انجمن آبخیزداری ایرانمجله اکوهیدرولوژی2423-609811320240922Consequences analysis of hydro-climatic and land use changes on Bakhtegan Lake surface changes using Landsat satellite imagesتجزیه و تحلیل پیامدهای تغییرات هیدرو اقلیمی و کاربری اراضی بر سطح تالاب بختگان با استفاده از تصاویر ماهوارهای لندست3013209885710.22059/ije.2024.373629.1802FAزهرانوسرودانشآموخته کارشناسی ارشد مرکز تحقیقات بینالمللی بیابان، دانشگاه تهران، کرج، ایرانامیررضاکشتکاردانشیار مرکز تحقیقات بینالمللی بیابان، دانشگاه تهران، کرج، ایرانسعیدحمزهدانشیار دانشکده جغرافیا، دانشگاه تهران، تهران، ایرانحمیدرضاکشتکاراستادیار دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.امیدکاوسیسرباز نخبه مرکز تحقیقات بینالمللی بیابان، دانشگاه تهران، کرج، ایران.Journal Article20240630Lakes, as one of the most important aquatic ecosystems, are a coherent and interconnected set of aquatics or water-dependent plants, and the interference of natural and unnatural factors can disrupt this coherence and quality. One of the efficient methods of monitoring the changes in these ecosystems is remote sensing, which helps to monitor the changes caused by nature and human activities on lakes. The current research was conducted to study the consequences of climate and land use changes on the surface of Bakhtegan Lake over 18 years (2000 to 2017). To monitor the surface fluctuations of Bakhtegan Lake, Landsat satellite images were used in the research period, in the months with the highest surface (May and June) and the lowest surface (August and September). Lake surface and various land use areas have been extracted through a multi-band classification method and using the Support Vector Machine (SVM) method. Then, statistical methods were used to determine of impact of each variable on changes in the lake's surface. Results indicated that the surface of Bakhtegan Lake has experienced periodic fluctuations during different years and precipitation and evaporation variables have an impact on the lake surface.دریاچهها بهعنوان یکی از مهمترین اکوسیستمهای آبی، مجموعهای منسجم و بههمپیوسته از گیاهان آبزی یا وابسته به آب هستند که دخالت عوامل طبیعی و غیرطبیعی میتواند این انسجام و کیفیت را بر هم زند. یکی از روشهای نوین و کارآمد درزمینۀ پایش تغییرات این اکوسیستمها علم سنجش از دور است که به کمک آن، پایش تغییرات ناشی از طبیعت و فعالیتهای انسان در مدیریت دریاچهها امکانپذیر است. تحقیق حاضر با هدف مطالعۀ پیامدهای ناشی تغییرات اقلیمی و کاربری اراضی بر سطح تالاب بختگان در بازۀ زمانی 18ساله (2000 تا 2017) انجام شد. بهمنظور پایش نوسانات سطح تالاب بختگان از تصاویر ماهوارۀ لندست در بازۀ زمانی فوق، در ماههای پرآبی (می و ژوئن) و کمآبی (آگوست و سپتامبر) استفاده شد. بهمنظور استخراج سطوح آبی و نیز کاربری اراضی از روش طبقهبندی چندباندی به روش ماشین بردار پشتیبان استفاده شد. سپس بهمنظور تعیین میزان و نقش تأثیرگذاری هریک از متغیرها بر نوسانات سطح دریاچه از آنالیز رگرسیون استفاده و مشخص شد که سطح دریاچۀ بختگان طی سالهای مختلف دچار نوسانات دورهای مشخص بوده و در شدیدترین وضعیت کاهش سطح، بیش از 79/8 درصد وسعت پهنۀ آبی تالاب بختگان کاملاً خشک شده است. همچنین بررسیها نشان داد که طی 16 سال از کل بازۀ زمانی، روند تغییرات بارندگی و سطح تالاب همسو بوده است.https://ije.ut.ac.ir/article_98857_34c838c814e55b84e9b211c22ff2cd36.pdfانجمن آبخیزداری ایرانمجله اکوهیدرولوژی2423-609811320240922Water Bodies Extraction from Remote Sensing Data by Comparison of Deep