات مختلفی به بررسی اثرات تغییر اقلیم بر روی جریان رودخانه پرداخته­اند

مطالعات خارجی:

Mkankam Kamga  در سال 2001 به بررسی اثرات تغییر اقلیم بر جریان رودخانه  Benueدر کامرون و به دنبال آن میزان تولید برق، کشاورزی و دیگر فعالیت­های انسانی را با استفاده از داده­های مدل­های گردش عمومی  ECHAM4  و  HadCM2 و سه سناریوی IS92a، IS92c و IS92e مورد بررسی قرار داد. نتایج نشان داد که تا سال 2100 این منطقه می­تواند شاهد افزایش بارندگی به میزان 4 تا 13 درصد، افزایش دما به میزان 1 تا 3 درجه­ سانتی­گراد، افزایش تبخیر و تعرق پتانسیل به میزان 4 تا 11 درصد و تغییرات متوسط سالانه جریان 3- تا 18+ درصد باشد (7).

Hoffmann و همکاران در سال 2002 پتانسیل تاثیر تغییرات اقلیم را روی رژیم رودخانه و منابع آب بررسی کردند. در این تحقیق آنها مطابق با روندهای مشاهده شده در سری زمانی بارش به طور تجربی هیدروگراف­های آینده را ترسیم کردند. مقایسه هیدروگراف آینده و حاضر نشان دادند که در مقیاس متوسط تاثیر اقلیم به شدت متغیر است. تغییر پذیری مکانی واکنش رودخانه­ها نسبت به تغییر اقلیم به میزان زیادی بستگی به خصوصیات اقلیمی و فیزیوگرافیک زیر حوضه­ها دارد و فصل زمستان بیشتر تحت تاثیر تغییر اقلیم قرار می­گیرد (8).

Huang با استفاده از سه مدل RCM به بررسی اثرات تغییر اقلیم بر روی جریان­های کمینه برای  دوره­های 2026-2061 و 2061-2100 در آلمان پرداختند. به منظور مدل­سازی جریان رودخانه از مدل هیدرولوژیکی SWIM استفاده شد. نتایج حاکی از کاهش جریان کمینه در منطقه مورد مطالعه می­باشد (9).

در داخل کشور نیز:

مساح در سال 1385، با استفاده از مدل های   GCMتحت تمامی سناریوهای موجود SRES، اثر تغییر اقلیم را بر منابع آب در سه دوره 2039-2010، 2069-2040 و 2099-2070 مورد بررسی قرار داد. نتایج حاصل از این بررسی نشان داده است که هر چه به انتهای قرن 21 نزدیک می‏شویم، میزان افزایش دما در حوضه زاینده رود بیش‏تر می‏شود، ولی تغییرات بارندگی در این سه دوره روند خاصی را نشان نمی‏دهد. بررسی وضعیت رواناب ورودی به سد زاینده رود در فصول مختلف در دوره‏های آتی نشان از وجود احتمال بالا برای کاهش رواناب ورودی به سد نسبت به دوره پایه دارد (10).

قربانی زاده خرازی و همکاران در سال 1389  با فرض دو سناریوی تغییر اقلیم، به پیش­بینی رواناب برای دوره 2050 - 2000 در حوضه کارون پرداختند. نتایج این تحقیق نشان می‏دهد که دبی در زمستان 10% افزایش، در بهار و تابستان کاهش و در پاییز میزان دبی بدون تغییر باقی خواهد ماند (11).

الهی در سال 1385 در بررسی اثر تغییر اقلیم بر منابع آب در حوضه امامه طی سال­های 1350 تا 1382، به نتایج زیر دست یافت:

دما افزایش شدید و معنی‏داری را در تمام فصول سال (بیش­ترین مقدار آن در فصول زمستان (ºc8/3) ) و کم­ترین مقدار آن در فصل پاییز (cº7/1)) نشان می­دهد.

مجموع بارش سالانه روند مشخصی نشان نمی­دهد، اما در میزان بارندگی پاییزه افزایشی مشاهده شده است و هم چنین بارش فصل زمستان روند کاهشی معنی‏داری را نشان می­دهد. رواناب سالانه نیز روند مشخص و معنی­داری نشان نمی­دهد. اما در فصل بهار روند کاهشی و فصل زمستان روند افزایشی مشاهده می­گردد (12).

مساح بوانی و سادات آشفته در سال 1389،  با استفاده از مدل HadCM3[7] و سناریو A2 به بررسی تاثیر تغییر اقلیم بر دبی­های حداکثر در حوزه آبخیز آیدوغموش واقع در  استان آذربایجان شرقی پرداختند. نتایج حاکی از  افزایش دما به اندازه 5/1 تا0/4 درجه و تغییرات 30 تا 40 درصدی بارندگی دوره 2069-2040 نسبت به دوره مشاهداتی 2000-1971می­باشد. در این تحقیق با استفاده از مدل IHACRES رواناب حوزه شبیه‏سازی شد. مقایسه رژیم دبی­های حداکثر سالانه (شدت و فراوانی) در دوره 2069-2040 با دوره مشاهداتی نشان از تاثیر تغییر اقلیم بر رژیم دبی­های حداکثر این حوضه در دوره­های آتی دارد. به طوری­که شدت دبی­ها برای دوره بازگشت­های تا 50 سال تفاوت چندانی نکرده و با افزایش دوره بازگشت، شدت آن در دوره آتی افزایش خواهد یافت. همچنین احتمال وقوع دبی­های حداکثر با مقدار معین در دوره آتی نسبت به پایه کمتر خواهد بود (13).

مدرسی و همکاران (1390) برای انتخاب مناسب­ترین مدل گردش عمومی برای پیش بینی اقلیم آینده حوضه آبخیز گرگانرود، خروجی­های بارش، دمای حداقل و حداکثر سناریوهای تمامی مدل­ها با آمار متوسط حوضه در بازه زمانی (1386-1356) مورد مقایسه قرار دادند. نتایج نشان داد که سناریوی B2 از مدل HadCM3  مناسب­ترین سناریو و مدل برای منطقه مورد مطالعه می­باشد و در شرایط پیش­بینی شده توسط این سناریو و مدل برای 30 سال آینده، حجم آبدهی سالانه رودخانه گرگانرود در ایستگاه تمر که در بالا دست سه سد گلستان، بوستان و وشمگیر قرار دارد، در دوره­های بازگشت 50 و100 سال به ترتیب 38/1 درصد و 33/1 درصد کاهش خواهد یافت (14).

با توجه به نتایج مطالعات انجام شده مشاهده می­شود که عموماً تحت شرایط تغییراقلیم بارش کاهش، دما افزایش و به تبع آن جریان رودخانه کاهش می­یابد.

تحقیق حاضر بر آن است که جریان رودخانه بار نیشابور را با استفاده از خروجی­های مدلHadcm3 تحت سه سناریو A1B ,A2 و B1 برای سه دوره2030-2011، 2065-2046 و 2099-2080 پیش­بینی کند. همان‏طور که بیان گردید برای آن­که خروجی­ مدل­های گردش عمومی جو به عنوان ورودی مدل­های هیدرولوژیکی قرار گیرند می­بایستی ریزمقیاس سازی شوند. در این تحقیق مدل LARS-WG برای ریز مقیاس سازی متغیرهای اقلیمی استفاده گردید (6) همچنین برای مدل سازی جریان رودخانه مدل بارش- رواناب IHACRES مورد استفاده قرار گرفت (13).

