بررسی اثرات تغییر اقلیم بر رواناب حوضه قره سو با استفاده از ریزمقیاس نمایی آماری داده های مدل HADCM3 و شبکه عصبی پویا

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

دانشگاه زابل

چکیده

در پی خسارت‌هایی که بشر از صنعت‌گرایی‌اش به زمین زده است، جایگاه پژوهش درباره تغییرات اقلیم و گرمایش جهانی که منبعث از صنعتی شدن زمین است، روز به روز افزوده خواهد شد. نیروی تابشی در اثر گازهای گلخانه‌ای عامل اصلی گرم شدن جهانی می‌باشد و این عامل، در حال تغییر اقلیم جهان با سرعتی بی سابقه است. هرگونه تغییر اقلیم در کره‌ی خاکی، سرآغاز زنجیره‌ای از واکنش‌هاست که اثر آن به طور مستقیم در فرآیندهای هیدرولوژیکی ظاهر می‌شود. هدف از این تحقیق بررسی اثرات تغییر اقلیم بر پارامترهای دما وبارش و همچنین تغییرات جریان رودخانه قره سو در حوضه‌ی آبریز قره‌سو واقع در استان کرمانشاه که یکی از زیرحوضه‌های مهم کرخه است، می باشد. لذا در این مطالعه ابتدا با استفاده از مدل SDSM داده‌های بزرگ مقیاس مدل گردش عمومی جو (HadCM3) در دو سناریوی اقلیمی A2 و B2، برای پارامترهای هواشناسی دما و بارندگی در حوضه‌ی قره‌سو ریز مقیاس شده، سپس با استفاده از داده‌های تغییر اقلیم و خروجی‌های مدل ریز مقیاس نمایی و با بکار گرفتن شبکه عصبی مصنوعی، دبی رودخانه قره سو در دوره‌ی آتی شبیه سازی شده است. نتایج مدل اقلیمی در این تحقیق نشان دهنده‌ افزایش دما و کاهش بارندگی در دوره‌ی مورد نظر نسبت به دوره پایه و کاهش میزان رواناب بوده است.

کلیدواژه‌ها


عنوان مقاله [English]

The effect of climate change on stream flow used Statistical downscaling of HADCM3 model and Artificial Neural Networks

نویسنده [English]

  • omolbani mohammad reza pour
چکیده [English]

In the wake of the damage that man has Sntgrayyash the ground , place the study of climate change and global warming , due to the industrialization of the earth , the day will be added .The radiative effect of greenhouse gases on global warming is a major factor and the factor in global climate change with unprecedented speed . Every kind of climate change on the terrestrial earth is the beginning a chain of reactions whose direct effect on hydrological processes can be observed.
In this study, SDSM model is used to measure the large -scale data of the atmospheric general circulation model (HadCM3) in two local climate change scenarios, A2 and B2, for the meteorological parameters of temperature and precipitation in the basin of Qara Su. Then, considering the data of rainfall, temperature and flow rate and the fine- scale model outputs exponentially in the an artificial neural network is used to calculate the river’s discharge during the future period. Climate model results indicate an increase in temperature and a decrease in rainfall within the desired course relative to the base period. Consequently, this increase in temperature and decrease in rainfall will lessen the discharge rates of Qara Su River.

کلیدواژه‌ها [English]

  • Artificial neural networks
  • Climate Change
  • HADCM3
  • QaraSu Basin
  • SDSM
1.Artlert, K., Chaleeraktrakoon, C., and Nguyen, V.T.V. 2013. Modeling and analysis of rainfall processes in the context of climate change for Mekong, Chi, and MunRiver Basins (Thailand). J. Hydro. - Environ. Res. 7: 2-17.
2.Chen, H., Chong-Yu, X., and Shenglian, G. 2012. Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff. J. Hydrol. 434-435: 36-45.
3.Ezani, A. 2011. The effect of climate change on potato irrigation requirements in Moghan basin. M.Sc. thesis of water resources engineering. University of Zabol, Iran. (In Persian)
4.Nabi Zade, M., Mosaedi, A., and Dehghani, A.A. 2012. Intelligent estimation of stream flow by Adaptive Neuro-Fuzzy Inference System. 2: 1. 69-80. (In Persian) 
5.Samadi, S., Ehteramain, K., and Sarraf, B.S. 2011. SDSM ability in simulate predictors
for climat detecting over Khorasan province. Procedia Social and Behavioral Sciences.
19: 741-749. 
6.Sayary, N., Alizade, A., Banayan Aval, M., Farid Hosseiny, A., and Hesamy, M.R. 2011. Comparison of Two GCM Models (HadCM3 and CGCM2) for the Prediction of Climate Parameters and Crop Water Use under Climate Change (Case Study: Kashafrood Basin). Water and Soil. 25: 4. 912-925. (In Persian)