Learning Modelsاستخراج پهنههای آبی از دادههای سنجش از دور با مقایسه مدلهای یادگیری عمیق3213369885610.22059/ije.2024.378101.1829FAسیناخوشنویساندانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایرانسعیدقره چلواستادیار، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایرانرضامرتضویاستادیار، دانشکده فنی و مهندسی، دانشگاه دامغان، دامغان، ایرانفاطمهخاکزاددانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایرانJournal Article20240708In the current century, increasing of greenhouse gases has led to significant changes in the climate. It is causing irreversible impacts on agricultural lands, food production, and drinking water supply. By using remote sensing technology and the processing of satellite data, aerial and drone imagery to collect information from the Earth surface, environmental changes monitoring and analyze water bodies has become an effective tool for planning and optimal management of water resources. Modern and interdisciplinary technologies have enabled water resource specialists to accurately identify, mapping and assess surface water resources. In this study, with the aim of identifying small water bodies using remote sensing data, four deep learning models -ENet, SegNet, SE U-Net, and DeepLabV3+EfficientNet- were trained over 50 epochs using the Binary Cross-Entropy loss function. The results showed that the DeepLabV3+EfficientNet model with a Precision of 96.09% and an IoU of 89.13%, achieved the best performance in detecting agricultural ponds. Additionally, the SegNet model with a Precision of 93.81%, and the DeepLabV3+EfficientNet model with an IoU of 85.58%, demonstrated the best performance in detecting of swimming pools. Based on these results, the DeepLabV3+EfficientNet model is recommended by this research for pools and reservoirs detection.در قرن حاضر افزایش غلظت گازهای گلخانهای سبب تغییراتی در آبوهوا و اقلیم زمین شده است. این تغییرات تأثیرات جبران ناپذیری بر اراضی کشاورزی، تولید غذا، و تأمین آب آشامیدنی داشته است. استفاده از فناوری سنجش از دور و پردازش تصاویر ماهوارهای، هوایی و پهپاد به منظور جمعآوری اطلاعات از سطح زمین، تغییرات زیست محیطی و تحلیل پهنههای آبی، آن را به ابزاری موثر برای برنامهریزی، پایش و مدیریت بهینه منابع آب تبدیل کرده است. استفاده از فناوری های نوین و میان رشتهای امکان شناسایی، پهنهبندی و ارزیابی دقیق منابع آب سطحی را برای متخصصین منابع آب فراهم کرده است. در این پژوهش با هدف شناسایی پهنههای آبی سطحی با استفاده از داده های سنجش از دور چهار مدل یادگیری عمیق شامل ENet، SegNet، SE U-Net و DeepLabV3+EfficientNet تحت 50 دوره آموزشی با تابع خطا باینری کراس-آنتروپی (Binary Cross-Entropy) آموزش داده شدهاند. نتایج نشان میدهد که مدلDeepLabV3+EfficientNet با مقدار 96٫09% در معیار Precision و 89٫13 % در معیار IoU، بهترین عملکرد را برای تشخیص استخرهای کشاورزی داشته است. همچنین مدل SegNet با مقدار 93٫81% در معیار Precision و DeepLabV3+EfficientNet با 85٫58% در معیار IoU، بهترین عملکرد رابه ترتیب برای تشخیص استخرهای شنا داشتهان، باتوجه به نتایج مدلDeepLabV3+EfficientNet پیشنهاد میشود.https://ije.ut.ac.ir/article_98856_b7bc827f1143e9511156a18cfe4dc0a8.pdfانجمن آبخیزداری ایرانمجله اکوهیدرولوژی2423-609811320240922Improving Flow Estimation Accuracy Through the Integration of Hydrological Methods and Remote Sensing Data: Emphasizing the Role of Soil Texture and Land Use in Unguaged Sites Located Hydrometric Dataبهبود