بررسی اثر تغییر اقلیم بر مقادیر جریان حدی حوزه آبخیز کن

الموضوعات :

بهارک معتمدوزیری ¹ , مهدی احمدی ² , حسن احمدی ³ , ابوالفضل معینی ⁴ , غلامرضا زهتابیان ⁵

1 - گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه ازاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
2 - گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه ازاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
3 - گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران
4 - گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه ازاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
5 - گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

تاريخ الإرسال : 18 الإثنين , ذو الحجة, 1440 تاريخ التأكيد : 21 الأربعاء , ربيع الثاني, 1441 تاريخ الإصدار : 26 الثلاثاء , جمادى الأولى, 1441

الکلمات المفتاحية: CanESM2, بارش- رواناب, HadCM3, مدل‌سازی اقلیمی,

ملخص المقالة :

تغییر اقلیم یکی از مهمترین چالش‌هایی است که بر اکوسیستم‌های طبیعی و جنبه‌های مختلف زندگی انسان تاثیر دارد. تاثیرات گرمایش جهانی بر بخش هیدرولوژی و چرخه آب در طبیعت بسیار جدی است و شناخت این اثرات بصورت کمی، آمادگی بیشتری برای مقابله با تبعات آن ایجاد می‌کند. در تحقیق حاضر براساس مدل SDSM و ASD به پیش‌بینی دوره 2100-2010 پرداخته شد و در نهایت اثرات تغییر اقلیم بر شرایط هیدرولوژیک حوزه آبخیز کن با استفاده از مدل ANN وIHACRES شبیه‌سازی شد. نتایج مطالعه ضمن تایید کارایی مدل SDSM وASD در شبیه‌سازی‌های اقلیمی و ANN و IHACRES در شبیه‌سازی هیدرولوژیکی نشان داد که در شرایط اقلیمی آینده برای دوره زمانی (2100-2010) افزایش بارندگی (2-27 درصد)، افزایش دما (3/0- 4/4 درجه سانتی‌گراد) محتمل است. تغییرات رواناب در دوره آتی (2039- 2010) یک افزایش (5- 36 درصدی) در سناریو‌های RCP، و یک کاهش (32- 41 درصدی) در سناریو A2 را نشان می‌دهد. میزان مقادیر حداکثر در دوره آتی افزایش، و جریان حداقل کاهش می‌یابد. بیشترین تغییرات در فصل بهار مشاهده شد. نتایج تحقیق ضمن بیان اهمیت تاثیرات تغییر اقلیم، کاربرد آن ها را در بکارگیری مدیریت درست برای سازگاری با تغییرات اقلیمی در سیاست‌های آتی مدیریت حوزه آبخیز کن لازم و ضروری می‌داند.

المصادر:

احمدی، م. 1393 .ارزیابی اثر تغییر اقلیم بر روی دبی سالیانه حوزه آبخیز قرآن طاالر. پایان نامه کارشناسی ارشد آبخیزداری. دانشگاه منابع طبیعی و علوم زمین. دانشگاه کاشان.

حاجی محمدی، م.، عزیزیان، ا. و قرمزچشمه، ب. 1397 .ارزیابی اثر تغییر اقلیم بر رواناب حوزه کن. انتشارات پژوهشکده حفاظت خاک و آبخیزداری، 10(2): 21-34.

قرمزچشمه، ب. 1392 .ارزیابی عدم قطعیت ناشی از ریز مقیاس گردانی  AOGCM با تحلیل دما و بارش )مطالعه موردی: حوضه دریاچه ارومیه(. پایان نامه دکتری سنجش از دور. دانکده جغرافیا. دانشگاه تبریز.

گودرزی، محمد رضا. و فاتحیفر، آتیه. 1398 .پهنه بندی خطر سیالب در اثر تغییرات اقلیمی تحت سناریو RCP 8.5 با استفاده از مدل هیدرولوژیکی SWAT در محیط GIS (حوضه آذرشهر چای). نشریه تحقیقات کاربردی علوم جغرافیایی، 19(53): 99-117.