مطالعات محدودی در داخل کشور به بررسی اثرات تغییر اقلیم بر روی جریان رودخانه پرداخته اند. این تحقیق برای اولین بار در کشور از خروجی مدل LARS-WG  به عنوان ورودی مدل بارش- رواناب IHACRES برای بررسی اثرات تغییر اقلیم استفاده می­کند. همچنین انجام این تحقیق بر روی رودخانه بار نیشابور که بالا دست سد بار قرار گرفته و تاْثیر زیادی در آب­گیری سد دارد از جمله نوآوری­های این تحقیق به­شمار می­رود.

هدف اصلی این تحقیق پیش­بینی متغیرهای اقلیمی تحت شرایط تغییراقلیم، بررسی تغییرات متغیرهای مورد پیش‏بینی نسبت به داده­های مشاهداتی و در نهایت پیش­بینی و مدل سازی جریان رودخانه تحت سناریوهای مختلف تغییر اقلیم می­باشد.

 

مواد و روش‏ها

2-1 موقعیت منطقه مورد مطالعه

محدودة مورد مطالعه حوزه آبخیز بار – اریه نیشابور است. این حوضه به مساحت 11388 هکتار در جنوب غربی سلسله جبال بینالود قرار گرفته است (شکل 1). این منطقه در 82 کیلومتری شمال غربی مشهد واقع شده است. حوزه آبخیز مذکور در موقعیت "38 '27 °36 تا "32 '36 °36 عرض شمالی و "46 '40 °58 تا "31 '49 °58 طول شرقی قرار دارد. میانگین ارتفاع حوزه آبخیز 2226 متر، حداکثر ارتفاع حدود 2861 متر و حداقل ارتفاع در خروجی حوزة آبخیز و در محل  ایستگاه هیدرومتری 1580 متر می­باشد. در حوزة آبخیز مورد نظر رودخانه بار با طول آبراهه اصلی 5/22 کیلومتر و شیب متوسط 2/4% جریان داشته که به دشت نیشابور منتهی می­گردد. آب و هوای منطقه این دشت بر اساس روش دومارتن؛ برّی،        نیمه‏خشک و متوسط درجه حرارت سالانه آن 4/5 درجه سانتی­گراد، می­باشد (15).

 

 

 

شکل 1- موقعیت سیمای کلّی حوزة آبخیز بار در استان خراسان رضوی وکشور

 

 

در حوزه آبخیز بار سه نوع کاربری مرتع، کشاورزی و مسکونی وجود دارد. قسمت اعظم منطقه را مراتع تشکیل می­دهد. تنها حدود 500 هکتار از منطقه را باغ و اراضی مسکونی اشغال کرده است. به­طور کلی زراعت آبی در روستا وجود ندارد. تمامی زمین­های زراعی آبی به باغ تبدیل شده­اند و تنها در زمین­های دیم محصولات زراعی کشت می­شود. کاشت گیاهان زراعی شامل گندم و جو به صوت دیم است (16).

2-2  ایجاد پایگاه داده و انتخاب ایستگاه ها

برای انجام این تحقیق از  داده­های دبی، بارش، تابش و درجه حرارت اشاره کرد. به دلیل عدم اندازه‏گیری متغیر تابش در ایستگاه­های موجود در شهرستان و حوضه، آمار این متغیر از ایستگاه سینوپتیک مشهد تهیه شد. (جدول 1)

 

 

 

 

 

 

 

 

 

 

جدول 1- مشخصات ایستگاه­های مورد استفاده

ردیف

نام ایستگاه

نوع ایستگاه

عرض جغرافیایی

طول جغرافیایی

سال تاسیس

ارتفاع از سطح دریا (متر)

1

بار- اریه

کلیماتولوژی

'29°36

'42 °58

1329

1520

2

بار- اریه

هیدرومتری

'29°36

'42 °58

1329

1520

3

کارخانه قند

باران سنجی

'17 °36

'66 °58

1365

1074

4

ماروسک

باران سنجی

'8 °36

'22 °58

1369

1900

5

مشهد

سینوبتیک

'16 °36

'38 °59

1328

990

 

 

پس از جمع آوری اطلاعات مورد نیاز، صحت داده­ها در      محیط نرم افزار SPSS[8] بررسی شد. در این تحقیق جهت رفع نواقص آماری از روش همبستگی بین ایستگاه­ها استفاده شد. به منظور پیش­بینی جریان رودخانه،  ابتدا با استفاده از داده­های روزانه دبی  مشاهداتی (41 سال) و  مدل بارش- رواناب IHACRES جریان رودخانه  مدل سازی گردید.

3-4 مدل بارش- رواناب IHACRES

IHACRES یک مدل یکپارچه مفهومی‌-‌‌ متریک برای شبیه‏سازی بارش-‌ رواناب می‌باشد که توسط Croke در سال 2008 و Motovilov در سال 1999 توسعه یافت (17و 18). در این مطالعه از نسخه IHACRES v2.1 استفاده شده است که برای آبخیزهای دارای داده‌های پیوسته بارش، دما و دبی کاربرد دارد. این مدل شامل دو بخش به هم پیوسته غیرخطی و خطی است که به ترتیب برای محاسبه تلفات و تبدیل بارش موثر به رواناب تعریف شده است (17 و 18). مدل‌ IHACRES با وجود این‌که به داده‌های کمتری به عنوان ورودی نیاز دارد، می‌تواند نتایج مناسبی را ارایه دهد (19).       بر این اساس در تحقیق حاضر از مدل IHACRES برای تخمین جریان رودخانه‌ بار نیشابور استفاده شده است. داده‌های روزانه بارندگی (میلی‌متر) و دما (درجه سانتی‌گراد) به‌عنوان متغیرهای ورودی برای شبیه‌سازی جریان و داده‌های مشاهداتی دبی روزانه (مترمکعب در ثانیه) در ایستگاه‌های هیدرومتری برای سنجش دقت مدل IHACRES مورد استفاده قرار گرفت. برای اجرای این مدل 34 سال از دوره آماری 41 ساله برای واسنجی و 7 سال برای مرحله ارزیابی مدل انتخاب گردید. به این ترتیب، نتایج مدل­سازی جریان رودخانه ارزیابی و میزان کارایی مدل مذکور در برآورد دبی متوسط روزانه مشخص گردید.