دقت برآورد دبی با تلفیق روشهای هیدرولوژیکی و دادههای سنجشازدور با تاکید بر نقش بافت خاک و کاربری اراضی در حوضه های فاقد آمار هیدرومتری3373549923810.22059/ije.2024.383293.1842FAحافظمیرزاپوردانشجوی دکتری مدیریت حوزههای آبخیز، دانشکده منابع طبیعی، دانشگاه لرستان، خرمآباد، ایرانعلیحقی زادهدانشیار گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، خرمآباد، ایرانمهدیسلیمانی مطلقاستادیار گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، خرمآباد، ایرانJournal Article20240722Effective water resource management in areas with limited hydrometric data requires the application of innovative and integrated methods to examine hydrological dynamics more accurately. This study investigates and analyzes how flow was estimated in the sub-basins of the Dez in Lorestan Province. Initially, Sentinel-1 and 2 satellite data were used, along with SRCI and BI indices, to extract maps of soil textures, land use, and curve number (CN). Subsequently, Relying on rainfall and discharge data from 1992 to 2023 and statistical analysis, the return period of rainfall and flow for the studied sub-basins was calculated utilizing EasyFit software. The flow for each sub-basin was estimated using the SCS method and multivariate regression. The results indicated that multivariate regression, evaluated using the Durbin-Watson statistic (1.74), the coefficient of determination (0.768), the mean squared error (17.88), and the Nash-Sutcliffe efficiency (0.758) for a 2-year return period, was the most suitable method for estimating flow at ungauged stations within the sub-basins of the Dez River. Overall, this research presents effective approaches for water resource management and the optimization of hydrological in Lorestan Province, To optimize cost and time efficiency, the use of multivariate regression for flow estimation in ungauged hydrometric sub-basins is recommended.مدیریت مؤثر منابع آب در مناطق با دادههای هیدرومتری محدود، نیازمند استفاده از روشهای نوین و ترکیبی است که به بررسی دقیقتر دینامیکهای هیدرولوژیکی بپردازند. این پژوهش به بررسی و تحلیل برآورد دبی زیرحوزههای دز در استان لرستان میپردازد. ابتدا با اتکا به دادههای ماهوارهای سنتینل 1 و 2 و بهرهگیری از شاخصهای SRCI و BI نقشهی بافتهای خاک، کاربری اراضی و نقشه شماره منحنی (CN) استخراج گردید. در ادامه، با تکیه بر دادههای بارش و دبی از سال 1371 تا 1402 و تحلیل آماری، دوره بازگشت بارش و دبی زیرحوزههای موردمطالعه با بهرهگیری از نرمافزار ایزی فیت محاسبه گردید. دبی هر زیر حوزه با استفاده از روش SCS و رگرسیون چندمتغیره تخمین زده شد. نتایج نشان داد رگرسیون چندمتغیره باتوجهبه مقادیر آماره دوربین واتسون (1/74) آمارههای ضریب تعیین 0/768 میانگین مربعات خطا 17/88و نش ساتکلیف 0/758 در دوره بازگشت 2 ساله مناسبترین دوره بازگشت جهت تخمین دبی ایستگاههای فاقد آمار در زیرحوزههای دز در استان لرستان میباشد. بهطورکلی، این پژوهش شیوههای کارآمدی را برای مدیریت منابع آبی و بهینهسازی هیدرولوژیکی در استان لرستان ارائه میدهد و توصیه میشود جهت صرفه جویی در هزینه و زمان از رگرسیون چندمتغیره برای تخمین دبی در زیرحوزههای آبخیز فاقد آمار بهرهبرداری گردد.https://ije.ut.ac.ir/article_99238_40a3ded0ca555114bb77005aaad9175d.pdfانجمن آبخیزداری ایرانمجله اکوهیدرولوژی2423-609811320240922The suitable method for rainfall hyetograph extracting in dry areas via hourly rainfall and under the climate change scenariosانتخاب روش مناسب استخراج هایتوگراف بارش در مناطق خشک