پیش‏ نمایی و تحلیل مکانی شاخص‏ های اگروکلیماتیک حوضه آبریز قزل اوزن در طول فصل رشد

محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاری

امین صادقی ¹ , یعقوب دین پژوه ² , مهدی ضرغامی ³

1 - دانش‌آموخته کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.
2 - دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.
3 - استاد دانشکده مهندسی عمران و پژوهشکده محیط‌زیست، دانشگاه تبریز، تبریز، ایران.

تاریخ دریافت : 1398/05/18 تاریخ پذیرش : 1398/07/20 تاریخ انتشار : 1398/08/01

کلید واژه: تبخیر- تعرق, هوش مصنوعی, قزل اوزن, تحلیل مکانی, تغییر اقلیم,

چکیده مقاله :

در این مطالعه، با استفاده از چهار مدل GCM و دو سناریوی RCP4.5 و RCP8.5 اقدام به تولید داده برای افق 2050 شد. سپس، پارامترهای دمای هوا، بارش، تبخیر- تعرق (ET0) و کمبود بارش (PD) در طول فصل رشد ارزیابی گردید و مقادیر کمیت‌های شدت خشکی و طول دوره خشکی تخمین زده شدند. ET0 با دو روش پریستلی- تیلور (PT) و پنمن مانتیث (PM) محاسبه شد. ET0 محاسبه شده با روش PT با استفاده از چهار مدل هوشمند )شامل Eureqa Formulize، ANN، ANFIS و (SVM با روش PM برای هرایستگاه واسنجی گردید. برای پهنه بندی شاخص های مذکور، از سه روش زمین آمار IDW، کریجینگ و کوکریجنگ بهره گرفته شد. نتایج نشان داد که در ایستگاه‌های منتخب، میانگین دمای هوا و بارش (در طول فصل رشد) به ترتیب، بین 9/0 تا 2 درجه سلسیوس و 27 تا 49 میلی متر افزایش خواهد یافت. همچنین، پارامترهای ET0 و شدت خشکی در همه ایستگاه ها افزایش خواهد یافت. میانگین افزایش PD در کل حوضه در حدود 6 تا 9 درصد خواهد بود. به طور متوسط، شدت افزایش شاخص های اگروکلیماتیک در سناریوی RCP8.5 حدود چهار درصد بیشتر از سناریوی RCP4.5 می باشد. در بین روش‌های میان یابی، روش کوکریجینگ با استفاده از داده کمکی مدل رقومی ارتفاع (DEM) کارایی بهتری را نشان داد. در افق مورد نظر، طول فصل رشد بین 15 تا 35 روز افزایش خواهد یافت، با این حال، طول دوره خشکی تغییر محسوسی نخواهد داشت. نتایج نشان داد که در آینده، تغییرات مکانی متغیرهای اقلیمی کم و بیش مشابه با تغییرات نظیر دوره پایه خواهد بود.

چکیده انگلیسی:

Accurate planning for adaptation to climate change is very important in each region. In this study, using the meteorological data of the six synoptic stations in the Ghezel Ozan basin in the period 1989-2016, and by employing the four GCM models, under the two scenarios RCP4.5 and RCP8.5, data were generated for the horizons 2050. Then, some parameters such as the air temperature, precipitation, potential evapotranspiration (ET0), precipitation deficit (PD) during the growing season, dryness intensity were calculated. ET0 was calculated by Pristeley-Taylor (PT) and Penman-Monteith (PM) methods. Then, ET0 obtained from the PT method was calibrated using four Artificial Intelligence methods (namely Eureqa Formulize, ANN, ANFIS and SVM) with PM method for each station. For spatial analysis, three geostatistical methods namely IDW, Kriging, and Cokriging were utilized. The results indicated an increase of 0.9 - 2 ºC in mean air temperature and an increase in precipitation between 27 and 49 mm will be experienced in the future period. Furthermore, ET0 and dryness intensity will be increased at all the stations. The increase in average PD (in the whole basin) will be about 6% to 9%. In average, the rate of increase in agroclimatic indices in the RCP8.5 scenario will be about four percent more than the RCP4.5 scenario. Among the methods of interpolation, the modified Cokriging based on DEM (Digital Elevation Model) showed the more suitable one among others. The length of the growing season will be elongated from 15 to 35 days. No significant changes will be occurred for dryness period. The spatial variation of future climate variables is expected to be not changed comparing the base period.

