-248609-446

نشریه حفاظت منابع آب و خاك، سال پنجم، شماره چهارم، تابستان 1395
پیش بینی اثر تغییر اقلیم بر روند دبی ماهانه رودخانه با بکار بردن مدل هیدرولوژیکی IHACRES
(مطالعه موردي: حوضه آبریز گالیکش)
خلیل قربانی1*، الهه سهرابیان2، میثم سالاري جزي3 و محمد عبدالحسینی3

1*) استادیار؛ گروه مهندسی آب؛ دانشگاه علوم کشاورزي و منابع طبیعی گرگان؛ گرگان؛ ایران
[email protected] :نویسنده مسئول مکاتبات*
دانشآموخته کارشناسی ارشد منابع آب؛ دانشگاه علوم کشاورزي و منابع طبیعی گرگان؛ گرگان؛ ایران
استادیار؛ گروه مهندسی آب؛ دانشگاه علوم کشاورزي و منابع طبیعی گرگان؛ گرگان؛ ایران

16716304658

تاریخ دریافت: 16/10/1394 تاریخ پذیرش: 26/02/1395

چکیده
تغییر اقلیم موجب تغییراتی در میزان دما و بارش می شود و در نتیجه دبی رودخانه ها را تحت تأثیر قرار می دهد. تغییرات بارش ناشی از تغییر اقلیم می تواند به کمک مدل هاي گردش عمومی جو تحت سناریوهاي مختلف اقلیمی شبیه سازي شود اما بررسی تغییرات دبی رودخانه نیازمند کاربرد مدل هاي بارش- رواناب است. به منظور تشخیص روند تغییرات دبی ناشی از تغییراقلیم، حوضه آبریز گالیکش از حوضه هاي سیل خیز دراستان گلستان به عنوان منطقه مطالعاتی درنظر گرفته شد. دما و بارش براي دوره اقلیمی آتی( 2030-2011) براساس مدل گردش عمومی جو 3HADCM توسط مدل مولد داده LARS-WG تحت سناریوهاي مختلف اقلیمی تولید و به عنوان ورودي به مدل واسنجی شده IHACRES وارد شد تا دبی براي دوره هاي اقلیمی آینده شبیه سازي شود. نتایج تحلیل تغییر اقلیم نشان می دهد در منطقه مورد مطالعه تحت سناریوهاي مختلف، دماي هوا در ماه هاي مختلف سال افزایش پیدا کند اما متوسط مجموع بارش سالانه کاهش می یابد. از آزمون من- کندال براي تشخیص روند سري هاي زمانی فصلی و نیمه سالانه دبی استفاده شد. نتایج نشان داد تحت سناریوهاي مختلف اقلیمی، دبی در فصل بهار و نیمه اول سال در سطح 5 درصد بدون روند، ولی در دیگر فصل هاي سال و نیمه دوم سال داراي روندي کاهشی می باشد .

کلید واژه ها: آزمون سن؛ آزمون من-کندال؛ تغییر اقلیم؛ تحلیل روند؛ حوضه آبریز گالیکش؛ دبی رودخانه