با تحلیل بارشهای ساعتی و تحت تأثیر تغییرات اقلیمی3553739935410.22059/ije.2024.383818.1844FAرضاقضاویاستاد گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایرانزهرافرهناکیاندانشجوی کارشناسی ارشد، گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایرانJournal Article20240723<strong>Objective</strong>: In this research, triangular (Yen and Chao) and periodic block methods were used to calculate and draw precipitation hyetograph in Kashan synoptic station as an indicator station of dry areas.<br /><strong>Method</strong>: In order to investigate the effect of climate change on precipitation in the study area, the general circulation model of the atmosphere and different climate scenarios were used. Then the frequency intensity curves for the base period (1993-2017) and the Znear future (2030-2011) and distant future (2050-2031) periods were drawn by using Kahraman-Abkhader relationship. In the following, the curves of intensity, duration, frequency of extraction and corresponding rainfall hyetograph were drawn based on triangular (Yen and Chau) and periodic block methods, and the results were compared with the rainfall patterns measured at the Kashan synoptic station.<br /><strong>Results</strong>: The results showed that in the study area, the maximum amount of precipitation occurred within 30 minutes after the beginning of the precipitation. The results showed that the precipitation hyetograph of the measured and predicted precipitation data is similar to the hyetograph drawn by the triangulation method (Yen and Chau).<br /><strong>Conclusions</strong>: According to the results, the triangular method (Yen and Chau) can be introduced as a suitable method for investigating the distribution of precipitation in dry areas. <br /><strong>موضوع:</strong> منحنیهای شدت- مدت- فراوانی (IDF) و هایتوگراف بارش نقش اساسی در طراحی ابعاد و اجزای سازههای آبخیزداری و ابعاد شبکههای زهکشی دارند و همۀ سازههای هیدرولیکی براساس شدت بارشهایی با دورۀ بازگشت و زمان تداوم مشخص طراحی میشوند.<br /><strong>هدف:</strong> در این تحقیق از روشهای مثلثی (ین و چاو) و بلوک تناوبی برای محاسبه و ترسیم هایتوگراف بارش در ایستگاه سینوپتیک کاشان بهعنوان یک ایستگاه شاخص مناطق خشک استفاده شد.<br /><strong>روش تحقیق:</strong> بهمنظور بررسی تأثیر تغییرات اقلیمی بر بارش منطقۀ مورد مطالعه، از مدل گردش عمومی جو و سناریوهای مختلف اقلیمی استفاده شد. سپس منحنیهای شدت مدت فراوانی برای دورۀ پایه (۱۹۹۳-۲۰۱۷) و دورههای آینده نزدیک (2011-2030) و آیندۀ دور (2031-2050) با استفاده از روابط قهرمان و آبخضر ترسیم گردید. در ادامه، منحنیهای شدت- مدت- فراوانی استحصال و هایتوگراف بارش متناسب با آن براساس روشهای مثلثی (ین و چاو) و بلوک تناوبی ترسیم شدند و نتایج حاصل با الگوهای بارشِ اندازهگیریشده در ایستگاه سینوپتیک کاشان مقایسه شد.<br /><strong>یافتهها:</strong> نتایج بررسی مقادیر بارش اندازهگیریشده در سالهای اخیر نشان داد که حداکثر مقدار بارندگی در زمان 30 دقیقه پس از شروع بارش رخ داده است. نتایج این مطالعه نشان داد که هایتوگراف بارش رسمشده با استفاده از دادههای بارش اندازهگیری و پیشبینیشده مشابه با هایتوگراف ترسیمی حاصل از روش مثلثی (ین و چاو) است.