3-4-1 واسنجی و اعتبار سنجی مدل   IHACRES

با تجزیه و تحلیل آمار هیدرومتری ایستگاه‌‍‌، دوره‌های (1970 تا 2003) و (2003 تا 2010) به ترتیب برای واسنجی و اعتبارسنجی مدل انتخاب گردید. فرایند واسنجی مدل شامل تخمین پارامترهایی است که حداقل تابع هدف را مشخص می‌نمایند (20). در واسنجی مدل IHACRES مقادیر ثابت زمانی خشکی آبخیز  و فاکتور تعدیل دما در بخش     غیرخطی مدل به­صورت دستی توسط کاربر انتخاب گردید و مقادیر پارامترها در بخش روندیابی خطی مدل و پارامتر  (ثابت میزان ذخیره آبخیز) توسط خود نرم‌افزار محاسبه شد. در ارزیابی نتایج شبیه‌سازی پیوسته جریان در مدل از معیارهای آماری ضریب تعیین ()، ریشه مربعات ()،  لگاریتم ()، مجذور میانگین مربعات خطا () و عکس مقادیر ()، مختلفی استفاده می‌شود (17 و 21). بجز مجذور میانگین مربعات خطا سایر معیارها بر اساس معیار ضریب تعیین بنا نهاده شده‌اند (14). پس از اطمینان از توان‏مندی مدل بارش-روانابIHACRES  در مدل­سازی جریان رودخانه بار اقدام به ریزمقیاس سازی متغیرهای اقلیمی پیش­بینی شده توسط مدل LARS-WG تحت سه سناریو  A1B ,A2 و B1 برای دوره­های 2030-2011، 2065-2046 و 2099-2080 گردید. هر یک از سناریوهای مورد مطالعه شرایط متفاوتی برای آینده کره زمین در نظر می­گیرد. به عنوان مثال:

A1FI: تصور جهانی در آینده با رشد اقتصادی خیلی سریع و کاربرد شدید سوخت فسیلی.

A1T: تصور جهانی در آینده با رشد اقتصادی خیلی سریع و ایجاد تکنولوژی جدید موثرتر.

A1B: تصور جهانی در آینده با رشد اقتصادی خیلی سریع و ایجاد تکنولوژی جدید به همراه کاربرد سوخت فسیلی.

A2: تصور جهانی در آینده با رشد اقتصادی متوسط و نرخ آلودگی بیشتر از .A1

B1: تصور جهانی با تغییر سریع در ساختار­های اقتصادی، ایجاد تکنولوژی­های تمیز و پایین‏ترین نرخ رشد آلودگی.

B2: تصور جهانی با تاکید بر راه‏حل­های محلی برای برای پایداری اقتصادی، اجتماعی و زیست محیطی، رشد اقتصادی متوسط و نرخ رشد آلودگی کمتر از A2.

2-3 ریز مقیاس سازی متغیرهای اقلیمی

یکی از ضعف­های مدل­های GCM بزرگ بودن مقیاس مکانی متغیرهای اقلیمی شبیه­سازی شده می‏باشد. لذا این متغیرها برای مطالعات هیدرولوژی و منابع آب در محدوده حوزه­های آبخیز از دقت کافی برخوردار نیستند. بنابراین می­بایستی آن­ها را توسط روش­های مختلف کوچک مقیاس نمود. در این تحقیق از مدل LARS-WG[9] برای ریز مقیاس سازی داده­های اقلیمی استفاده گردید. از جمله ورودی­های این مدل می­توان به دمای حداکثر، دمای حداقل، دمای میانگین، بارش و ساعت آفتابی یا تابش اشاره کرد. سپس به منظور بررسی عملکرد مدل­ از روش ترسیمی استفاده گردید. پس از اینکه توانمندی مدل LARS-WG در مدل­سازی متغیرهای اقلیمی مورد نظر مشخص شد. اقدام به پیش­بینی این متغیرها تحت سه سناریو A1,A2 و B1 برای دوره­های 2030-2011، 2065-2046 و 2099-2080 گردید. سپس تغییرات این متغیرها نسبت به دوره پایه مورد بررسی قرار گرفت. در نهایت متغیرهای         ریزمقیاس شده بارش و دما به عنوان ورودی مدل IHACRES قرار گرفت و بدین ترتیب جریان رودخانه برای دوره­های آتی پیش‏بینی شد.

 

4 بحث و نتیجه­گیری

4-1 مدل­سازی جریان رودخانه با استفاده مدل  IHACRES

به منظور مدل سازی جریان رودخانه ابتدا توانمندی مدل IHACRES در دو مرحله واسنجی و اعتبار سنجی مورد بررسی قرار گرفت.

4-1-1 واسنجی مدل IHACRES

مقایسه ظاهری هیدروگراف‌های مشاهده‌ای و شبیه‌سازی شده امکان ارزیابی کلی و سریع دقت مدل را فراهم می‌نماید.        بر این اساس، مقایسه ترسیمی مقادیر جریان روزانه‌ی شبیه‌سازی شده و اندازه‌گیری شده برای مرحله واسنجی در سال‌های 1971 تا 2003 در ایستگاه‌ مورد مطالعه در شکل 2 ارایه شده است. بر اساس این اطلاعات می‌توان گفت که نتایج شبیه‌سازی مدل دارای تطابق خوبی با داده­های مشاهداتی در مرحله واسنجی می­باشد. هم‌چنین نتایج شبیه‌سازی جریان در مرحله واسنجی مدل بر اساس معیارهای آماری مورد ارزیابی قرار گرفت. نتایج حاصله در جدول 2 ارایه شده است.

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 2 - مقادیر جریان روزانه‌ی شبیه‌سازی و اندازه‌گیری شده برای مرحله واسنجی با استفاده از مدل IHACRES در ایستگاه‌ مورد مطالعه

 

جدول2- مقادیر معیارهای ارزیابی نتایج شبیه‌سازی جریان در مرحله اعتبارسنجی مدل IHACRES

 

مراحل ارزیابی

 

ضریب همبستگی (R)

ضریب تبیین (R sqrt)

لگاریتم مربعات خطا (R2 log)

ریشه مربعات خطا (R2 sqrt)

عکس مربعات خطا‌‌ (R2 Inv)

ریشه میانگین مربعات خطا (RMSE)

قدر مطلق خطا (MAE)

واسنجی

75/0

56/0

29/0

50/0

11/2

19/1

2/0

صحت سنجی

6/0

38/0

26/0

28/0

86/0

97/0

1/0

 

 

با استفاده از اطلاعات جدول 2، در ایستگاه‌ مورد مطالعه، مقادیر معیارهای ارزیابی قابل مشاهده است. درصورتی­که مقادیر ضریب تعیین در ارزیابی مدل بزرگتر یا مساوی 75/0 باشد، نتایج خوب و در صورتی که این مقدار بین 36/0 تا 75/0 باشد، نتایج شبیه‌سازی قابل قبول می‌باشد. با توجه به نتایج جدول 2 مشاهده می­شود که ضریب تبیین 56/0 و 38/0      به ترتیب برای مرحله واسنجی و صحت سنجی است که نشان از توانایی قابل قبول مدل بارش-رواناب IHACRES در مدل جریان رودخانه می­باشد (18).

پس از جمع آوری اطلاعات مورد نیاز، صحت داده­ها در     محیط‏ نرم افزار SPSS[10] بررسی شد. در این تحقیق جهت رفع نواقص آماری از روش همبستگی بین ایستگاه­ها استفاده شد.    به منظور پیش­بینی جریان رودخانه،  ابتدا با استفاده از داده­های روزانه دبی  مشاهداتی (41 سال) و  مدل بارش- رواناب IHACRES جریان رودخانه  مدل سازی گردید.