میر اکبری، م.، مصباحزاده، ط.، محسنی ساروی، م.، خسروی، ح و مرتضایی فریزهندی، ق. 1397 .ارزیابی کارایی مدل سری CMIP5 در شبیهسازی و پیشبینی پارامترهای اقلیمی بارندگی، دما و سرعت باد (مطالعه موردی: استان یزد). پژوهشهای جغرافیای طبیعی، 50(3): 593-609.

میر دشتوان، م.، ملکیان، آ. و محسنی ساروی، م. 1397 .شبیه سازی جریان سطحی از طریق کوچک مقیاس سازی آماری داده های اقلیمی: حوزه دریاچه ارومیه. تهران: انتشارات دانشگاه تهران، 25(2): 419-431.

Ashraf Vaghefi, S., Mousavi, S.J., Abbaspour, K.C., Srinivasan, R. and Yang, H. 2014. Analyses of the impact of climate change on water resources components, drought and wheat yield in semiarid regions: Karkheh River Basin in Iran. Hydrol. Process, 28: 2018–2032.

Carcano, E.C., Bartolini, P., Muselli, M. and Piroddi, L. 2008. Jordan recurrent neural network versus IHACRES in modelling daily streamflows. J. Hydrol, 362: 291–307. https://doi.org/10.1016/j.jhydrol.2008.08.026

Croke, B.F.W. and Jakeman, A.J. 2004. A catchment moisture deficit module for the IHACRES rainfall-runoff model. Environ. Model. Softw, 19: 1–5.

da Silva, R.M., Dantas, J.C., de Araújo Beltrão, J. and Santos, C.A.G. 2018. Hydrological simulation in a tropical humid basin in the Cerrado biome using the SWAT model. Hydrol. Res, nh2018222.

Fenta Mekonnen, D. and Disse, M. 2018. Analyzing the future climate change of Upper Blue Nile River basin using statistical downscaling techniques. Hydrol. Earth Syst. Sci, 22: 2391–2408.

Gosling, S., Taylor, R.G., Arnell, N. and Todd, M.C. 2011. A comparative analysis of projected impacts of climate change on river runoff from global and catchment-scale hydrological models. Hydrol. Earth Syst, Sci. 15: 279–294.

Hassan, Z., Shamsudin, S., Harun, S., Malek, M.A. and Hamidon, N. 2015. Suitability of ANN applied as a hydrological model coupled with statistical downscaling model: a case study in the northern area of Peninsular Malaysia. Environ. Earth Sci, 74: 463–477.

Holcomb, M.K., Alexander, K.A., Krometis, L.H. and Holcomb, M.K. 2013. The Challenges and Opportunities in Monitoring and Modeling Waterborne Pathogens in Water- and Resource-Restricted Africa: Highlighting the critical need for multidisciplinary research and tool advancement.

Jahanbani, H., Shui, L.T., Bavani, A.M. and Ghazali, A.H. 2011. Uncertainty of climate change and its impact on reference evapotranspiration in Rasht City, Iran. J. Water Clim. Chang, 2: 72–83.

 Jin, L., Whitehead, P.G., Addo, K.A., Amisigo, B., Macadam, I., Janes, T., Crossman, J., Nicholls, R.J., McCartney, M. and Rodda, H.J.E. 2018. Modeling future flows of the Volta River system: Impacts of climate change and socio-economic changes. Sci. Total Environ, 637: 1069–1080.

Liu, G., He, Z., Luan, Z. and Qi, S. 2018. Intercomparison of a lumped model and a distributed model for streamflow simulation in the Naoli River Watershed, Northeast China. Water (Switzerland) 10. https://doi.org/10.3390/w10081004

Mahmood, R. and Babel, M.S. 2013. Evaluation of SDSM developed by annual and monthly sub-models for downscaling temperature and precipitation in the Jhelum basin, Pakistan and India. Theor. Appl. Climatol, 113: 27–44.

Meenu, R., Rehana, S. and Mujumdar, P.P. 2013. Assessment of hydrologic impacts of climate change in Tunga–Bhadra river basin, India with HEC‐HMS and SDSM. Hydrol. Process, 27: 1572–1589.