منابع و مأخذ:

اخوان، س.، قبائی سوق، م. و مساعدی، ا. 1394. بررسی اثر تغییر اقلیم بر مقدار نیاز خالص آبیاری محصولات عمده دشت همدان- بهار با استفاده از نتایج مدل ریزمقیاس LARS-WG5. نشریه پژوهش‏های حفاظت آب و خاک، جلد 22، شماره 4، 46-25.

امیری، ح.، حبیبی، ح.، حقیقت، م. و عینی نرگسه، ح. 1397. تأثیرات محتمل تغییر اقلیم بر مناطق مستعد کشت گندم دیم در استان کردستان. نشریه هواشناسی کشاورزی، جلد 6، شماره 2، 85-80.

بابایی، ا. و نجف پور، ب. 1393. نقشه‏ها و نمودارهای اقلیمی. انتشارات دانشگاه پیام نور، 72-57.

جورابلو، س.، اژدری، خ.، گنجی نوروزی، ز. و دلقندی، م. 1397. تأثیر تغییر اقلیم بر تبخیر و تعرق گیاه مرجع و کمبود بارندگی در منطقه سمنان. علوم و مهندسی آبیاری، جلد 41 ، شماره 4، 11-77.

حنفی، ع. و خوشحال دستجردی، ج. 1396. شناسایی مناطق مساعد کشت گندم دیم در استان زنجان براساس پارامترهای اقلیم کشاورزی. فصلنامه‏ی علمی- پژوهشی فضای جغرافیایی، سال 17، شماره 59، 66-47.

خزائی، م. و بایزیدی، م. 1395. اثر تغییر اقلیم بر متغیرهای سالانه هواشناسی و هیدرولوژیک حوضه سیروان. تحقیقات منابع آب ایران، سال 12، شماره 2، 48-38.

خیراندیش، م.، قهرمان، ن. و بذرافشان، ج. 1392. بررسی تأثیرات تغییر اقلیم بر طول فصل رشد در چشم‏انداز 2020 و 2050 در چند نمونه اقلیمی ایران. مجله تحقیقات آب و خاک ایران، دوره 44، شماره 2، 143-150.

دلبری، م. و جهانی، س. 1391. ارزیابی اثر استفاده از مدل رقومی ارتفاع (DEM) در تخمین بارش ماهانه و سالانه در استان گلستان. نشریه آبیاری و زهکشی ایران، شماره 2، جلد 6، 118-132.

رضایی بنفشه، م.، جهانبخش اصل، م. و قادری، ف. 1397. تحلیل اقلیم‏شناسی تگرگ در محدوده زاگرس شمالی در فصل رشد گیاهان. مجله مخاطرات محیط طبیعی، دوره 7، شماره 17، 52-37.

سیابی، ن. و ثنایی نژاد، س.، ح. 1392. بررسی روش‏های ترکیبی زمین آمار در افزایش دقت طبقه‌بندی اقلیمی و نیز پهنه‏بندی عناصر اقلیمی شمال شرق ایران، پژوهش‏های اقلیم شناسی، شماره 15، 92-81.

شکوهی، م.، ثنائی نژاد، س.، ح. و بنایان اول، م. 1397. ارزیابی شبیه‏سازی دما و بارش مدل‏های اقلیمی CMIP5 در مطالعات منطقه‏ای تغییر اقلیم (مطالعه موردی: مناطق عمده در تولید گندم دیم در ایران). نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد 32، شماره 5، 1024-1013.

صادقی، ا.، دین پژوه، ی. و ضرغامی، م. 1397. ارزیابی روند تبخیر- تعرق پتانسیل گیاه مرجع در حوضه آبریز قزل اوزن تحت شرایط تغییر اقلیم. مجله تحقیقات آب و خاک ایران (مجله علوم کشاورزی ایران)، DOI: 10.22059/IJSWR.2019.271236.668068.

