دوره 17، شماره 1 - ( بهار و تابستان 1405 )
جلد 17 شماره 1 صفحات 124-108 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Khosravi M, Yazdani M R, Zolfaghari A A. (2026). Climate Change Impacts on Water Resources: A Case Study of the Damghanroud Basin. J Watershed Manage Res. 17(1), 108-124. doi:10.61882/jwmr.2026.1320
URL: http://jwmr.sanru.ac.ir/article-1-1320-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1320-fa.html
خسروی مهین، یزدانی محمد رضا، ذوالفقاری علی اصغر.(1405). تأثیرات تغییر اقلیم بروی منابع آب: مطالعه موردی حوضه دامغانرود پژوهشنامه مديريت حوزه آبخيز 17 (1) :124-108 10.61882/jwmr.2026.1320
1- گروه بیابان زدایی، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران
2- گروه مدیریت مناطق خشک، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران
2- گروه مدیریت مناطق خشک، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران
چکیده: (728 مشاهده)
چکیده مبسوط
مقدمه و هدف: در دهههای اخیر، تغییر اقلیم بهعنوان یکی از جدیترین تهدیدات برای پایداری منابع آب شیرین در سطح جهان مطرح شده است. این چالش در مناطق نیمهخشک، جاییکه رشد سریع جمعیت، توسعه اقتصادی و بهرهبرداری ناپایدار از منابع، تعادل بین عرضه و تقاضای آب را بیشازپیش مختل کرده است، شدت بیشتری دارد. تغییرات در الگوهای بارش، افزایش دما و افزایش تبخیر و تعرق، تأثیرات قابلتوجهی بر فرآیندهای هیدرولوژیکی، به ویژه تغذیه آب زیرزمینی داشتهاند. علاوه بر این، تغییرات کاربری زمین و شیوههای ضعیف مدیریت آب، این اثرات را تشدید کرده اند. مطالعات متعدد تأکید دارند که کاهش منابع آب در ایران ناشی از تغییرات اقلیمی و فشارهای انسانی است. در این راستا، استفاده از مدلهای گردش عمومی (GCMs) تحت سناریوهای مختلف مسیرهای اجتماعی-اقتصادی مشترک (SSPs)، به ویژه SSP5-8.5، پیشبینی دقیقتری از شرایط آینده منابع آب ارائه میدهد. این مطالعه تأثیرات بلندمدت تغییر اقلیم بر منابع آب زیرزمینی در حوضه آبریز دامغانرود را با استفاده از پیشبینیهای مدلهای اقلیمی CMIP6 و مدل هیدرولوژیکی SWAT (ابزار ارزیابی خاک و آب) بررسی میکند. این پژوهش بینشهای ارزشمندی را در مورد تعاملات سالانه بین رواناب، خشکسالی و تغذیه آبخوان ارائه میدهد و به بهبود مدیریت منابع آب در محیطهای نیمهخشک کمک میکند.
مواد و روشها: مدل SWAT در یک حوضه آبریز نیمهخشک در مرکز ایران برای ارزیابی تأثیرات آینده تغییر اقلیم بر رواناب سطحی و تغذیه آب زیرزمینی به کار گرفته شد. تنظیم مدل شامل آمادهسازی دادههای ورودی مکانی و اقلیمی مانند توپوگرافی، کاربری زمین، خصوصیات خاک و دادههای روزانه هواشناسی بود. پس از آمادهسازی دادهها، مدل کالیبره و اعتبارسنجی شد تا عملکرد شبیهسازی قابلاعتمادی را فراهم کند. پیشبینیهای روزانه اقلیمی برای دوره 2030 تا 2060 از مدلهای منتخب CMIP6 به دست آمد. برای بهبود دقت پیشبینیهای اقلیمی، تکنیکهای تصحیح سوگیری شامل روش نگاشت چنداکی برای تصحیح بارش و نرمالسازی برای دادههای دما اعمال شد. تمام دادههای ورودی در ArcSWAT پردازش شدند، مدل برای شبیهسازی مقادیر رواناب ماهانه و تغذیه آب زیرزمینی اجرا شد و سپس به مقیاس زمانی سالانه تجمیع شد. برای شناسایی روندها در سریهای زمانی متغیرهای هیدرولوژیکی و هواشناسی، آزمون ناپارامتریک من-کندال برای ارزیابی اهمیت آماری روندها و تخمینگر شیب سن برای اندازهگیری شدت تغییرات استفاده شد. همچنین، دو شاخص خشکسالی- شاخص بارش استاندارد شده (SPI) و شاخص رواناب استاندارد شده (SRI) - برای تحلیل فراوانی، شدت و مدتزمان خشکسالیهای هواشناسی و هیدرولوژیکی در شرایط اقلیمی آینده محاسبه شدند. تمام مدلسازیها و تحلیلهای مکانی در ArcGIS انجام شد، درحالیکه تحلیلهای آماری با استفاده از نرمافزارهای R و اکسل صورت گرفت.