 

 

 

 

01/01/2004

 

 

 

شکل 3- مقادیر جریان روزانه‌ شبیه‌سازی و اندازه‌گیری شده برای مرحله اعتبارسنجی در ایستگاه‌ مورد مطالعه

 


3-4 مدل بارش- رواناب IHACRES

 

IHACRES یک مدل یکپارچه مفهومی‌-‌‌ متریک برای شبیه‏‌سازی بارش-‌ رواناب می‌باشد که توسط Croke در سال 2008 و Motovilov در سال 1999 توسعه یافت (17و 18). در این مطالعه از نسخه IHACRES v2.1 استفاده شده است که برای آبخیزهای دارای داده‌های پیوسته بارش، دما و دبی کاربرد دارد. این مدل شامل دو بخش به هم پیوسته غیرخطی و خطی است که به ترتیب برای محاسبه تلفات و تبدیل بارش موثر به رواناب تعریف شده است (17 و 18). مدل‌ IHACRES با وجود این‌که به داده‌های کمتری به عنوان ورودی نیاز دارد، می‌تواند نتایج مناسبی را ارایه دهد (19).      بر این اساس در تحقیق حاضر از مدل IHACRES برای تخمین جریان رودخانه‌ بار نیشابور استفاده شده است. داده‌های روزانه بارندگی (میلی‌متر) و دما (درجه سانتی‌گراد) به‌عنوان متغیرهای ورودی برای شبیه‌سازی جریان و داده‌های مشاهداتی دبی روزانه (مترمکعب در ثانیه) در ایستگاه‌های هیدرومتری برای سنجش دقت مدل IHACRES مورد استفاده قرار گرفت. برای اجرای این مدل 34 سال از دوره آماری 41 ساله برای واسنجی و 7 سال برای مرحله ارزیابی مدل انتخاب گردید. به این ترتیب، نتایج مدل­سازی جریان رودخانه ارزیابی و میزان کارایی مدل مذکور در برآورد دبی متوسط روزانه مشخص گردید.

3-4-1 واسنجی و اعتبار سنجی مدل   IHACRES

با تجزیه و تحلیل آمار هیدرومتری ایستگاه‌‍‌، دوره‌های (1970 تا 2003) و (2003 تا 2010) به ترتیب برای واسنجی و اعتبارسنجی مدل انتخاب گردید. فرایند واسنجی مدل شامل تخمین پارامترهایی است که حداقل تابع هدف را مشخص می‌نمایند (20). در واسنجی مدل IHACRES مقادیر ثابت زمانی خشکی آبخیز  و فاکتور تعدیل دما در بخش     غیرخطی مدل به­صورت دستی توسط کاربر انتخاب گردید و مقادیر پارامترها در بخش روندیابی خطی مدل و پارامتر  (ثابت میزان ذخیره آبخیز) توسط خود نرم‌افزار محاسبه شد. در ارزیابی نتایج شبیه‌سازی پیوسته جریان در مدل از معیارهای آماری ضریب تعیین ()، ریشه مربعات ()،  لگاریتم ()، مجذور میانگین مربعات خطا () و عکس مقادیر ()، مختلفی استفاده می‌شود (17 و 21). بجز مجذور میانگین مربعات خطا سایر معیارها بر اساس معیار ضریب تعیین بنا نهاده شده‌اند (14). پس از اطمینان از توان‏مندی مدل بارش-روانابIHACRES  در مدل­سازی جریان رودخانه بار اقدام به ریزمقیاس سازی متغیرهای اقلیمی پیش­بینی شده توسط مدل LARS-WG تحت سه سناریو  A1B ,A2 و B1 برای دوره­های 2030-2011، 2065-2046 و 2099-2080 گردید. هر یک از سناریوهای مورد مطالعه شرایط متفاوتی برای آینده کره زمین در نظر می­گیرد. به عنوان مثال:

A1FI: تصور جهانی در آینده با رشد اقتصادی خیلی سریع و کاربرد شدید سوخت فسیلی.

A1T: تصور جهانی در آینده با رشد اقتصادی خیلی سریع و ایجاد تکنولوژی جدید موثرتر.

A1B: تصور جهانی در آینده با رشد اقتصادی خیلی سریع و ایجاد تکنولوژی جدید به همراه کاربرد سوخت فسیلی.

A2: تصور جهانی در آینده با رشد اقتصادی متوسط و نرخ آلودگی بیشتر از .A1

B1: تصور جهانی با تغییر سریع در ساختار­های اقتصادی، ایجاد تکنولوژی­های تمیز و پایین‏ترین نرخ رشد آلودگی.

B2: تصور جهانی با تاکید بر راه‏حل­های محلی برای برای پایداری اقتصادی، اجتماعی و زیست محیطی، رشد اقتصادی متوسط و نرخ رشد آلودگی کمتر از A2.

 

2-3 ریز مقیاس سازی متغیرهای اقلیمی

یکی از ضعف­های مدل­های GCM بزرگ بودن مقیاس مکانی متغیرهای اقلیمی شبیه­سازی شده می باشد. لذا این متغیرها برای مطالعات هیدرولوژی و منابع آب در محدوده حوزه­های آبخیز از دقت کافی برخوردار نیستند. بنابراین می­بایستی آن­ها را توسط روش­های مختلف کوچک مقیاس نمود. در این تحقیق از مدل LARS-WG[11] برای ریز مقیاس سازی داده­های اقلیمی استفاده گردید. از جمله ورودی­های این مدل می­توان به دمای حداکثر، دمای حداقل، دمای میانگین، بارش و ساعت آفتابی یا تابش اشاره کرد. سپس به منظور بررسی عملکرد مدل­ از روش ترسیمی استفاده گردید. پس از این که توانمندی مدل LARS-WG در مدل­سازی متغیرهای اقلیمی مورد نظر مشخص شد. اقدام به پیش­بینی این متغیرها تحت سه سناریو A1,A2 و B1 برای دوره­های 2030-2011، 2065-2046 و 2099-2080 گردید. سپس تغییرات این متغیرها نسبت به دوره پایه مورد بررسی قرار گرفت. در نهایت متغیرهای        ریز مقیاس شده بارش و دما به عنوان ورودی مدل IHACRES قرار گرفت و بدین‏ترتیب جریان رودخانه برای دوره­های آتی پیش‏بینی شد.

 

4 بحث و نتیجه­گیری

4-1 مدل­سازی جریان رودخانه با استفاده مدل  IHACRES

به منظور مدل‏سازی جریان رودخانه ابتدا توانمندی مدل IHACRES در دو مرحله واسنجی و اعتبارسنجی مورد بررسی قرار گرفت.

4-1-1 واسنجی مدل IHACRES

مقایسه ظاهری هیدروگراف‌های مشاهده‌ای و شبیه‌سازی شده امکان ارزیابی کلی و سریع دقت مدل را فراهم می‌نماید.        بر این اساس، مقایسه ترسیمی مقادیر جریان روزانه‌ی شبیه‌سازی شده و اندازه‌گیری شده برای مرحله واسنجی در سال‌های 1971 تا 2003 در ایستگاه‌ مورد مطالعه در شکل 2 ارایه شده است. بر اساس این اطلاعات می‌توان گفت که نتایج شبیه‌سازی مدل دارای تطابق خوبی با داده­های مشاهداتی در مرحله واسنجی می­باشد. هم‌چنین نتایج شبیه‌سازی جریان در مرحله واسنجی مدل بر اساس معیارهای آماری مورد ارزیابی قرار گرفت. نتایج حاصله در جدول 2 ارایه شده است.