فرج زاده، م. 1391. تکنیک‏های اقلیم‏‏شناسی. انتشارات سمت، 303-1.

کریمی، ص.، جاودانی، ر.، خسروی، م. و طاوسی، ت. 1393. واکنش فصل رشد در برابر خشکسالی و ترسالی اقلیمی مورد مطالعه: منطقه‏ی بلوچستان مرکزی. جغرافیا و توسعه، شماره 37، 14-1.

کوچکی، ع.، نصیری محلاتی، م. و جعفری، ل. 1394. بررسی اثر تغییر اقلیم بر کشاورزی ایران: 1- پیش‏بینی وضعیت آگروکلیماتیک آینده. نشریه پژوهش‏های زراعی ایران، جلد 13، شماره 4، 664-651.

مسعودیان، س.، ا. و دارند، م. 1393. شناسایی و تحلیل تغییرات شاخص‎های اقلیم کشاورزی در ایران. فصلنامه تحقیقات جغرافیایی، سال 29، شماره 2، 50-39.

مظفری، غ. و ترکی، م. 1389. بررسی روند تغییرات طول فصل رشد در ایران. اندیشه جغرافیایی، سال 14، شماره 8، 43-25.

مظفری، غ. و دهقان، ح. 1392. پهنه‏بندی طول فصل رشد گیاهان برمبنای ویژگی‏های دمایی در ایران. مجله جغرافیا و توسعه ناحیه‏ای، شماره 21، 137-121.

میرموسوی، س.، ح. و اکبرزاده، ی. 1389. مطالعة زمانی- مکانی بارش تگرگ در فصل رشد گیاهان مطالعه موردی: استان آذربایجان‏شرقی. نشریه علمی- پژوهشی جغرافیا و برنامه‏ریزی، سال 15، شماره 33، 190-175.

یساری، ط. 1393. تعیین تاریخ‏های کاشت گلرنگ بهاره در استان اصفهان با استفاده از دما و مدل رقومی ارتفاع. پژوهش‏های جغرافیای طبیعی، دوره 46، شماره 3, 405-389.

Asmat Ullah, Salehnia, N., Kolsoumi, S., Ahmad, A. and Khaliq, T., 2018. Prediction of effective climate change indicators using statistical downscaling approach and impact assessment on pearl millet (Pennisetum glaucum L.) yield through Genetic Algorithm in Punjab, Pakistan. Ecological Indicators, 90: 569-576.

Barichivich, J., Briffa, K.R., Osborn, T.J., Melvin, T.M. and Caesar, J., 2012. Thermal growing season and timing of biospheric carbon uptake across the Northern Hemisphere. Global Biogeochemical Cycles, 26(4): 1-13.

Baule, W., Allred, B., Frankenberger, J., Gamble, D., Andresen, J., Gunn, K.M. and Brown, L., 2017. Northwest Ohio crop yield benefits of water capture and subirrigation based on future climate change projections. Agricultural Water Management, 189: 87-97.

Burrows, M.T., Schoeman, D.S., Buckley, L.B., Moore, P., Poloczanska, E.S., Brander, K.M., Brown, C., Bruno, J.F., Duarte, C.M., Halpern, B.S. and Holding, J., 2011. The pace of shifting climate in marine and terrestrial ecosystems. Science, 334(6056): 652-655.

Carter, T.R., 1998. Changes in the thermal growing season in Nordic countries during the past century and prospects for the future. Agricultural and Food Science, 7(2): 161-179.

Chen, H., Guo, J., Zhnag, Z. and Yu Xu, C., 2013. Prediction of temperature and precipitation in Sudan and South Sudan by using LARS-WG in future. Theoretical and Applied Climatology, 113: 363-375.

Cui, L., Shi, J., Ma, Y. and Liu, X., 2018. Variations of the thermal growing season during the period 1961–2015 in northern China. Journal of Arid Land, 10(2): 264-276.

Fan, J., Wu, L., Zhang, F., Cai, H., Zeng, W., Wang, X. and Zou, H., 2019. Empirical and machine learning models for predicting daily global solar radiation from sunshine duration: A review and case study in China. Renewable and Sustainable Energy Reviews, 100: 186-212.