یافته ها: نتایج شبیهسازیها تحت سناریوی SSP5-8.5 نشان می دهند که میانگین سالانه دما در دوره ۲۰۳۰ تا ۲۰۶۰ روند افزایشی قابل توجهی دارد، بهطوریکه در سالهای خشک افزایش دما حدود 0/4 درجه سانتیگراد در هر دهه و در سالهای تر حدود 0/2 درجه سانتیگراد در هر دهه برآورد شده است. بارندگی سالانه در این دوره بهطور محسوسی کاهش مییابد، بهطوریکه در سالهای خشک تا ۳۶ درصد و در سالهای تر تا ۲۸ درصد کاهش پیشبینی شده است. رواناب سطحی نیز روند کاهشی دارد و کاهش سالانه آن حدود 0/15 میلیمتر برآورد شده است که در سالهای خشک تا ۴۰ درصد بالاتر از میانگین کاهش داشته است. تغذیه سالانه آبخوان بهویژه در سالهای خشک، کاهش شدیدی را تجربه خواهد کرد، بهطوری که در خشکسالیها تا ۹۰ درصد بالاتر از میانگین کاهش و بهطور متوسط کاهش سالانه حدود 0/9 میلیمتر پیشبینی شده است. بررسی شاخصهای خشکسالی (SPI و SRI) نشان می دهد که اگرچه شدت خشکسالیها نسبت به دوره پایه کاهش جزئی خواهد داشت، اما فراوانی وقوع آنها افزایش مییابد. این تغییرات بیانگر ناپایداری منابع آب زیرزمینی در اثر نوسانات شدید بین دورههای خشک و تر در آینده هستند.
نتیجهگیری: این مطالعه نشان میدهد که تغییرات اقلیمی آینده، تحت سناریوی شدید، تأثیرات منفی قابلتوجهی بر منابع آب در مناطق نیمهخشک خواهد داشت. یافتهها نشاندهنده کاهش قابلتوجه در بارش، رواناب و تغذیه آب زیرزمینی، همراه با افزایش دما و رویدادهای خشکسالی متوالی هستند. این تغییرات تعادل هیدرولوژیکی منطقه را بهشدت مختل خواهند کرد و تأثیرات عمیقی بر کشاورزی، تأمین آب آشامیدنی و توسعه پایدار خواهند داشت. اگرچه روند کلی تغییر اقلیم به افزایش تنش اقلیمی اشاره دارد، اما تنوع در شدت خشکسالی در طول سالها نشان میدهد که اقدامات سازگار باید پویا، منطقهمحور و مبتنی بر پایش مداوم باشند. یکی از پیامدهای عملی کلیدی این مطالعه، نیاز به یکپارچهسازی سناریوهای تغییر اقلیم در سیاستهای منابع آب منطقهای، تقویت اقدامات تغذیه مصنوعی آب زیرزمینی و بازنگری در الگوهای آبیاری و مصرف آب است. علاوه بر این، عدم قطعیت در خروجیهای مدل اقلیمی و ناهمگنی مکانی پاسخهای هیدرولوژیکی، چالشهای کلیدی در تصمیمگیری هستند که نیازمند مطالعات عمیقتر است. بهطور کلی، این پژوهش بر ضرورت اتخاذ استراتژیهای مقاوم و سازگار با اقلیم برای مدیریت منابع آب، بهویژه در مناطق با تنش های آبی تأکید دارد. این مطالعه گامی مهم را در جهت توسعه سیاستهای مبتنی بر علم برای حاکمیت پایدار آب در مواجهه با شرایط اقلیمی در حال تغییر ارائه میدهد و راهنمایی ارزشمندی را برای تصمیمگیران و برنامهریزان فراهم میکند.