مقدمه
66939408146203

سال

پنجم

/

شماره

4
/

سال

پنجم

/

شماره

4

/

اقلیم شرایط متوسط آب و هوایی است که در سال هاي اخیر با افزایش گازهاي گلخانه اي در جو و بر هم خوردن توازن تابشی در حال تغییر است و پدیده اي با عنوان تغییر اقلیم را شکل می دهد. تغییر اقلیم یکی از مهم ترین چالش هایی است که بخشهاي مختلف زندگی انسان را در روي زمین تحت تاثیر قرار خواهد داد (کارآموز و عراقی نژاد ،2005). در اثر تغییر اقلیم متوسط متغیرهاي آب و هوایی مانند دما و بارش ثابت نمانده و در مناطق مختلف تغییر می کند. یکی از دلایل اصلی تغییر اقلیم، افزایش انتشار گازهاي گلخانه اي در جو بدلیل صنعتی شدن و افزایش مصرف سوخت هاي فسیلی می باشد (قربانی ،1394؛ خزائی ،1395). تغییر اقلیم منجر به تغییر در مقادیر و الگوي بارش و دما در سطح حوضه میشود که هرگونه تغییر در مقادیر و الگوي هر یک از این دو عامل و نیزتغییر در ارتباط زمانی بین عوامل مذکور در کمیت تولیدرواناب و نیز الگوي زمانی آن بسیار مؤثر است. مطالعاتیکه در زمینه تغییر اقلیم انجام شده است را می توان به دوگروه عمده دسته بندي کرد. گروه اول به مدل سازي تغییر اقلیم میپردازند و گروه دیگر اثرتغییراقلیم را بر جنبه هاي مختلف مانند کشاورزي و منابع آب بررسی می کنند. یکی از مشکلات عمده در استفاده از خروجی مدلهاي گردش عمومی جو ،بزرگ مقیاس بودن سلولهاي محاسباتی آن نسبت به منطقه مطالعاتی است. دو نوع تکنیک براي بدست آوردن متغیرها در مقیاس محلی (ریزمقیاس نمایی) از روي مقیاس جهانی وجود دارد، یکی روش دینامیکی که شامل حل صریح معادلات دینامیکی سیستم است و دیگري روش آماري که از رابطههاي استخراج شده از دادههاي مشاهده شده استفاده میکند. روش دینامیکی به علت پرهزینه بودن و دشواري اجرا به طور معمول در بررسیها و مطالعات دانشگاهی استفاده می شوند( Crane and 1996 ,Hewitson). همچنین این روشها امکان تولید داده براي انواع سناریوهاي مختلف را ندارند، در مقابل روش-هاي آماري با محاسبات ساده آماري، صرف زمان و هزینه کم امکان بررسی انواع سناریوهاي اقلیمی و تحلیل عدم قطعیت آنها را دارند. از معروفترین مدلهاي آماري که براي ریزمقیاس نمایی دادههاي اقلیمی استفاده میشود مدلهاي LARS-WG و 1SDSM هستند که به صورت بستههاي نرمافزاري و رایگان در اختیار هستند. قابلیت این مدلها در ریزمقیاسنمایی پارامترهاي دما و بارش توسط پژوهشگران مختلف ارزیابی شده است (قربانی، 1394). در این زمینه می توان به مطالعاتCoulibal و Dibike (2006) اشاره کرد که دو روش شبکه هاي عصبی مصنوعی و SDSM را در کوچک مقیاس کردن داده هاي بارش و دماي هواي روزانه در حوضه ساگونوي در شمال ایالت کبک کانادا مورد مقایسه قرار دادند و نتیجه گرفتند شبکه عصبی
1
-SDSM: Statistical Down Scaling Model
مصنوعی در ریزمقیاس نمایی داده هاي بیشینه و کمینه دمايروزانه و همچنین بارش روزانه نسبت به روش SDSM کهاز روش رگرسیون چند متغیره بهره میگیرد کارایی بهتريدارد. Chen و همکاران( 2012)، ماشین بردار پشتیبان و شبکه عصبی مصنوعی را در ریزمقیاس نمایی داده هاي بارش مورد ارزیابی قرار دادند و نتیجه گرفتند ماشین بردار پشتیبان با تابع کرنل پایه شعاعی روش بهتري براي ارزیابی اثرات تغییر اقلیم در هیدرولوژي می باشد. Sajjad Khan و همکاران( 2005) سه روش ریزمقیاس نمایی شامل مدل آماري SDSM، مدل تولید داده LARS-WG و شبکه عصبی مصنوعی را براي ریزمقیاس نمایی متغیرهاي بارش روزانه و دماهاي حداقل و حداکثر روزانه به کار بردند.
آن ها از داده هاي 40 ساله مشاهده شده و داده هاي مدل گردش عمومی 2NCEP براي مدل سازي استفاده کردند .مدل SDSM بهترین نتایج را در بازسازي خصوصیات داده هاي مشاهده شده به دست داد و مدل شبکه عصبی مصنوعی از این نظر کمترین کارآیی را داشت. سهرابیان و همکاران( 1394) به بررسی تاثیر تغییر اقلیم بر آبدهی حوضه با دخالت مدل هیدرولوژي IHACRES پرداختند .
در این پژوهش ابتدا مدل IHACRES براي منطقه مورد مطالعه واسنجی گردید. سپس بر اساس نتایج خروجی مدل 3HADCM تحت سناریوهاي A2 ،A1B و 1B مقادیر دما و بارش براي دوره آتی 2030-2011 با استفاده از مدل LARS-WG ریزمقیاس شده و به منظور شبیهسازي رواناب به مدل IHACRES معرفی گردید. نتایج مطالعه ضمن تایید کارایی مدل LARS-WG نشان داد که در شرایط اقلیمی آینده دما و بارش نسبت به دوره مشاهداتی به ترتیب افزایش و کاهش خواهد یافت. در نهایت نتایج
مدل IHACRES نشان داد رواناب در دوره آتی نسبت به دوره مشاهداتی در هر سه سناریو کاهش پیدا کرده که نشان از تاثیر تغییر اقلیم بر رواناب حوضه در دوه آتی دارد .قربانی( 1393) به ارزیابی مدل هاي داده کاوي در

