بررسی ماهیت آشوبناکی بارش ماهانه شهر تبریز در شرایط تغییر اقلیم
محورهای موضوعی : فصلنامه زمین شناسی محیط زیسترسول جانی 1 , محمد علی قربانی 2 , ابوالفضل شمسایی 3
1 - دانشجوی دکترای عمران دانشگاه آزاداسلامی واحد تبریز
2 - دانشیار گروه مهندسی آب دانشگاه تبریز
3 - استاد دانشکده علوم پایه واحد علوم و تحقیقات تهران
کلید واژه: نظریه آشوب, تغییر اقلیم, تبریز, مدل LARS-WG, بارش,
چکیده مقاله :
افزایش روز افزون جمعیت،تغییر کاربری اراضی و توسعه فعالیتهای صنعتی از جمله عوامل به وجود آمدن تغییر اقلیم میباشد از اینرو مطالعه تاثیر این پدیده بر فرایندهای هیدرولوژیکی به ویژه بارش،از مهمترین مسائل مرتبط با مهندسی آب به شمار می رود.در این تحقیق بارش ماهانه شهر تبریز در شرایط تاریخی و شرایط تغییر اقلیم با استفاده از مفاهیم نظریه آشوب بررسی شده است.به منظور برآورد زمان تاخیر و فضای حالت از روش تابع خود همبستگی و برای تخمین بعد آشوبی از روش بعد همبستگی استفاده گردید.بدین منظور دوره آماری سالهای 1971-2000 بعنوان دوره تاریخی و نتایج حاصل از مدل مولد LARS-WGتحت دو سناریو در سه دوره(2080-2099،2030-2065،2011-2046) بعنوان دوره های آتی مدنظر قرار گرفت.نتایج نشان داد که داده های تاریخی با داشتن بعد فراکتالی 5.96 از آشوب پذیری خوبی برخوردارند و داده های سناریو A2 در هر سه دوره با بعد فراکتال کمتر،دارای آشوب پذیری بهتری نسبت به داده های مشاهداتی هستند و این در حالی است که همه سری داده های سناریوی B1 کاملا رفتار تصادفی را از خود نشان می دهند.
Population increase, changes in land usage and industrial activities' development have caused climate changes indifferent regions of the Earth. So studying these effects on rainfall process which is one of the most importantcomponents of water engineering studies. To considering ,extraordinary capabilities in chaos theory formodeling nonlinear and complex hydrological phenomena such as rainfall. In this study, monthly precipitation ofTabriz in the historical condition and climate change condition has been studied with this theory. For estimatelag time and phase state is using autocorrelation function and for chaos dimension applying correlationdimension method. Thus, the statistical period 1971-2000 as a historical period is chosen and the results of theLARS-WG model under two scenarios are (B1) and (A2) in three periods (2011-2030, 2046-2065 and 2080-2099) as future periods. Results show historical period data with the fractal dimension of 5/96 which has a goodchaotic nature. In scenario A2, three series of data, has chaotic nature and their fractal dimension is lower ofhistorical data while in scenario B1, The three periods have stochastic behavior.