مقدمه و هدف: در دهههای اخیر، تغییر اقلیم بهعنوان یکی از جدیترین تهدیدات برای پایداری منابع آب شیرین در سطح جهان مطرح شده است. این چالش در مناطق نیمهخشک، جاییکه رشد سریع جمعیت، توسعه اقتصادی و بهرهبرداری ناپایدار از منابع، تعادل بین عرضه و تقاضای آب را بیشازپیش مختل کرده است، شدت بیشتری دارد. تغییرات در الگوهای بارش، افزایش دما و افزایش تبخیر و تعرق، تأثیرات قابلتوجهی بر فرآیندهای هیدرولوژیکی، به ویژه تغذیه آب زیرزمینی داشتهاند. علاوه بر این، تغییرات کاربری زمین و شیوههای ضعیف مدیریت آب، این اثرات را تشدید کرده اند. مطالعات متعدد تأکید دارند که کاهش منابع آب در ایران ناشی از تغییرات اقلیمی و فشارهای انسانی است. در این راستا، استفاده از مدلهای گردش عمومی (GCMs) تحت سناریوهای مختلف مسیرهای اجتماعی-اقتصادی مشترک (SSPs)، به ویژه SSP5-8.5، پیشبینی دقیقتری از شرایط آینده منابع آب ارائه میدهد. این مطالعه تأثیرات بلندمدت تغییر اقلیم بر منابع آب زیرزمینی در حوضه آبریز دامغانرود را با استفاده از پیشبینیهای مدلهای اقلیمی CMIP6 و مدل هیدرولوژیکی SWAT (ابزار ارزیابی خاک و آب) بررسی میکند. این پژوهش بینشهای ارزشمندی را در مورد تعاملات سالانه بین رواناب، خشکسالی و تغذیه آبخوان ارائه میدهد و به بهبود مدیریت منابع آب در محیطهای نیمهخشک کمک میکند.
مواد و روشها: مدل SWAT در یک حوضه آبریز نیمهخشک در مرکز ایران برای ارزیابی تأثیرات آینده تغییر اقلیم بر رواناب سطحی و تغذیه آب زیرزمینی به کار گرفته شد. تنظیم مدل شامل آمادهسازی دادههای ورودی مکانی و اقلیمی مانند توپوگرافی، کاربری زمین، خصوصیات خاک و دادههای روزانه هواشناسی بود. پس از آمادهسازی دادهها، مدل کالیبره و اعتبارسنجی شد تا عملکرد شبیهسازی قابلاعتمادی را فراهم کند. پیشبینیهای روزانه اقلیمی برای دوره 2030 تا 2060 از مدلهای منتخب CMIP6 به دست آمد. برای بهبود دقت پیشبینیهای اقلیمی، تکنیکهای تصحیح سوگیری شامل روش نگاشت چنداکی برای تصحیح بارش و نرمالسازی برای دادههای دما اعمال شد. تمام دادههای ورودی در ArcSWAT پردازش شدند، مدل برای شبیهسازی مقادیر رواناب ماهانه و تغذیه آب زیرزمینی اجرا شد و سپس به مقیاس زمانی سالانه تجمیع شد. برای شناسایی روندها در سریهای زمانی متغیرهای هیدرولوژیکی و هواشناسی، آزمون ناپارامتریک من-کندال برای ارزیابی اهمیت آماری روندها و تخمینگر شیب سن برای اندازهگیری شدت تغییرات استفاده شد. همچنین، دو شاخص خشکسالی- شاخص بارش استاندارد شده (SPI) و شاخص رواناب استاندارد شده (SRI) - برای تحلیل فراوانی، شدت و مدتزمان خشکسالیهای هواشناسی و هیدرولوژیکی در شرایط اقلیمی آینده محاسبه شدند. تمام مدلسازیها و تحلیلهای مکانی در ArcGIS انجام شد، درحالیکه تحلیلهای آماری با استفاده از نرمافزارهای R و اکسل صورت گرفت.