<br /><strong>نتیجهگیری:</strong> براساس نتایج میتوان روش مثلثی (ین و چاو) را بهعنوان روش مناسب بررسی توزیع بارش در ایستگاههای هواشناسی مناطق خشک معرفی کرد.https://ije.ut.ac.ir/article_99354_bbb0f1ea6a4ef906f6821778cc249496.pdfانجمن آبخیزداری ایرانمجله اکوهیدرولوژی2423-609811320240922Simulation of Climatic Parameters using Statistical Microscale Models of SDSM and LARS in West Azerbaijan Provinceشبیهسازی پارامترهای اقلیمی با استفاده از مدلهای ریزمقیاس نمایی آماری SDSM و LARS در استان آذربایجان غربی3743949925910.22059/ije.2024.373803.1805FAمحمدحسینجهانگیردانشیار دانشکده مهندسی انرژی و منابع پایدار، دانشکدگان علوم و فناوریهای میان رشتهای، دانشگاه تهران، تهرانفاطمهروزبهانیدانش آموخته کارشناسی ارشد دانشکده مهندسی انرژی و منابع پایدار، دانشکدگان علوم و فناوریهای میان رشتهای، دانشگاه تهران، تهرانJournal Article20240723<strong>Objective</strong>: The objective of this study is to evaluate the performance of the statistical downscaling models SDSM and LARS-WG in simulating minimum and maximum temperatures and precipitation at four stations (Urmia, Maku, Takab, and Mahabad) in West Azerbaijan province, with data from the periods 1987-2010 and 2020-2065.<br /><strong>Method</strong>: The study used the statistical downscaling models SDSM and LARS-WG to simulate temperature and precipitation variables at the selected stations. The observed data for the period 1987-2010 and the forecasted data for 2020-2065 were compared in both models. Additionally, to validate the SDSM model, the simulated parameters were compared with NCEP data and real observed data.<br /><strong>Results</strong>: The results showed that both models were more accurate in simulating temperature than precipitation. The SDSM model performed better in simulating daily temperature compared to LARS-WG, whereas the precipitation results from the LARS-WG model were slightly more accurate than those from the SDSM model. Additionally, the RMSE values for the SDSM and LARS-WG models for precipitation were 2.84 mm and 3.4 mm, respectively, while for maximum temperature, the RMSE values were 0.02°C and 0.29°C, respectively.<br /><strong> </strong><br /><strong>Conclusions</strong>: Based on the results, the SDSM model demonstrated higher accuracy in simulating both precipitation and temperature compared to the LARS-WG model. This model can be considered a reliable tool for predicting future changes in temperature and precipitation.<strong>موضوع: </strong>تغییرات آبوهوایی جهانی تأثیرات زیادی بر فرایندهای هیدرولوژیکی و منابع آب دارد. بهدلیل مقیاس بزرگ مدلهای گردش عمومی (GCM)، این مدلها دقت مکانی و زمانی مناسبی ندارند و نیاز به ریزمقیاسنمایی آماری و دینامیکی وجود دارد.<br /><strong>هدف: </strong>بررسی عملکرد مدلهای آماری SDSM و LARS-WG در شبیهسازی دمای حداقل، حداکثر و بارش در چهار ایستگاه ارومیه، ماکو، تکاب و مهاباد در استان آذربایجان غربی.<br /><strong>روش تحقیق: </strong>در این پژوهش، دادههای تاریخی برای دورۀ 1987-2010 و دادههای پیشبینیشده برای دورۀ 2020-2065 با استفاده از مدلهای SDSM و LARS-WG مورد مقایسه قرار گرفتند. همچنین، بهمنظور اعتبارسنجی SDSM، پارامترهای شبیهسازیشده با متغیرهای NCEP و دادههای واقعی مقایسه شدند.<br /><strong>یافتهها: </strong>یافتهنتایج نشان داد که هر دو مدل در شبیهسازی دما دقیقتر از بارش عمل میکنند. مدل SDSM در شبیهسازی دمای روزانه عملکرد بهتری نسبت به LARS-WG دارد، درحالیکه نتایج بارش در مدل LARS-WG کمی دقیقتر از مدل SDSM بود. همچنین، متوسط شاخص RMSE برای مدلهای SDSM و LARS-WG برای بارش بهترتیب 2/84 و 3/4 میلیمتر و برای دمای حداکثر بهترتیب 0/02 و 0/29 درجه سانتیگراد بود.