 

 

 

 

 

 

شکل 2-  مقادیر جریان روزانه‌ی شبیه‌سازی و اندازه‌گیری شده برای مرحله واسنجی

با استفاده از مدل IHACRES در ایستگاه‌ مورد مطالعه

 

جدول2 - مقادیر معیارهای ارزیابی نتایج شبیه‌سازی جریان در مرحله اعتبارسنجی مدل IHACRES

 

مراحل ارزیابی

 

ضریب همبستگی (R)

ضریب تبیین (R sqrt)

لگاریتم مربعات خطا (R2 log)

ریشه مربعات خطا (R2 sqrt)

عکس مربعات خطا‌‌ (R2 Inv)

ریشه میانگین مربعات خطا (RMSE)

قدر مطلق خطا (MAE)

واسنجی

75/0

56/0

29/0

50/0

11/2

19/1

2/0

صحت سنجی

6/0

38/0

26/0

28/0

86/0

97/0

1/0

 

 

با استفاده از اطلاعات جدول 2، در ایستگاه‌ مورد مطالعه، مقادیر معیارهای ارزیابی قابل مشاهده است. درصورتی­که مقادیر ضریب تعیین در ارزیابی مدل بزرگ تر یا مساوی 75/0 باشد، نتایج خوب و درصورتی که این مقدار بین 36/0 تا 75/0 باشد، نتایج شبیه‌سازی قابل قبول می‌باشد. با توجه به نتایج جدول 2 مشاهده می­شود که ضریب تبیین 56/0 و 38/0 به ترتیب برای مرحله واسنجی و صحت سنجی است که نشان از توانایی قابل قبول مدل بارش-رواناب IHACRES در مدل جریان رودخانه می­باشد (18).

4-1-2 اعتبارسنجی مدل IHACRES

مقایسه ترسیمی مقادیر جریان روزانه‌ی مشاهداتی و شبیه‌سازی شده در مرحله اعتبارسنجی در سال‌های (2004 تا 2010) برای ایستگاه‌ مورد مطالعه در شکل3 ارایه شده است. هم‌چنین نتایج ارزیابی کمی در جدول 2 ارایه شده است. نتایج ارزیابی مدل به روش ترسیمی نیز همانند ارزیابی آماری نیز حاکی از دقت قابل قبول مدل در مدل سازی جریان رودخانه می­باشد.

 

 

 

 

01/01/2004

 

 

 

شکل 3- مقادیر جریان روزانه‌ شبیه‌سازی و اندازه‌گیری شده برای مرحله اعتبارسنجی در ایستگاه‌ مورد مطالعه

 

 

4-2 ارزیابی مدل LARS-WG

 

پس از ارزیابی مدل IHACRES اقدام به ارزیابی مدل       ریز مقیاس سازی LARS-WG شد. نتایج حاصل از ارزیابی این مدل در شکل4 ارایه شده است.

 

 

 

تابش

 
 
   

 

شکل 4- نتایج حاصل از ارزیابی مدل LARS-WG

 

 

 

باتوجه به نتایج حاصل از شکل 4 مشخص شد که مدل با دقت قابل قبولی توانسته است بارش را برای دوره پایه مدل‏سازی کند. نکته جالب توجه در این تحقیق (شکل 4) تغییرات مقادیر انحراف معیار با مقادیر بارش ماهانه در فصل تابستان می­باشد که بعضاً از مقادیر بارش ماهانه نیز بزرگتر هستند. این امر حاکی از عدم اطمینان بالا به بارش­های فصل مذکور است دلیل این امر را می‌توان به این نسبت داد که بارندگی از            تغییر پذیرترین متغیرهای اقلیمی بوده و همچنین بارش دارای عدم پیوستگی زمانی است. این نتایج با یافته‌های (22-24) همخوانی دارد. با توجه به این نتایج احتمال می­رود که مدل LARS-WG در ماه­های با بارش کم، دقت خوبی در شبیه­سازی بارش ندارد. در این تحقیق به­دلیل اینکه سهم بارش ماه­های تابستان در کل سال فقط 2 درصد می­باشد، لذا خطای آن تأثیر قابل توجهی بر روی مدل سازی بارش سالانه و فصول عمده بارش در این تحقیق ندارد. با توجه به نتایج شکل 4 و مشاهده می­شود که مدل به جز ماه­های ژانویه و سپتامبر توانایی مناسبی در مدل­سازی تابش دارد و در بین مقادیر مشاهداتی و برآورد شده اختلاف معنی‏داری در سطح 95 درصد وجود ندارد. نتایج حاصل از مدل­سازی دمای حداکثر و دمای حداقل نیز گویای توانایی بالای مدل LARS-WG در مدل­سازی این متغیرها می­باشد. پس از آن‌که توان‌مندی مدل LARS-WG در ریز مقیاس سازی متغیرهای تابش، بارش، دمای حداقل و دمای حداکثر مورد تایید قرار گرفت اقدام به پیش‌بینی این متغیرها با استفاده از خروجی­های مدل Hadcm3 تحت سناریوهای مختلف برای  سه دوره مورد پیش­بینی (2030-2011، 2065-2046 و 2099-2080) شد.

 

 

 

 

 

 

 

 

 

 

4-3 بررسی تغییرات متغیرهای پیش­بینی شده نسبت به دوره پایه

   
   

شکل 5- بررسی تغییرات متغیرهای مورد مطالعه نسبت به دوره پایه

 

4-3-1 بررسی تغیرات بارش

 

با توجه به شکل 5 مشخص می­شود بارش ماهانه عموماً در طول قرن 21 کاهش پیدا می­کند. یکی از دلایل احتمالی کاهش بارش در طول قرن 21 را می­توان افزایش روند گرمایی در سطح زمین دانست. تغییر اقلیم به دو شکل می­تواند بر روی بارش نقش داشته باشد. یکی به شکل تغییر در مقدار بارش و دیگری تغییرات زمانی الگوی بارش می­باشد. همان­طورکه از روی شکل5 مشخص است بارش تا پایان قرن 21 به طور کلی کاهش پیدا می­کند. نکته جالب توجه در این تحقیق تغییرات زمانی الگوی بارش می‏باشد. مثلاً هر چه به پایان قرن حاضر نزدیک می‏شویم ملاحظه می­گردد که بارش در ماه­های اول سال کاهش پیدا کرده و در ماه­های آخر سال، اندکی افزایش پیدا می‏کند. با توجه به شکل 5 بارش در ماه­های دسامبر و نوامبر نسبت به دوره پایه افزایش می­یابد که با نتایج تحقیقات (25 و 26) مطابقت دارد. همچنین افزایش بارندگی در ماه­های دسامبر و نوامبر را می­توان به عواملی همچون خطا در اجرای مدل یا در نظر نگرفتن عواملی دانست که احتمالاً در پیش­بینی بارش نقش داشته­اند ولی در این تحقیق مد نظر قرار نگرفته­اند.

