نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد مهندسی منابع آب، دانشگاه تبریز

2 دانشیار گروه مهندسی آب دانشگاه تبریز

3 دانش آموخته کارشناسی ارشد مهندسی منابع آب، دانشگاه شهید چمران اهواز

چکیده

امروزه تاثیر پدیده گرمایش جهانی و تغییر اقلیم به خاطر افزایش گازهای گلخانه­ای در اتمسفر بر بسیاری از سیستم‌های طبیعی به اثبات رسیده است. تمامی مدل­های گردش عمومی آتمسفر (GCM) آینده گرم­تری را برای کره­ی زمین پیش‌بینی
می­کنند. وقوع چنین شرایطی می­تواند  فرآیندهای هیدرولوژیک نظیر بارش و جریان رودخانه­ها را که یکی از اصلی­ترین منابع تأمین­کننده آب حوضه­ها می­باشد تحت تاثیر قرار دهد.
به دلیلتفکیک فضاییکمیاسادهسازیبرخیپدیده‌هایخرد مقیاسدر مدل­هایگردش عمومیجو،این مدل­هانمی­توانند تقریبدرستی از شرایطآبوهواییمناطق کوچک ارائه دهند،لذا بایستیخروجی آن­هاتاحدایستگاههواشناسیریزمقیاس گردد. دراین تحقیقدادههایمدل گردش عمومی جو HadCM3با به کارگیری مدل LARS-WGطبق دو سناریوی A2و A1B، ریزمقیاس شده­ و پارامترهای روزانه بارش، دمای حداقل و دمای حداکثر حوضه آبریز صوفی چای برای سه دوره 2030-2011، 2065-2046 و 2099- 2080 تولید گردید. برای ارزیابی تاثیر تغییر اقلیم بر رواناب حوضه، از مدل­های هوشمند شبکه عصبی مصنوعی و برنامه­ریزی ژنتیک استفاده شده است. نتایج حاکی از افزایش مقطعی بارش در دوره 2030-2011 و کاهش آن در آینده­های دورتر نسبت به اقلیم کنونی،  افزایش تدریجی دمای حداقل و دمای حداکثر در هر سه دوره و کاهش میزان رواناب در آینده نسبت به حال حاضر می­باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Estimate The Amount of Climate Change Effects on Rainfall-Runoff if Sufi-Chi Basin

نویسندگان [English]

  • Masoud Gharib Doost 1
  • Mohammad Ali Ghorbani 2
  • Atiyeh Hosseini Zadeh 3

چکیده [English]

Nowaday, the impact of global warming and climate change because of the increased effects of greenhouse gases in the atmosphere has been observed in many natural systems. All the general circulation models of the atmosphere predict warmer future for the earth. Hydrological processes such as rainfall and river flows as one of the main sources of water supply basins could be affected in such circumstances. Due to the low spatial resolution or simplification of some micro-scale phenomena in atmospheric general circulation models, these models cannot be employed for accurate approximation of the climate of the considered area, therefore, their output must be down scaled to the meteorological station range. In this study, the data of HadCM3 general circulation model down scaling with the use of LARS-WG model under two scenarios A2 and A1B and Parameters of daily rainfall, minimum temperature and maximum temperature of the Sufi-Chi basin generated for three periods (2011-203, 2046-2065-, 2080-2099). To assess the effect of climate change on runoff is used from artificial neural networks and genetic programming of intelligent model. The results indicate that the rainfall will increase in 2011-2030 and will decrease in the further future. Also the maximum and minimum temperatures will gradual increase in three periods of future and the amount of runoff will decrease in future than current time.

کلیدواژه‌ها [English]

  • Rainfall-Runoff
  • Sufi-Chi basin
  • downscaling
  • LARS-WG
  • Intelligent models

1-    اشرف، ب.، موسوی بایگی، م.، کمالی، غ. و ک. داوری. 1390. پیش بینی تغییرات فصلی پارامترهای اقلیمی در 20 سال آتی با استفاده از ریز مقیاس نمایی آماری داده های مدل HadCM3 (مطالعه موردی: استان خراسان رضوی). نشریه آب و خاک (علوم و صنایع کشاورزی)، 25 (4):  952-940.

 

2-    عباسی، ف.، ملبوسی، ش.، بابائیان، ا.، اثمری، م. و ر. برهانی. 1389. پیش بینی تغییرات اقلیمی خراسان جنوبی در دوره 2039-2010 میلادی با استفاده از ریز مقیاس نمایی آماری خروجی مدل ECHO-G. نشریه آب و خاک (علوم و صنایع کشاورزی). 2 (24): 233-218.

 

3-    Abdo, K.S., Fiseha, B.M., Rientjes, T.H.M., Gieske, A.S.M. and A.T. Haile. 2009. Assessment of climate change impacts on the hydrology of Gilgel Abay catchment in lake Tana Basin. Ethiopia. Hydrological Processes, 23(26): 3661-3669.

 

4-    Ferreira, C. 2001. Gene expression programming: a new adaptive algorithm for solving problems. Complex Systems, 13(2): 87-129.

 

5-    Guven, A. 2009. Linear genetic programming for time-series modeling of daily flow rate. Journal of Earth System Science, 118(2): 157-173.

 

6-    Hashmi, M.Z., Shamseldin, A.Y. and B.W. Melville. 2010. Comparison of  SDSM and LARS-WG for simulation and down scaling of extreme precipitation events in a watershed. Stochastic Enviromental Research and Risk Assessment, 25: 475-484.

 

7-    Johnson, G.L., Hanson, C.L., Hardegree, S.P. and E.B. Ballard. 1996. Stochastic weather simulation: over view and analysis of two Commonly used model. Journal of Applied meteorology, 35: 1878-1896.

 

8-    Kisi, O., Shiri, J. and M. Tombul. 2012. Modeling rainfall – runoff process using soft computing techniques. Computers & Geosciences, 23:412-422.

 

9-    Koza, J.R. 1992. Genetic programming on the programming of computers by means of natural selection. MIT Press, Cambridge.

 

10- Mitchell, T.D. 2003. Pattern scaling : An examination of accuracy of the technique for describing future climates. Climate Change, 60:217-242.

 

11- Semenov, M.A. and E.M. Barrow. 2002. LARS-WG a stochastic weather generator for use in climate impact studies. User’s manual, Version 3.0.

 

12- Souvignet, M., Gaese, H., Ribbe, L., Kretschmer, N. and R. Oyarzun. 2010. Statistical downscaling of precipitation and temperature in north-central Chile: an assessment of possible climate change impacts in an arid Andean watershed. Hydrological Sciences Journal, 55(1): 41-57.

 

13- Wilby, L.R., Hay, L.E. and G.H. Leavesley. 1998. A comparison of downscaled and raw GCM output: Implications for climate change scenarios in the San Juan River Basin, Colorado. Journal of Hydrology, 225: 67-91.

 

14- Wilby, R.L. and I. Harris. 2006. A framework for assessing uncertainties in climate change impacts: Low-flow scenarios for the River Thames, UK. Water Resources Research, 42(2): 1-10.

 

15- Yu HH and N.H. Jenq. 2002.  Handbook of Neural Network Signal Processing. CRC Press.

 

16- Zarghami, M., Hassanzadeh, Y., Babaeian, I. and R. Kanani. 2009. Climate change and water resources vulnerability; Case study of Tabriz City. In SENSE symposium on climate proofing cities (1).‏