<br /><strong>نتیجهگیری: </strong>با توجه به نتایج، مدل SDSM دقت بالاتری در شبیهسازی بارش و دما نسبت به مدل LARS-WG نشان داد. این مدل میتواند بهعنوان ابزاری معتبر برای پیشبینی تغییرات دما و بارش در آینده استفاده شود.https://ije.ut.ac.ir/article_99259_f3652e8050a1430d7c045fff74aab8a4.pdfانجمن آبخیزداری ایرانمجله اکوهیدرولوژی2423-609811320240922Assessing ecological niche shift for the Caspian Kutum (Rutilus frisii) in southern waters of the Caspian Sea over a decadal periodارزیابی تغییر آشیان اکولوژیک ماهی سفید (Rutilus frisii) در آبهای جنوبی دریای خزر در طول یک دوره 10ساله3954109949310.22059/ije.2024.385183.1848FAفاتحمعزیمحقق پسادکتری، بنیاد ملی نخبگان و گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایرانسهیلایگدریدانشیار گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایرانJournal Article20240723<strong>Objective</strong>: Assessment of influencing environmental fluctuations on organisms in aquatic ecosystems is of high importance in the management and conservation of them. The present study aimed to investigate ecological niche shifts of Caspian Kutum (<em>Rutilus frisii</em>) under the effects of environmental condition changes in southern waters of the Caspian Sea during a decadal period (catch seasons 2002/03 and 2011/12).<br /><strong>Method</strong>: The ecological niche modeling was applied using commercial catch data and remotely-sensed environmental data. The random forest method was used to evaluate ecological niche relationships.<br /><strong>Results</strong>: The results showed significant (P < 0.001) decreases in day-time sea surface temperature (SST) and near-surface chlorophyll-a concentration (Chl-<em>a</em>) during the study period. The importance levels of SST, slope, and distance to riverine entrance locations in defining fish ecological niche were increased over the decadal period, while Chl-<em>a</em> and particulate organic carbon (POC) content had lower importance levels at the end of the period. The estimations of optimum ecological ranges of SST indicated considerable decreases over the period, but for other parameters, there were increasing patterns of optimum levels with extending their ranges compared to the initial catch season. Also, spatial shifts were obtained in the occurrence of the ecological niche conditions over the coastal regions.<br /><strong>Conclusions</strong>: The findings of this study indicated considerable changes in the ecological niche of the Caspian Kutum during the decadal period and its spatial distribution over the southern coastal waters of the Caspian Sea.<strong>موضوع:</strong> ارزیابی اثرپذیری آبزیان از تغییرات شرایط محیطی در اکوسیستمهای آبی از اهمیت بالایی در مدیریت بهرهبرداری و حفاظت این گونهها برخوردار است.<br /><strong>هدف:</strong> مطالعۀ حاضر با هدف بررسی تغییرات آشیان اکولوژیک ماهی سفید (<em>Rutilus frisii</em>) درنتیجۀ تغییرات شرایط محیطی در آبهای جنوبی دریای خزر در طول یک دورۀ ۱۰ساله (دورههای صید 2002/03 و 2011/12) انجام شد.<br /><strong>روش تحقیق:</strong> مدلسازی آشیان اکولوژیک این گونه با استفاده از دادههای صید تجاری و دادههای سنجش از دور پارامترهای محیطی انجام شد. روش مدلسازی جنگل تصادفی برای ارزیابی آشیان اکولوژیک گونه به کار گرفته شد.