4-3-2 بررسی تغییرات دمای حداکثر و حداقل

با بررسی شکل­ 5 مشاهده می­شود دمای حداقل و حداکثر در اکثر ماه­ها نسبت به دوره پایه افزایش یافته است. یکی از پیامدهای افزایش گازهای گلخانه­ای، افزایش دما می­باشد. در صورتی­که تولید گازهای گلخانه­ای در طول قرن 21 افزایش یابد به تبع آن دمای کره زمین نیز افزایش می­یابد.  IPCC، (2007). یکی از اثرات تغییر اقلیم تأثیر بر روی آستانه­ها می­باشد. نتایج به دست آمده در این تحقیق نشان داد که آستانه­ها (دمای حداکثر و حداقل) به شدت تحت تأثیر قرار گرفته­اند که با نتایج تحقیقات (27 و 28) مطابقت دارد ولی با نتایج تحقیقی که (29) در جنوب غرب کشور انجام دادند تطابق ندارد. احتمالا دلیل این امر تاثیر پذیری این مناطق از توده­های آب و هوایی متفاوت می­باشد به­طور مثال حوزه آبخیز بار نیشابور بیشتر تحت تأثیر توده آب و هوایی است که از طرف سیبری و غرب وارد کشور شده و منطقه مورد مطالعه را تحت ‏تأثیـر قــرار می­دهد. ولی جنوب غرب کشور بیشتر تحت ‏تأثیر آب و هوایی است که از سمت جنوب غرب منطقه را تحت‏تأثیر قرار می­دهد. همچنین نتایج نشان می­دهد که در طول قرن 21 تابش نسبت به دوره پایه عموماً افزایش پیدا می­کند.

4-4 شبیه سازی تأثیر تغییر اقلیم روی رودخانه­ بار نیشابور

نتایج حاصل از مدل­سازی جریان رودخانه با استفاده از مدل IHACRES در تحت سه سناریو و برای سه دوره­ آتی ارایه شده است (شکل 5).


 

   

 

 

 

 

 

 

شکل 5-  هیدروگراف برآوردی حوزه بار طی دوره­های مورد پیش­بینی و تحت سناریو ,A2A1B و  B1

با استفاده از مدل IHACRES

 


با توجه به نتایج شکل 5 مشاهده می­شود که در نیمه دوم قرن دبی اوج رودخانه تا 50 درصد کاهش می­یابد. دبی اوج در دوره­های آتی به شدت کاهش پیدا می­کند به عنوان مثال  با توجه به نتایج حاصل از سناریو   A2در دوره 2099-2080 دبی اوج حدود 5/1 متر مکعب بر ثانیه نسبت به دوره مشاهداتی کاهش پیدا می­کند. نتایج شکل 5 نشان می­دهد که میزان جریان رودخانه به طور متوسط در سه دوره مورد مطالعه (2030-2010، 2065-2046 و 2099- 2080) به  ترتیب 9، 44 و 66 درصد کاهش می­یابد. افزایش دما و کاهش بارش از جمله عوامل موثر بر کاهش جریان رودخانه در این دوره‏ها می­باشد.  با توجه به شکل 5 مشاهده می­شود که در دو دوره 2065-2046 و 2099- 2080 جریان رودخانه در ماه­های گرم به خصوص ماه­های جولای، اوت، دسامبر و اکتبر خشک شده و رودخانه از حالت دایمی به فصلی تبدیل می­شود. احتمالاً دلایل این امر، افزایش میزان دما، مخصوصاً در دوره­های سرد، کاهش بارش برف و همچنین ذوب شدن بیشتر برف قبل از رسیدن به ماه­های گرم ­باشد. این تغییر رفتار رودخانه از حالت دائمی به فصلی اثرات زیان­باری روی محیط‏زیست رودخانه خواهد گذاشت در نتیجه گونه­های مفید زیستی آن از بین رفته، گونه­های مهاجم و مضر جایگزین آن­ها خواهد شد. نتایج به‏دست آمده در این تحقیق مبنی بر کاهش دبی رودخانه   تحت‏شرایط تغییر اقلیم با نتایج به دست آمده توسط (30 - 32) مطابقت دارد.

نتیجه گیری

نتایج حاصل از ارزیابی مدل LARS-WG حاکی از دقت بالای مدل در ریز مقیاس سازی بارش، دما و تابش می­باشد.    بعد از تولید متغیرهای مورد نیاز مدل                         بارش–رواناب IHACRES برای رودخانه بار مورد ارزیابی قرار گرفت. نتایج نشان که مدلIHACRES دقت قابل قبولی در مدل سازی جریان رودخانه دارد. سپس با استفاده از متغیرهای تولید شده, اقدام به پیش­بینی جریان رودخانه بار تحت سه سناریوهای مختلف و  دوره­های(2030-2011، 2065-2046 و 2099-2080) شد. نتایج هر سه سناریو حاکی از آن است که هر چه به انتهای قرن 21 نزدیک می­شویم جریان رودخانه از حالت دایمی به جریان نیمه‏دایمی تبدیل شده و جریان رودخانه در بعضی ماه­ها خشک می­شود. نیمه‏دایمی شدن جریان تبعات منفی زیادی بر اکوسیستم منطقه خواهد گذاشت. آگاهی از این تغییرات احتمالی می­تواند مدیران را در مدیریت بهتر منابع آب یاری نماید.

منابع

 

 