یافته ها: نتایج شبیهسازیها تحت سناریوی SSP5-8.5 نشان می دهند که میانگین سالانه دما در دوره ۲۰۳۰ تا ۲۰۶۰ روند افزایشی قابل توجهی دارد، بهطوریکه در سالهای خشک افزایش دما حدود 0/4 درجه سانتیگراد در هر دهه و در سالهای تر حدود 0/2 درجه سانتیگراد در هر دهه برآورد شده است. بارندگی سالانه در این دوره بهطور محسوسی کاهش مییابد، بهطوریکه در سالهای خشک تا ۳۶ درصد و در سالهای تر تا ۲۸ درصد کاهش پیشبینی شده است. رواناب سطحی نیز روند کاهشی دارد و کاهش سالانه آن حدود 0/15 میلیمتر برآورد شده است که در سالهای خشک تا ۴۰ درصد بالاتر از میانگین کاهش داشته است. تغذیه سالانه آبخوان بهویژه در سالهای خشک، کاهش شدیدی را تجربه خواهد کرد، بهطوری که در خشکسالیها تا ۹۰ درصد بالاتر از میانگین کاهش و بهطور متوسط کاهش سالانه حدود 0/9 میلیمتر پیشبینی شده است. بررسی شاخصهای خشکسالی (SPI و SRI) نشان می دهد که اگرچه شدت خشکسالیها نسبت به دوره پایه کاهش جزئی خواهد داشت، اما فراوانی وقوع آنها افزایش مییابد. این تغییرات بیانگر ناپایداری منابع آب زیرزمینی در اثر نوسانات شدید بین دورههای خشک و تر در آینده هستند.
نتیجهگیری: این مطالعه نشان میدهد که تغییرات اقلیمی آینده، تحت سناریوی شدید، تأثیرات منفی قابلتوجهی بر منابع آب در مناطق نیمهخشک خواهد داشت. یافتهها نشاندهنده کاهش قابلتوجه در بارش، رواناب و تغذیه آب زیرزمینی، همراه با افزایش دما و رویدادهای خشکسالی متوالی هستند. این تغییرات تعادل هیدرولوژیکی منطقه را بهشدت مختل خواهند کرد و تأثیرات عمیقی بر کشاورزی، تأمین آب آشامیدنی و توسعه پایدار خواهند داشت. اگرچه روند کلی تغییر اقلیم به افزایش تنش اقلیمی اشاره دارد، اما تنوع در شدت خشکسالی در طول سالها نشان میدهد که اقدامات سازگار باید پویا، منطقهمحور و مبتنی بر پایش مداوم باشند. یکی از پیامدهای عملی کلیدی این مطالعه، نیاز به یکپارچهسازی سناریوهای تغییر اقلیم در سیاستهای منابع آب منطقهای، تقویت اقدامات تغذیه مصنوعی آب زیرزمینی و بازنگری در الگوهای آبیاری و مصرف آب است. علاوه بر این، عدم قطعیت در خروجیهای مدل اقلیمی و ناهمگنی مکانی پاسخهای هیدرولوژیکی، چالشهای کلیدی در تصمیمگیری هستند که نیازمند مطالعات عمیقتر است. بهطور کلی، این پژوهش بر ضرورت اتخاذ استراتژیهای مقاوم و سازگار با اقلیم برای مدیریت منابع آب، بهویژه در مناطق با تنش های آبی تأکید دارد. این مطالعه گامی مهم را در جهت توسعه سیاستهای مبتنی بر علم برای حاکمیت پایدار آب در مواجهه با شرایط اقلیمی در حال تغییر ارائه میدهد و راهنمایی ارزشمندی را برای تصمیمگیران و برنامهریزان فراهم میکند.
فهرست منابع
1. Abbaspour, K. C. (2022). The fallacy in the use of the "best-fit" solution in hydrologic modeling. Science of the Total Environment, 802, 149713. [DOI:10.1016/j.scitotenv.2021.149713]
2. Afsari, R., Nazari-Sharabian, M., Hosseini, A., & Karakouzian, M. (2024). A CMIP6 Multi-Model Analysis of the Impact of Climate Change on Severe Meteorological Droughts through Multiple Drought Indices-Case Study of Iran's Metropolises. Water (Switzerland), 16(5). [DOI:10.3390/w16050711]
3. Allen, D. M., Whitfield, P. H., & Werner, A. (2010). Groundwater level responses in temperate mountainous terrain: Regime classification, and linkages to climate and streamflow. Hydrological Processes, 24(23). [DOI:10.1002/hyp.7757]
4. Arfasa, G. F., Owusu-Sekyere, E., & Doke, D. A. (2024). Climate Change Projections and Impacts on Future Temperature, Precipitation, and Stream flow in the Vea Catchment, Ghana. Environmental Challenges, 14(December 2023), 100813. [DOI:10.1016/j.envc.2023.100813]
5. Arnold, J. G., Srinivasan, R., Muttiah, R. S., & Williams2, J. R. (1998). Large Area Hydrologic Modeling and Assessment Part I: Model Development. Journal of the American Water Resources Association, 34(1), 73-89.