<br /><strong>یافتهها:</strong> نتایج بهدستآمده نشاندهندۀ کاهش معنیدار (0.001 <em>>P</em> ) دمای سطحی آب دریا در روز (SST) و غلظت کلروفیل-<em>a</em> لایۀ سطحی آب (Chl-<em>a</em>) در طول دورۀ زمانیِ مورد بررسی بود. سهم اهمیت پارامترهای SST، شیب و فاصله از ورودیهای رودخانهای در تعریف آشیان اکولوژیک گونه در طول این دوره افزایش یافته، درحالیکه اهمیت Chl-<em>a</em> و غلظت کربن آلی ذرهای (POC) کاهش یافته بود. برآوردهای مربوط به بازۀ بهینۀ اکولوژیک متغیر SST بیانگر کاهش بهینۀ دمایی گونه در پایان دوره بود، درحالیکه برای سایر متغیرها جابهجاییهای افزایشی و همچنین وسیعتر شدن بازۀ مقادیر مطلوب به دست آمد. ارزیابیهای مکانی نیز نشاندهندۀ تغییرات چشمگیر در بروز شرایط بهینۀ اکولوژیک بود.<br /><strong>نتیجهگیری: </strong>مجموعۀ یافته های به دست آمده در این مطالعه، بیانگر تغییر قابل توجه آشیان اکولوژیک ماهی سفید در طول دورۀ زمانی مورد بررسی و همچنین پراکنش مکانی مربوط به این گونه در آبهای ساحلی جنوب خزر بود. https://ije.ut.ac.ir/article_99493_71a56b9705f7eb08bae6ebebe8a836ad.pdfانجمن آبخیزداری ایرانمجله اکوهیدرولوژی2423-609811320240922Modeling and forecasting of climate parameters using CanESM2 model under RCP scenarios (case study: Karaj station)مدلسازی و پیشبینی پارامترهای اقلیمی با استفاده ازمدل CanESM2 تحت سناریوهای RCP (مطالعه موردی : ایستگاه کرج)4114269962110.22059/ije.2024.382370.1845FAسید جوادساداتی نژاددانشیار، گروه علوم و فناوریهای محیطی، دانشکده مهندسی انرژی و منابع پایدار، دانشگاه تهران، تهران، ایرانفرشادسلیمانی ساردواستادیار، گروهی مهندسی طبیعت دانشکده منابع طبیعی دانشگاه جیرفت، جیرفت، ایرانمحمدمیرزاونداستادیار، گروه علوم و فناوریهای محیطی، دانشکده مهندسی انرژی و منابع پایدار، دانشگاه تهران، تهران، ایرانJournal Article20240710<strong>Objective</strong>: Climate change is one of the most important challenges of this century. The consequences of these changes and how to adapt to them as well as reducing the causes of climate change are important points of this phenomenon. Currently, there is scientific and definite evidence about the warming of the earth and the unprecedented increase in temperature on the surface of the earth and the atmosphere caused by it is a human activity, it is a proof of this. The most important parameters affecting the phenomenon of climate change are precipitation and temperature.
<strong>Method</strong>: The CanESM2 model was used to predict the climatic parameters of temperature, precipitation and wind speed under the RCP to predict the climate change in Karaj station.
<strong>Results</strong>: The results showed that the average rainfall in the Karaj station was 96 mm in the historical period which is according to the scenarios RCP2.6, RCP4.5 and RCP 8.5 will decrease in the near future (2060 - 2030) and 62 % in the near future (2060 - 2030) and 81 % in the future (2070 - 2099) than the observed period (1985 - 2017). The results of the simulation of the average temperature according to RCP2.6, RCP4.5 and RCP8.5 scenarios showed that the average temperature in the future period is close to 0.53, 0.17 and 0.19% compared to the observation period (15.81 degrees Celsius) will decrease, while in the future period (2070-2100) under the RCP2.6 scenario, it will decrease by 1.11 percent and according to the RCP4.5 and RCP8.5 scenarios, it will increase by 0.39 and 2.13 percent. The average simulated wind speed showed that the wind speed was 27.89, 25.03 and 24.55% in the period from 2030 to 2060 and 34.16, 25.37 and 23.84% in the period from 207 to 2100 under the RCP scenarios compared to the value observed (2.41 m/s) will increase.
