بررسی آثار تغییر اقلیم بر رواناب به کمک مدل درخت تصمیم (مطالعۀ موردی:حوضۀ زرین‌گل)

نوع مقاله : پژوهشی

نویسندگان

1 کارشناس ارشد مهندسی منابع آب،گروه آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 دانشیار، دانشکدۀ مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

برای بررسی اثر تغییر اقلیم بر رواناب در حوضۀ آبریز زرین‌گل در استان گلستان پس از مدل‏سازی بارش رواناب به کمک مدل درخت تصمیم M5 از نتایج مدل گردش عمومی HADGEM2 تحت دو سناریو RCP 4.5 وRCP 8.5  برای پیش‏بینی رواناب برای دوره‏های اقلیمی آیندۀ نزدیک، میانی و دور استفاده شد. نتایج آزمون من‌ـ کندال برای تشخیص روند در دورۀ 1995ـ 2015 نشان داد فقط بارش در فصل تابستان و دما در فصل بهار و تابستان افزایش معنا‏دار داشتند. با این‏وجود، تأثیر افزایش دما باعث کاهش معنا‏دار دبی در بیشتر فصل‏ها و میانگین سالانۀ دبی شد. همچنین، مدل لارس از کارایی لازم برای تولید داده‏های بارش و دما برخوردار بود. بررسی تغییر اقلیم در حوضۀ آبریز زرین‌گل بیانگر آن بود که تغییرات بارش از الگوی افزایشی و یا کاهشی خاصی پیروی نمی‏کند، اما دمای هوا تحت هر دو سناریوی اقلیمی با افزایش همراه خواهد بود، به طوری که دمای سالانه به‏طور میانگین حدود 5/0 تا 5 درجۀ سانتی‏گراد افزایش خواهد یافت که بیشترین افزایش دما برای سناریوی RCP 8.8 در آیندۀ دور بود. نتایج خروجی دو مدل M5 و MLR نشان داد مدل M5 قادر است ضریب همبستگی را از 7/0  به حدود 87/0  افزایش دهد و مقدار خطای RMSE را از 82/0  به 59/0  کاهش دهد. بر اساس نتایج خروجی مدل M5، رواناب در منطقۀ مطالعاتی نیز طی دوره‏های آتی با کاهش همراه خواهد بود و بیشترین میزان کاهش میانگین دبی ماهانه در آیندۀ دور حدود 41 درصد در ماه مارس برای سناریوی RCP 8.5 برآورد شد.

کلیدواژه‌ها


[1]. IPCC. Intergovernmental Panel on Climate Change. Fourth Assessment Report, Climate Change. 2007; 53 pp.
[2]. Khazanedari L, & Zabol Abasi F, & Ghandharii S, & Kouhi M, & Malbousi S. Drought Conditions in the next thirty years in IRAN. Journal of geography and regional development. 2009; (12): 83-98. [Persian]
[3]. IPCC.Climate Change: The Scientific Basic. Contribution of Working Group 1 to The Third Assessment report to the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK, and New York, N.Y., U.S.A. 2001; 881pp.
[4]. Meshkati A, Kordjazi M. & Babaeian I. Investigation and Assessment of Lars-WG Model in Simulation of Meterorological Data of Golestan in 1993-2007. Journal of Applied Geographic Science. 2010; (16): 81-96 [Persian]
[5]- Babaiyan I. Zabol Abbasi F., Najafynik Z., Adab H., Malbousi S. climate change assessment over Iran during 2010-2039 by using statistical downscaling of echo- G model. Geography and development. 2010; 7(16):135-152.
[6]. Ashraf B, Mousavi Beigi M, Kamali G. A and Davari K. Investigation of Variation Trend of Climatological Parameters in Mashhad over 2011-2030 Period Using Simulated Data by LARS-WG5 Model. First National Conference on Meteorology and Agricultural Water Management. 2011.[Persian]
[7]. Sadeqi A. Abdollahi A and Azad Jelodarlu K. The Perusal of Climate in Zanjan City under Climate Change Conditions. 4 th International Congress of Developing Agriculture, Natural Resources, Environment and Tourism of Iran. 13-15 Feb. 2019. [Persian]
[8]. Ghorbani kh. Sohrabian E. Salari Jazi M and Abdolhiseini M. Prediction of climate change impact on monthly river discharge trend using IHACRES hydrological model (case study: Galikesh watershed). J. of Water and Soil Conservation.2016. [Persian]
 
