ارزیابی اثر تغییر اقلیم بر جریان ورودی به مخزن سد شاهچراغی

آب و خاک

مقاله 2، دوره 30، شماره 1 - شماره پیاپی 45، اردیبهشت 1395، صفحه 1-14   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v30i1.32126

نویسندگان

محمد ابراهیم بنی حبیب^* ؛ خدیجه حسنی؛ علیرضا مساح بوانی

دانشگاه تهران، پردیس ابوریحان

چکیده

در این تحقیق، اثرات تغییر اقلیم بر متغیرهای هیدرولوژیکی و اقلیمی حوضه آبریز سد شاهچراغی واقع در استان سمنان، با استفاده از مدل جامع ارزیابی اثر تغییر اقلیم بررسی شده است. در مدل پیشنهادی، زیرمدل LARS-WG برای تبدیل خروجی روزانه مدل CGCM3 تحت سناریوهای A1B، A2 و B1 به مقیاس محلی و زیرمدل شبکه عصبی مصنوعی (7زیرمدل بدست آمده با استفاده از ترکیب‌های متفاوتی از پارامترهای ورودی شامل، دما، بارش و همچنین تابش خورشیدی) برای شبیه‌سازی جریان ورودی به مخزن در آینده استفاده و با استفاده از آمار دوره پایه
2008-1990واسنجی شده اند.در نهایت جریان ورودی به مخزن سد در دوره آتی (2044-2015) شبیه سازی و با دوره پایه مقایسه شده است. نتایج این تحقیق نشان می دهد که با وجود متوسط افزایش دمای حداقل و حداکثر به ترتیب برابر 15/1 و 21/1 درجه سانتیگراد در دوره آینده نسبت به دوره پایه، میزان تابش خورشیدی تغییرات محسوسی نداشته است و به طور متوسط 55/0درصد در دوره آینده افزایش می‌یابد. همچنین بیشترین افزایش در میزان بارش در دوره آتی در ماه می‌(129 درصد) و بیشترین کاهش در ماه ژانویه (9 درصد) رخ می دهد. از طرفی بررسی ها نشان از آن دارد که شاهد افزایش جریان ورودی به مخزن در آوریل و می‌به میزان 45 و 70 درصد و نیز کاهش میزان جریان در ماه اوت به میزان 18 درصد در دوره آتی خواهیم بود، ولی در مقیاس سالانه میزان جریان ورودی به مخزن حدود 1/2 تا 1/4 درصد در سناریوهای مختلف کاهش می‌یابد.

کلیدواژه‌ها

جریان ورودی؛ دامغان؛ ریزمقیاس نمایی؛ مدل جامع

مراجع

1- Akhtar M., Ahmad N., and Booij M.J. 2008. The impact of climate change on the water resources of Hindukush- Karakorum- Himalaya region under different glacier coverage scenarios. Journal of Hydrology,355:148-163.

2- ASCE Task Committee on Application of Artificial Neural Network in Hydrology. 2000. Artificial neural networks in hydrology, I: preliminary concepts. Journal of Hydrologic Engineering,5:115-123.

3- Banihabib M.E., and Jamali F.S. 2010. Comparison of Dynamic Artificial Neural Network and Multivariate Linear Regression Models for Inflow Forecasting Using Remote Sensing Data. J of Water & Soil Science, 20/1(2): 173-185. (in Persian with English Abstract).

4- Candela L., Tamoh K.,Olivares G., and Gomez M. 2012. Modelling impacts of climate change on water resources in ungauged and data-scarce watersheds. Application to the Siurana catchment (NE Spain). Science of the total environment, 440: 253-260.

5- FAO Irrigation and Drainage Paper- No. 56- Crop Evapotranspiration (guidelines for computing crop water requirements)

6- IPCC, 2000. Intergovernmental Panel on Climate Change, Special Report on EmissionsScenarios, Nebojsa Nakicenovic and Rob Swart (Eds.), CambridgeUniversityPress,UK,pp.570.

7- Karamouz M., Emami f., Ahmadi A., and Moridi A.2009. Development of reservoir operation with regard to climate change.Eighth International Congress of Civil Engineering-Iran. Shiraz. (in Persian).

8- Koocheki M., Nassiri Gh., and Kamali A. 2009. Climate indices of Iran under climate change. J of agricultural research, 5(1): 133-142 (in Persian with English Abstract).

9- Maurer E.P., Adam J.C., and Wood A.W. 2009. Climate model based consensus on the hydrologic impacts of climate change to the Rio Lempa basin of Central America. Hydrology and Earth System Sciences, 13(2): 183-194.

10- Massah Bavani A. R., and Morid S. 2006. Impact of Climate Change on the Water Resources of Zayandeh Rud Basin. J of Water & Soil Science-Science & Technology of Agriculture & Natural Resources, 9 (4): 17-28 (in Persian).

11- Massah Bavani A. R., Morid S., and Mohammadzadeh M. 2010. Evaluating different AOGCMs and downscaling procedures inclimate chang local impact assessment studies. Journal of Earth & Space Physics. 36(4): 99-110 (in Persian with English Abstract).

12- Motiee H., and McBean E. 2009. An assessment of long-term trends in hydrologic components and implications for water levels in Lake Superior. Journal of Hydrology Research, 564-579.

13- Sanikhani H., Dinpajoh Y., Pour Yusef S., Ghavidel S.Z., and Solati B. 2014. The Impacts of Climate Change on Runoff in Watersheds (Case Study: Ajichay Watershed in East Azerbaijan Province, Iran). Journal of Water and Soil, 27 (6): 1225-1234.(in Persian with English abstract).

14- Steele-Dunne S., Lynch P., McGrath R., Semmler T., et al. 2008. The impacts of climate change on hydrology in Ireland. Journal of Hydrology, 356: 28-45.

15- Xu C. y .1999. From GCMs to river flow: A review of downscaling methods and hydrologic modeling approaches. Progress in physical Geography, 23: 229-249.

16- www.daminfo.wrm.ir

17- http://ipcc-data.org/

18- http://www.spss-iran.com/