<strong>Conclusion</strong>: The evaluation results of CanESM2 model in this study can be considered as an acceptable statistical result to investigate the changes of climatic parameters. Observing the pattern of consumption and optimal use of water resources as well as preventing the increase of greenhouse gases can control the trend of increasing temperature and decreasing rainfall.<strong>موضوع:</strong> تغییر اقلیم یکی از چالشهای مهم قرن حاضر است. پیامدهای این تغییرات و چگونگی سازگاری با آنها و همچنین کاهش علل ایجاد تغییرات اقلیمی از نکات مهم این پدیده است. درحال حاضر، شواهد علمی و قطعی در مورد گرم شدن زمین وجود دارد و میزان افزایش بیسابقۀ دما در سطح زمین و جو که ناشی از فعالیتهای انسانی بوده، شاهدی بر این موضوع است. از مهمترین پارامترهای مؤثر بر روی پدیدۀ تغییر اقلیم، بارندگی و دما هستند.
<strong>هدف:</strong> در این مطالعه بهمنظور پیشبینی تغییرات اقلیمی در ایستگاه کرج از مدل CanESM2 برای مدلسازی پارامترهای اقلیمی دما، بارندگی و سرعت باد تحت سناریوهای RCP استفاده شد.
<strong>روش تحقیق:</strong> در این مطالعه از مدلهای ریزمقیاسنمایی برای پیشبینی پارامترهای دما، بارش و باد در ایستگاه کرج استفاده شد.
<strong>یافتهها:</strong> نتایج نشان داد براساس نتایج حاصل از شبیهسازی بارندگی در ایستگاه کرج، میانگین بارندگی در دورۀ تاریخی 96/247 میلیمتر بوده که طبق سناریوهای RCP2.6، RCP4.5 و RCP 8.5 بهترتیب 36/44، 8/75 و 15/62 درصد در آیندۀ نزدیک (2060-2030) و 62/81، 14/53 و 16/47 درصد در آیندۀ دور (2100-2070) نسبت به دورۀ مشاهداتی (2017-1985) کاهش خواهد یافت. نتایج حاصل از شبیهسازی دمای متوسط طبق سناریوهای RCP2.6، RCP4.5 و RCP8.5 نشان داد دمای متوسط در دورۀ آیندۀ نزدیک 0/53، 0/17 و 0/19 درصد نسبت به دورۀ مشاهداتی (81/15 درجۀ سانتیگراد) کاهش خواهد یافت؛ درحالیکه در آیندۀ دوره (2100-2070) تحت سناریو RCP2.6 1/11 درصد کاهش و براساس سناریوهای RCP4.5 و RCP8.539/0 و 2/13 درصد افزایش خواهد داشت. میانگین سرعت باد شبیهسازیشده نشان داد سرعت باد 27/89، 25/03 و 24/55 درصد در دورۀ 2030 تا 2060 و 34/16، 25/37 و 23/84 درصد در دورۀ 2070تا 2100 تحت سناریوهای RCP نسبت به مقدار مشاهداتی (2/41 متر بر ثانیه) افزایش خواهد یافت.
<strong>نتیجهگیری:</strong> نتایج ارزیابی مدل CanESM2 در این مطالعه میتواند بهعنوان یک نتیجۀ آماری قابل قبول برای بررسی تغییرات پارامترهای اقلیمی در نظر گرفته شود. رعایت الگوی مصرف و استفادۀ بهینه از منابع آبی و همچنین جلوگیری از افزایش گازهای گلخانهای میتواند روند افزایش دما و کاهش بارندگی را کنترل کند.https://ije.ut.ac.ir/article_99621_6a9315ae800f32344a2c06701c9356ff.pdf