 [9] Tavakoli M, & Karimi H, & Norollahi H. Investigation the effects of climate change on water resources of Ilam dam watershed. watershed engineering and management.2018;10(2):157-170. https://www.sid.ir/en/journal/ViewPaper.aspx?id=612212. [Persian]
[10]. Chen J, Brissette F.P and Leconte R. Uncertainty of downscaling method in quantifying the impact of climate change on hydrology. J. Hydrol. 2011; 401(3-4): 190-202.
[11]. Semenov M.A, Donatelli M, Stratonovitch P, Chatzidaki E and Baruth B. ELPIS: A Dataset of Local-scale Saily Climate Scenarios for Europe, Clim Res. 2010; 44: 3-15.
[12]. Habets F, Boé J, Déqué M, Ducharne A, Gascoin S, Hachour A, et al. Impact of climate change on the hydrogeology of two basins in northern France. Climatic Change. 2013; 121(4): 771-785.
[13]. Pascual Sánchez D and Retana Alumbreros, J. Impacts of climate change on water resources in the Mediterranean basin: a case study in Catalonia, Spain.CREAF, Centre de Recerca Ecològica i Aplicacions Forestals. 2014.
[14]. Chang J Y, Wang E, Istanbulluoglu T, Bai Q, Huang D Yang and S. Huang. Impact of Climate Change and Human Activities on Runoff in the Weihe River Basin, China. Quaternary International. 2014; pp: 169-179.
[15]. Sadat Mousavi R, Marofi S. Investigation of the hydrologic response of river flow to climate change (Case study: Dez Dam Basin). J. of Water and Soil Conservation. 2017; 23(6). [Persian]
[16]. Bhattacharya B. and Solomatine D.P. Neural networks and M5 model trees in water level discharge relationship. J. Neurocomputing. 2005; 63: 381-396.
[17]. Ghorbani Kh, Naeimi Kalourazi1 Z, Salari Jazi M and Dehghani A.H. Estimation of monthly discharge using climatological and physiographic parametesr of ungauged basin. J. of Water and Soil Conservation. 2016; 23(3). [Persian]
[18]. Ghorbani KH, Sohrabian E and Salari Jazi M. Evaluation of Hydrological and Data Mining Models in Monthly River Discharge Simulation and Prediction (Case Study: Araz-Kouseh Watershed). J. of Water and Soil Conservation. 2016; 23(1). [Persian]
[19]. Sattari M T, Apaydin H, Ozturk, F. Flow estimations for the Sohu Stream using artificial neural networks. Environmental earth science. 2012; 66: 2031-2045. [Persian]
[20]. Zahiri A.R and Ghorbani Kh. Flow discharge prediction in compound channels by using decision model tree M5. J. of Water and Soil Conservation. 2013; 20(3). [Persian]
[21]. Mann, H. B. Nonparametric tests against trend. Journal of Econometrica. 1945; 13(3):245-259
[22]. Kendall, M. G. Rank Correlation Methods. Griffin, London. 1955; 196p.
[23]. Haltiner G, & Williams R. Numerical prediction and dynamic meteorology New York: John Wiley & Sons. 1980.
[24]. Fallah GHalhari GH. Statistical Downscaling of climatic data. First ed. Sokhan-Gostar. 2014. [Persian]
[25]. Farmer W. H, and Vogel R. M. On the deterministic and stochastic use of hydrologic models. Water Resources Research. 2016; 52(7): 5619- 5633.
[26]. Quinlan J. R. Learning with continuous classes. In 5th Australian joint conference on artificial intelligence. 1992; 92: 343-348.
[27]. Ervine D.A., and Ellis J. Experimental and Computational Aspects of Overbank Flood-Plain Flow. Trans. Royl. Society Edinburgh, Series A. 1987; 78: 315-325.
[28]. Kheradmand m. determining the stage-discharge relation of meanders composite rivers using modern data mining methods. Master Thesis University of Sistan and Baluchestan.2013. [Persian]
[29]. Emadi A.Kia I and Moha,adi GH. Rainfall-Runoff Modeling by Adaptive Neuro-Fuzzy Inference System(ANFIS) and Multi-Variable Linear Regression (MLR). Waterjournal.2019. [Persian]
[30]. Ghasemi M, Naseri A, Soltani mohamadi A and Moazed h. Investigating the trend of future climate change under radiation induction scenarios using mann kendall non parametric test (case Study: South Ahvaz). nivar.2019;107(43). [Persian]
دوره 9، شماره 1
فروردین 1401
صفحه 63-76
  • تاریخ دریافت: 24 مهر 1400
  • تاریخ بازنگری: 07 دی 1400
  • تاریخ پذیرش: 08 دی 1400
  • تاریخ اولین انتشار: 01 فروردین 1401
  • تاریخ انتشار: 01 فروردین 1401