Mirdashtvan, M., Najafinejad, A., Malekian, A. and Sa’doddin, A. 2018. Downscaling the contribution to uncertainty in climate‐change assessments: representative concentration pathway (RCP) scenarios for the S outh A lborz R ange, I ran. Meteorol. Appl, 25: 414–422.

Narsimlu, B., Gosain, A. K., & Chahar, B. R. 2013. Assessment of future climate change impacts on water resources of Upper Sind River Basin, India using SWAT model. Water Resources Management, 27: 3647– 3662.

Nasseri, M. and Zahraie, B. 2013. Improved statistical downscaling of daily precipitation using SDSM platform and data-mining methods 2578, 2561–2578. https://doi.org/10.1002/joc.3611

Noori, N. and Kalin, L. 2016. Coupling SWAT and ANN models for enhanced daily streamflow prediction. J. Hydrol, 533: 141–151.

Ramak, Z., Porhemmat, J., Sedghi, H., Fattahi, E. and Lashni-Zand, M. 2018. The Climate Change Effect on the Water Regime. The Case Study: the Karun Catchment, Iran. Russ. Meteorol. Hydrol, 43: 544–550.

Raziei, T., Arasteh, P.D. and Saghfian, B. 2005. Annual Rainfall Trend in Arid and Semi-arid Regions of Iran. ICID 21st Eur. Reg. Conf. 1–8.

Resende, N. C., Miranda, J. H., Cooke, R., Chu, M. L., & Chou, S. C. 2019. Impacts of regional climate change on the runoff and root water uptake in corn crops in Parana, Brazil. Agricultural Water Management, 221: 556–565.

Saatloo, S.M.E., Siosemarde, M., Hosseini, S.A. and Rezaei, H. 2019. The effects of climate change on groundwater recharge for different soil types of the west shore of Lake Urmia—Iran. Arab. J. Geosci, 12: 263-277.

Taie Semiromi, M. and Koch, M., 2017. Downscaling of daily precipitation using a hybrid model of Artificial Neural Network, Wavelet, and Quantile Mapping in Gharehsoo River Basin, Iran, in: AGU Fall Meeting Abstracts.

Tahir, T., Hashim, A. M., & Yusof, K. W. 2018. Statistical downscaling of rainfall under transitional climate in Limbang River Basin by using SDSM. In IOP Conference Series: Earth and Environmental Science (Vol. 140, p. 12037). IOP Publishing.

Wilby, R.L., Charles, S.P., Zorita, E., Timbal, B., Whetton, P. and Mearns, L.O. 2004. Guidelines for use of climate scenarios developed from statistical downscaling methods. Support. Mater. Intergov. Panel Clim. Chang. available from DDC IPCC TGCIA 27.

Wilby, R.L. and Dawson, C.W., 2013. Statistical downscaling model–decision centric (SDSM-DC) version 5.1 supplementary note. Loughbrgh. Univ. Loughbrgh.

Wilby, R.L. and Dawson, C.W., 2007. SDSM 4.2-A decision support tool for the assessment of regional climate change impacts. United Kingdom.

Wilby, R.L., Dawson, C.W. and Barrow, E.M., 2002. SDSM—a decision support tool for the assessment of regional climate change impacts. Environ. Model. Softw, 17: 145–157.

Zang, C.F., Liu, J., Van Der Velde, M. and Kraxner, F., 2012. Assessment of spatial and temporal patterns of green and blue water flows under natural conditions in inland river basins in Northwest China. Hydrol. Earth Syst. Sci, 16: 2859–2870. https://doi.org/10.5194/hess-16-2859-2012.

Zarghami, M., Abdi, A., Babaeian, I., Hassanzadeh, Y. and Kanani, R. 2011. Impacts of climate change on runoffs in East Azerbaijan, Iran. Glob. Planet, Change 78: 137–146.

Zehtabian, G.R., Salajegheh, A., Malekian, A., Boroomand, N. and Azareh, A. 2016. Evaluation and comparison of performance of SDSM and CLIMGEN models in simulation of climatic variables in Qazvin plain. Desert, 21; 155–164.