.x [DOI:10.1111/j.1752-1688.1998.tb05961]
6. Bai, Y., Guo, Y., Wang, H., Wang, N., Wei, X., Zhou, M., & Lu, T. (2024). The Impact of Groundwater Burial Depth on the Vegetation of the Dariyabui Oasis in the Central Desert. Annual Achievements Report Available Now (MDPI), 16(1), 378-393.
https://doi.org/10.3390/su16010378 [DOI:https://doi.org/10.3390/su16010378]
7. Boudad, N., Faizi, R., Oulad Haj Thami, R., & Chiheb, R. (2018). Sentiment analysis in Arabic: A review of the literature. In Ain Shams Engineering Journal, 9(4), 25-45. [DOI:10.1016/j.asej.2017.04.007]
8. Bresinsky, L., Kordilla, J., Hector, T., Engelhardt, I., Livshitz, Y., & Sauter, M. (2023). Managing climate change impacts on the Western Mountain Aquifer: Implications for Mediterranean karst groundwater resources. Journal of Hydrology X, 20(June), 100153. [DOI:10.1016/j.hydroa.2023.100153]
9. Castillo, J. L. U., Ramos Leal, J. A., Martínez Cruz, D. A., Cervantes Martínez, A., & Marín Celestino, A. E. (2021). Identification of the dominant factors in groundwater recharge process, using multivariate statistical approaches in a semi-arid region. Sustainability (Switzerland), 13(20), 11543.
https://doi.org/10.3390/su132011543 [DOI:10.3390/SU132011543/S1]
10. Dai, A. (2011). Drought under global warming: a review. Wiley Interdisciplinary Reviews: Climate Change, 2(1), 45-65.
https://doi.org/10.1002/wcc.81 [DOI:https://doi.org/10.1002/wcc.81]
11. Davamani, V., John, J. E., Poornachandhra, C., Gopalakrishnan, B., Arulmani, S., Parameswari, E., Santhosh, A., Srinivasulu, A., Lal, A., & Naidu, R. (2024). A Critical Review of Climate Change Impacts on Groundwater Resources: A Focus on the Current Status, Future Possibilities, and Role of Simulation Models. Atmosphere, 15(1), 122. [DOI:10.3390/atmos15010122]
12. Dessu, S. B., & Melesse, A. M. (2013). Impact and uncertainties of climate change on the hydrology of the Mara River basin, Kenya/Tanzania. Hydrological Processes, 27(20). [DOI:10.1002/hyp.9434]
13. Ershadfath, F., Shahnazari, A., Sarjaz, M. R., Andaryani, S., Trolle, D., & Olesen, J. E. (2024). Blue and green water availability under climate change in arid and semi-arid regions. Ecological Informatics, 82(11), 102743.
https://doi.org/10.1016/j.ecoinf.2024.102743 [DOI:10.1016/J.ECOINF.2024.102743]
14. Feyissa, T. A., Demissie, T. A., Saathoff, F., & Gebissa, A. (2024). Hydrological responses projection to the potential impact of climate change under CMIP6 models scenarios in Omo River Basin, Ethiopia. Results in Engineering, 23(August), 102708. [DOI:10.1016/j.rineng.2024.102708]
15. Fu, G., Crosbie, R. S., Barron, O., Charles, S. P., Dawes, W., Shi, X., Van Niel, T., & Li, C. (2019). Attributing variations of temporal and spatial groundwater recharge: A statistical analysis of climatic and non-climatic factors. Journal of Hydrology, 568. [DOI:10.1016/j.jhydrol.2018.11.022]
16. Gao, Z., Zhou, Y., Cui, Y., Dong, J., Lu, S., Cao, M., & Xiao, X. (2024). Drastic water volume changes in mega lakes can pose considerable impacts on regional water storage. Ecological Indicators, 164, 112150.
https://doi.org/10.1016/j.ecolind.2024.112150 [DOI:10.1016/J.ECOLIND.2024.112150]
17. Geng, M., Li, X., Mu, H., Yu, G., Chai, L., Yang, Z., Liu, H., Huang, J., Liu, H., & Ju, Z. (2023). Human footprints in the Global South accelerate biomass carbon loss in ecologically sensitive regions. Global Change Biology, 29(20), 5881-5895.