  1. Samadi, S., et al. "Statistical downscaling of river runoff in a semi arid catchment." Water resources management 27.1 (2013): 117-136.
  2. Bates, B., Kundzewicz, Z. W., Wu, S., & Palutikof, J. (2008). Climate change and water. Intergovernmental Panel on Climate Change (IPCC).
  3. زارع زاده مهریزی، م.، 1389. تخصیص منابع آب حوضه آبریز قزل اوزن-سفید رود تحت تأثیر تغییر اقلیم با به کارگیری رویکرد ورشکستگی در حل اختلافات. پایان نامه کارشناسی ارشد. دانشگاه تربیت مدرس. 197ص.
  4. Racsko, P., Szeidl, L., & Semenov, M. (1991). A serial approach to local stochastic weather models. Ecological modelling, 57(1), 27-41.
  5. Semenov, M. A., Barrow, E. M., & LARS-WG, A. (2002). A Stochastic Weather Generator for Use in Climate Impact Studies.
  6. Semenov, M. A. and R. J. Brooks (1999). "Spatial interpolation of the LARS-WG stochastic weather generator in Great Britain." Climate Research 11(2): 137-148.
  7. Mkankam Kamga, F. (2001). "Impact of greenhouse gas induced climate change on the runoff of the Upper Benue River (Cameroon)." Journal of Hydrology 252(1): 145-156.
  8. Hammond, M. and D. Han (2006). "Recession curve estimation for storm event separations." Journal of Hydrology 330(3): 573-585.
  9. Huang, S., Krysanova, V., & Hattermann, F. F. (2013). Projection of low flow conditions in Germany under climate change by combining three RCMs and a regional hydrological model. Acta Geophysica, 61(1), 151-193.
  1. مساح بوانی، ع.، 1385. ارزیابی ریسک تغییر اقلیم و تاثیر آن بر منابع آب مطالعه موردی: حوضه زاینده رود اصفهان، رساله دکتری، دانشگاه تربیت مدرس. 
  1. قربانی زاده خرازی ح.، صدقی ح.، ثقفیان ب.، پرهمت ج.، 1389: پیش­بینی توزیع زمانی جریان رواناب ناشی از ذوب برف در نیم قرن آینده تحت شرایط تغییر اقلیم، فصل­نامه مهندسی آب، 1(1): 59-51.
  2. الهی گل، ع.، حجام، س.، 1385. بررسی اثرات تغییر دما و بارش بر روی رواناب حوضه آبریز امامه (استان تهران). دومین همایش ملی منابع آب ایران. اصفهان.
  3. سعادات آشفته. پ.، مساح بوانی. ع.، 1389. تاثیر تغییر اقلیم بر دبی­های حداکثر: مطالعه موردی، حوزه آیدوغموش، آذربایجان شرقی. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب وخاک. (53)14، صفحه 38-28.
  4. مدرسی. ف.، عراقی نژاد، ش،. ابراهیمی، ک،. خلقی، م.، (1390). بررسی اثر تغییر اقلیم بر میزان آبدهی سالانه رودخانه­ها (مطالعه موردی: رودخانه گرگانرود). نشریه آب و خاک، (6)25،صفحه 1377-1365.
  5. توسلی، ا.، صادقی س.ح.ر.، مرادی ح.ر.، 1389: شبیه سازی تغییرات درون رگباری ضریب روان آب با استفاده از مولفه­های  بارشی در حوزه­ی آبخیز بار نیشابور، مجله علوم و مهندسی آبخیزداری ایران،4 (10): 33-21.
  6. زراعتی نیشابوری، ح.، 1385. تلفیق آب­های سطحی و زیرزمینی حوزه آبریز نیشابور، پایانامه کارشناسی آب­های زیرزمینی، دانشگاه جامع علمی- کاربردی مشهد، 283 ص.
  7. Croke, B. F. W., & Jakeman, A. J. (2008). Use of the IHACRES rainfall-runoff model in arid and semi-arid regions. Hydrological Modelling in Arid and Semi-Arid Areas. International Hydrology Series. Cambridge University Press, New York, 41-48.
  8. Motovilov, Y. G., Gottschalk, L., Engeland, K., & Rodhe, A. (1999). Validation of a distributed hydrological model against spatial observations. Agricultural and Forest Meteorology, 98, 257-277.
  9. Carcano, E. C., Bartolini, P., Muselli, M., & Piroddi, L. (2008). Jordan recurrent neural network versus IHACRES in modelling daily streamflows. Journal of Hydrology, 362(3), 291-307.
  10. Littlewood, I. G., Clarke, R. T., Collischonn, W., & Croke, B. F. (2007). Predicting daily streamflow using rainfall forecasts, a simple loss module and unit hydrographs: Two Brazilian catchments. Environmental Modelling & Software, 22(9), 1229-1239.
  11. Jakeman, A. J., Littlewood, I. G., & Whitehead, P. G. (1990). Computation of the instantaneous unit hydrograph and identifiable component flows with application to two small upland catchments. Journal of hydrology, 117(1), 275-300.
  12. Zarghami, M., Abdi., Babaeian, I., Hassanzadeh, Y., Kanani, R., (2011). Impacts of Climate Change on runoffs in East Azerbaijan, Iran. Global and Plantary Change. 78 (2011) 137–146
  13. بابائیان، ا.، نجفی نیک، ز.، زابل عباسی، ف.،  حبیبی نوخندان، م.، ادب، ح.، ملبوسی، ش.، 1388. ارزیابی تغییر اقلیم کشور در دوره 2039-2010 با استفاده از ریزمقیاس نمایی داده­های مدل گردش عمومی جو، مجله جغرافیا و توسعه، (1)16، صفحه 152- 135.
  14. مشکواتی، ا.ح.، کردجزی، م.، بابائیان، ا. 1389. بررسی و ارزیابی مدل لارس در شبیه سازی داده­های هواشناسی استان گلستان در دوره 2007-1993. نشریه تحقیقات کاربردی علوم جغرافیایی 96-81 : (19).
  15. آذرانفر، آ.، ابریشمچی، ا. و تجریشی، م. 1385. ارزیابی اثرات تغییر اقلیم بر بارش و دما در حوضه آبریز زاینده رود با استفاده از خروجی مدل های چرخش عمومی. دومین همایش ملی منابع آب ایران. اصفهان.
  16. الهی گل، ع.، حجام، س.، 1385. بررسی اثرات تغییر دما و بارش بر روی رواناب حوضه آبریز امامه (استان تهران). دومین همایش ملی منابع آب ایران. اصفهان.
  17. Elo, A. R., Huttula, T., Peltonen, A., & Virta, J. (1998). The effects of climate change on the temperature conditions of lakes. Boreal environment research, 3, 137-150.
  18. خلیلی اقدم، ن،. مساعدی، ا،. سلطانی، ا،. کامکار، ب،. 1391. ارزیابی توانایی مدل LARS-WG در پیش­بینی برخی از پارامترهای جوی سنندج. مجله پژوهش­های حفاظت آب و خاک. (4):103. 19-85.
  19. Etemadi, H. (2012). Statistical Downscaling of Climatic Variables in Shadegan Wetland, Iran.
  20. حسنی، خ.، 1391. ارایه راهکارهای سازگاری با اثرات تغییر اقلیم بر مدیریت مخزن سد در دوره های آتی، مطالعه موردی سد شاهچراغی. پایان­نامه کارشناسی ارشد، دانشگاه تربیت مدرس.150ص.
  21. حیدری، ع، ر.، 1390. ارزیابی سناریوهای مختلف تغییر اقلیم بر تخصیص از مخازن چند منظوره (مطالعه موردی: سد امیر کبیر)، پایان­نامه کارشناسی ارشد. دانشگاه تربیت مدرس.156ص.
  22. دوستی، م.، 1391. ارزیابی اثر تغییر اقلیم بر دبی جریان با کاربرد مدل بارش-رواناب (مطالعه موردی: حوضه آبخیز تمر، استان گلستان). پایان­نامه کارشناسی ارشد، دانشگاه ساری.

 

 

 

 

 

 

 

 

 

 

 



1- دانشجوی مهندسی آبخیزداری دانشگاه تربیت مدرس.

2- دانشیار گروه مهندسی آبخیزداری دانشگاه تربیت مدرس (مسئول مکاتبات).

3- استادیار مرکز تحقیقات کشاورزی و منابع طبیعی استان اصفهان.

1- Global Cerculation Models

2- Long Ashton Reserch Station Weather Generator

3- Fourier series

1- Hadley Centre Coupled Model of United Kingdom

[8]- Statistical package for social Scinse

 

[9]- Long Ashton Reserch Station Weather Generator

1- Statistical package for social Scinse

 