2 -NCEP: National Centers for Environmental Prediction
ریزمقیاس نمایی بارش روزانه حاصل از مدل گردشعمومی جو NCEP پرداخت و نتیجه گرفت بارشپیش بینی شده به کمک سه روش ماشین بردار پشتیبان(SVM)، درخت تصمیم( 5M) و نزدیکترین k-همسایگی
(KNN) از مدل هاي داده کاوي، از میانگین و انحراف معیار کمتري نسبت به بارش مشاهداتی برخوردار هستند و این مدل ها مقادیر حدي بارش را نمی توانند به خوبی پیش بینی کنند. با این وجود روش KNN نسبت به دیگر روش ها نتایج بهتري را ارائه می کند. یکی از روش هایی که می تواند سري داده هاي هواشناسی را شبیه سازي کرده و بر اساس آن داده هاي هواشناسی را تولید کند مدل مولد داده LARS-WG می باشد. این مدل امروزه بطور گسترده در تولید داده هاي اقلیمی براساس نتایج خروجی مدل هاي گردش عمومی جو مورد استفاده قرار می گیرد. دقت بالاي این مدل در تولید دادههاي آب و هوایی (دما و بارش) مربوط به 18 ایستگاه در کانادا (1991(Williams, و 20 ایستگاه واقع در اقلیمهاي متفاوت انگلیس Semnov, )(2008 و چند ایستگاه هواشناسی در ایران (بابائیان و نجفینیک ،1385) گزارش شده است.
از مهم ترین اثرات تغییر اقلیم می توان به تغییرات آبدهی رودخانه ها اشاره کرد. براي بررسی آن می بایست دبی رودخانه در آینده تحت تأثیر تغییر اقلیم شبیهسازي شود. مدل هاي تغییر اقلیم قادرند دما و بارش را براي آینده تحت سناریوهاي مختلف اقلیمی شبیه سازي کنند. اما براي شبیه سازي دبی می بایست از مدل هاي بارش-رواناب استفاده شود. در این زمینه می توان به مطالعات زیر اشاره کرد. Wurbs و Muttiah (2002) براي شبیهسازي اثرات روند تغییرات اقلیمی گذشته در حوضه سن جاکینتو تگزاس از مدل 1SWAT استفاده کردند. نتایج مطالعه آنها نشان داد که افزایش جریان رودخانه میتواند سیلابی شدن بیشتر را به همراه داشته باشد این در حالی است که فراوانی جریانهاي نرمال و جریانهاي حداقل کاهش یافته است.
1
-SWAT: Soil And Water Assessment Tool

Steele و همکاران( 2008) تاثیر تغییر اقلیم را بر رواناب براي نه حوضه در کشور ایرلند با استفاده از مدل گردش عمومی 5ECHAM و سناریوي انتشار A1B، مورد بررسی قرار دادند. براي این منظور از مدل مفهومی بارش-رواناب HBV-Light براي بررسی وضعیت جریان رودخانه در دوره آتی 2060-2010 استفاده گردید. در ابتدا دادههاي بارش و دماي استخراج شده از مدل 5ECHAM با استفاده از روش ریز مقیاس کردن مکانی تناسبی، ریز مقیاس شده و به مدل بارش-رواناب معرفی گردید. نتایج در مجموع نشان داد که بارش زمستانه و بارش تابستانه به ترتیب افزایش و کاهش دارند. همچنین میزان رواناب رودخانه تحت تاثیر تغییر اقلیم تغییر خواهد کرد . Abbaspour و همکاران (2009) براي بررسی اثر تغییر اقلیم بر میزان دسترسی به منابع آب از مدل SWAT استفاده کردند. بدین منظور دادههاي اقلیمی آینده براي دوره زمانی 2040-2010 و 2100-2070 از مدل کانادایی 3.1CGCM را بکار بستند .
نتایج مطالعه آنها افزایش شدت بارش روزانه و فراوانی سیلابهاي شدید در مناطق مرطوب ایران و خشکسالی-هاي طولانیتر در مناطق خشک را نشان میدهد .
-2646431568198

سال

پنجم

/
شماره

4
/

تابستان

95

سال

پنجم



قیمت: تومان

دسته بندی : منابع آب خاک

دیدگاهتان را بنویسید