Gaertner, B.A., Zegre, N., Warner, T., Fernandez, R., He, Y. and Merriam, E.R., 2019. Climate, forest growing season, and evapotranspiration changes in the central Appalachian Mountains, USA. Science of the Total Environment, 650: 1371-1381.

Hemayati, S. S., 2009. Determining the climate of Ardabil plain, its variation in past 25 years and agronomical strategies for system adjustments. Plant Ecophysiology, (1): 17-23.‏

Jiang, S., Liang, C., Cui, N., Zhao, L., Du, T., Hu, X., Feng, Y., Guan, J. and Feng, Y., 2019. Impacts of climatic variables on reference evapotranspiration during growing season in Southwest China. Agricultural Water Management, 216: 365-378.

Kira, O., Nguy-Robertson, A.L., Arkebauer, T.J., Linker, R. and Gitelson, A.A., 2017. Toward generic models for green LAI estimation in maize and soybean: Satellite observations. Remote Sensing, 9(4): 318.

Ku, H.H., Ryu, J.H., Bae, H.S., Jeong, C. and Lee, S.E., 2019. Modeling a long-term effect of rice straw incorporation on SOC content and grain yield in rice field. Archives of Agronomy and Soil Science, 1-14.

Kundu, S., Khare, D. and Mondal, A., 2017. Future changes in rainfall, temperature and reference evapotranspiration in the central India by least square support vector machine. Geoscience Frontiers, 8(3): 583-596.

Linderholm, H.W., 2006. Growing season changes in the last century. Agricultural and Forest Meteorology, 137(1-2): 1-14.

Mardfar, R. A., Raei, Y., Nassab, A. D. M., Khaghaninia, S. and Amini, R., 2013. Yield and yield components of wheat as influenced by intercropping of oilseed rape and fertilizers. Journal of Biodiversity and Environmental Sciences, 3(6): 38-46.‏

Oguntunde, P.G., Lischeid, G., Abiodun, B.J. and Dietrich, O., 2014. Analysis of spatial and temporal patterns in onset, cessation and length of growing season in Nigeria. Agricultural and Forest Meteorology, 194: 77-87.

Pathak, T.B. and Stoddard, C.S., 2018. Climate change effects on the processing tomato growing season in California using growing degree day model. Modeling Earth Systems and Environment, 4(2): 765-775.

Rahman, M.A., Yunsheng, L., Sultana, N. and Ongoma, V., 2018. Analysis of reference evapotranspiration (ET₀) trends under climate change in Bangladesh using observed and CMIP5 data sets. Meteorology and Atmospheric Physics: 1-17.

Rajsekhar, D. and Gorelick, S. M., 2017. Increasing drought in Jordan: Climate change and cascading Syrian land-use impacts on reducing transboundary flow. Science Advances, 3(8): 1-15.‏

Robeson, S.M., 2002. Increasing growing-season length in Illinois during the 20th century. Climatic Change, 52(1-2): 219-238.

Saadi, S., Todorovic, M., Tanasijevic, L., Pereira, L.S., Pizzigalli, C. and Lionello, P., 2015. Climate change and Mediterranean agriculture: impacts on winter wheat and tomato crop evapotranspiration, irrigation requirements and yield. Agricultural Water Management, 147: 103-115.

Shen, M., Tang, Y., Chen, J. and Yang, W., 2012. Specification of thermal growing season in temperate China from 1960 to 2009. Climatic Change, 114(3-4): 783-798.

Taki, M., Ajabshirchi, Y., Ranjbar, S.F., Rohani, A. and Matloobi, M., 2016. Modeling and experimental validation of heat transfer and energy consumption in an innovative greenhouse structure. Information Processing in Agriculture, 3(3): 157-174.

Tomczyk, A.M. and Szyga-Pluta, K., 2019. Variability of thermal and precipitation conditions in the growing season in Poland in the years 1966–2015. Theoretical and Applied Climatology, 1-14.

Xu, C., Liu, H., Williams, A.P., Yin, Y. and Wu, X., 2016. Trends toward an earlier peak of the growing season in Northern Hemisphere mid‐latitudes. Global Change Biology, 22(8): 2852-2860.