[11] -Long Ashton Reserch Station Weather Generator

  1. Samadi, S., et al. "Statistical downscaling of river runoff in a semi arid catchment." Water resources management 27.1 (2013): 117-136.
  2. Bates, B., Kundzewicz, Z. W., Wu, S., & Palutikof, J. (2008). Climate change and water. Intergovernmental Panel on Climate Change (IPCC).
  3. زارع زاده مهریزی، م.، 1389. تخصیص منابع آب حوضه آبریز قزل اوزن-سفید رود تحت تأثیر تغییر اقلیم با به کارگیری رویکرد ورشکستگی در حل اختلافات. پایان نامه کارشناسی ارشد. دانشگاه تربیت مدرس. 197ص.
  4. Racsko, P., Szeidl, L., & Semenov, M. (1991). A serial approach to local stochastic weather models. Ecological modelling, 57(1), 27-41.
  5. Semenov, M. A., Barrow, E. M., & LARS-WG, A. (2002). A Stochastic Weather Generator for Use in Climate Impact Studies.
  6. Semenov, M. A. and R. J. Brooks (1999). "Spatial interpolation of the LARS-WG stochastic weather generator in Great Britain." Climate Research 11(2): 137-148.
  7. Mkankam Kamga, F. (2001). "Impact of greenhouse gas induced climate change on the runoff of the Upper Benue River (Cameroon)." Journal of Hydrology 252(1): 145-156.
  8. Hammond, M. and D. Han (2006). "Recession curve estimation for storm event separations." Journal of Hydrology 330(3): 573-585.
  9. Huang, S., Krysanova, V., & Hattermann, F. F. (2013). Projection of low flow conditions in Germany under climate change by combining three RCMs and a regional hydrological model. Acta Geophysica, 61(1), 151-193.
  1. مساح بوانی، ع.، 1385. ارزیابی ریسک تغییر اقلیم و تاثیر آن بر منابع آب مطالعه موردی: حوضه زاینده رود اصفهان، رساله دکتری، دانشگاه تربیت مدرس. 
  1. قربانی زاده خرازی ح.، صدقی ح.، ثقفیان ب.، پرهمت ج.، 1389: پیش­بینی توزیع زمانی جریان رواناب ناشی از ذوب برف در نیم قرن آینده تحت شرایط تغییر اقلیم، فصل­نامه مهندسی آب، 1(1): 59-51.
  2. الهی گل، ع.، حجام، س.، 1385. بررسی اثرات تغییر دما و بارش بر روی رواناب حوضه آبریز امامه (استان تهران). دومین همایش ملی منابع آب ایران. اصفهان.
  3. سعادات آشفته. پ.، مساح بوانی. ع.، 1389. تاثیر تغییر اقلیم بر دبی­های حداکثر: مطالعه موردی، حوزه آیدوغموش، آذربایجان شرقی. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب وخاک. (53)14، صفحه 38-28.
  4. مدرسی. ف.، عراقی نژاد، ش،. ابراهیمی، ک،. خلقی، م.، (1390). بررسی اثر تغییر اقلیم بر میزان آبدهی سالانه رودخانه­ها (مطالعه موردی: رودخانه گرگانرود). نشریه آب و خاک، (6)25،صفحه 1377-1365.
  5. توسلی، ا.، صادقی س.ح.ر.، مرادی ح.ر.، 1389: شبیه سازی تغییرات درون رگباری ضریب روان آب با استفاده از مولفه­های  بارشی در حوزه­ی آبخیز بار نیشابور، مجله علوم و مهندسی آبخیزداری ایران،4 (10): 33-21.
  6. زراعتی نیشابوری، ح.، 1385. تلفیق آب­های سطحی و زیرزمینی حوزه آبریز نیشابور، پایانامه کارشناسی آب­های زیرزمینی، دانشگاه جامع علمی- کاربردی مشهد، 283 ص.
  7. Croke, B. F. W., & Jakeman, A. J. (2008). Use of the IHACRES rainfall-runoff model in arid and semi-arid regions. Hydrological Modelling in Arid and Semi-Arid Areas. International Hydrology Series. Cambridge University Press, New York, 41-48.
  8. Motovilov, Y. G., Gottschalk, L., Engeland, K., & Rodhe, A. (1999). Validation of a distributed hydrological model against spatial observations. Agricultural and Forest Meteorology, 98, 257-277.
  9. Carcano, E. C., Bartolini, P., Muselli, M., & Piroddi, L. (2008). Jordan recurrent neural network versus IHACRES in modelling daily streamflows. Journal of Hydrology, 362(3), 291-307.
  10. Littlewood, I. G., Clarke, R. T., Collischonn, W., & Croke, B. F. (2007). Predicting daily streamflow using rainfall forecasts, a simple loss module and unit hydrographs: Two Brazilian catchments. Environmental Modelling & Software, 22(9), 1229-1239.
  11. Jakeman, A. J., Littlewood, I. G., & Whitehead, P. G. (1990). Computation of the instantaneous unit hydrograph and identifiable component flows with application to two small upland catchments. Journal of hydrology, 117(1), 275-300.
  12. Zarghami, M., Abdi., Babaeian, I., Hassanzadeh, Y., Kanani, R., (2011). Impacts of Climate Change on runoffs in East Azerbaijan, Iran. Global and Plantary Change. 78 (2011) 137–146
  13. بابائیان، ا.، نجفی نیک، ز.، زابل عباسی، ف.،  حبیبی نوخندان، م.، ادب، ح.، ملبوسی، ش.، 1388. ارزیابی تغییر اقلیم کشور در دوره 2039-2010 با استفاده از ریزمقیاس نمایی داده­های مدل گردش عمومی جو، مجله جغرافیا و توسعه، (1)16، صفحه 152- 135.
  14. مشکواتی، ا.ح.، کردجزی، م.، بابائیان، ا. 1389. بررسی و ارزیابی مدل لارس در شبیه سازی داده­های هواشناسی استان گلستان در دوره 2007-1993. نشریه تحقیقات کاربردی علوم جغرافیایی 96-81 : (19).
  15. آذرانفر، آ.، ابریشمچی، ا. و تجریشی، م. 1385. ارزیابی اثرات تغییر اقلیم بر بارش و دما در حوضه آبریز زاینده رود با استفاده از خروجی مدل های چرخش عمومی. دومین همایش ملی منابع آب ایران. اصفهان.
  16. الهی گل، ع.، حجام، س.، 1385. بررسی اثرات تغییر دما و بارش بر روی رواناب حوضه آبریز امامه (استان تهران). دومین همایش ملی منابع آب ایران. اصفهان.
  17. Elo, A. R., Huttula, T., Peltonen, A., & Virta, J. (1998). The effects of climate change on the temperature conditions of lakes. Boreal environment research, 3, 137-150.
  18. خلیلی اقدم، ن،. مساعدی، ا،. سلطانی، ا،. کامکار، ب،. 1391. ارزیابی توانایی مدل LARS-WG در پیش­بینی برخی از پارامترهای جوی سنندج. مجله پژوهش­های حفاظت آب و خاک. (4):103. 19-85.
  19. Etemadi, H. (2012). Statistical Downscaling of Climatic Variables in Shadegan Wetland, Iran.
  20. حسنی، خ.، 1391. ارایه راهکارهای سازگاری با اثرات تغییر اقلیم بر مدیریت مخزن سد در دوره های آتی، مطالعه موردی سد شاهچراغی. پایان­نامه کارشناسی ارشد، دانشگاه تربیت مدرس.150ص.
  21. حیدری، ع، ر.، 1390. ارزیابی سناریوهای مختلف تغییر اقلیم بر تخصیص از مخازن چند منظوره (مطالعه موردی: سد امیر کبیر)، پایان­نامه کارشناسی ارشد. دانشگاه تربیت مدرس.156ص.
  22. دوستی، م.، 1391. ارزیابی اثر تغییر اقلیم بر دبی جریان با کاربرد مدل بارش-رواناب (مطالعه موردی: حوضه آبخیز تمر، استان گلستان). پایان­نامه کارشناسی ارشد، دانشگاه ساری.