https://doi.org/10.1111/gcb.16900 [DOI:10.1111/GCB.16900]
18. Ghabelnezam, E., Mostafazadeh, R., Hazbavi, Z., & Huang, G. (2023). Hydrological Drought Severity in Different Return Periods in Rivers of Ardabil Province, Iran. Sustainability (Switzerland), 15(3), 1-16. [DOI:10.3390/su15031993]
19. Ghazavi, R., & Ebrahimi, H. (2019). Predicting the impacts of climate change on groundwater recharge in an arid environment using modeling approach. International Journal of Climate Change Strategies and Management, 11(1), 88-99. [DOI:10.1108/IJCCSM-04-2017-0085]
20. Gholami, F., Zarei, H., & Maroufi, S. (2021). Trend Analysis of Groundwater Quantity and Quality Parameters ( Case Study : Tuyserkan Plain ). Irrigation Sciences and Engineering (JISE), 44(1), 127-140. [DOI:10.22055/jise.2021.20618.1487]
21. Goodarzi, M. R., Heydaripour, M., Jamali, V., Sabaghzadeh, M., & Niazkar, M. (2024). Investigating Uncertainty of Future Predictions of Temperature and Precipitation in The Kerman Plain under Climate Change Impacts. Hydrology, 11(1), 2. [DOI:10.3390/hydrology11010002]
22. Han, J., & Singh, V. P. (2023). A review of widely used drought indices and the challenges of drought assessment under climate change. Environmental Monitoring and Assessment, 195(12), 1-25.
https://doi.org/10.1007/s10661-023-12062-3 [DOI:10.1007/S10661-023-12062-3/METRICS]
23. Her, Y., Yoo, S. H., Cho, J., Hwang, S., Jeong, J., & Seong, C. (2019). Uncertainty in hydrological analysis of climate change: multi-parameter vs. multi-GCM ensemble predictions. Scientific Reports, 9(1). [DOI:10.1038/s41598-019-41334-7]
24. Hersi, N. A. M., Mulungu, D. M. M., & Nobert, J. (2023). Groundwater recharge estimation under changing climate and land use scenarios in a data-scarce Bahi (Manyoni) catchment in Internal Drainage Basin (IDB), Tanzania using Soil and Water Assessment Tool (SWAT). Groundwater for Sustainable Development, 22(January), 100957. [DOI:10.1016/j.gsd.2023.100957]
25. Hosseinzadehtalaei, P., Ishadi, N. K., Tabari, H., & Willems, P. (2021). Climate change impact assessment on pluvial flooding using a distribution-based bias correction of regional climate model simulations. Journal of Hydrology, 598. [DOI:10.1016/j.jhydrol.2021.126239]
26. Huang, W., Duan, W., & Chen, Y. (2021). Rapidly declining surface and terrestrial water resources in Central Asia driven by socio-economic and climatic changes. Science of The Total Environment, 784, 147193.
https://doi.org/10.1016/j.scitotenv.2021.147193 [DOI:10.1016/J.SCITOTENV.2021.147193]
27. Huo, F., Xu, L., Li, Z., Li, Y., Famiglietti, J. S., & Chandanpurkar, H. A. (2024). Can climate change signals be detected from the terrestrial water storage at daily timescale? Npj Climate and Atmospheric Science 2024, 7(1), 1-12. [DOI:10.1038/s41612-024-00646-w]
28. Jafarzadeh, A., Khashei-Siuki, A., & Shahidi, A. (2019). Impact assessment of climate change on groundwater table using of balance conceptual model (Case study: Birjand Plain). Water Resources
29. Engineering, 12(41), 1-16.
30. Janbozorgi, M., Pour, M. H., & Khosravi, H. (2021). Temporal changes in meteorological-hydrological drought. Water and Soil Management and Modelling, 1(2), 1-13. [DOI:10.22098/MMWS.2021.1215]
31. Jeferson de Medeiros, F., Prestrelo de Oliveira, C., & Avila-Diaz, A. (2022). Evaluation of extreme precipitation climate indices and their projected changes for Brazil: From CMIP3 to CMIP6. Weather and Climate Extremes, 38, 100511.
https://doi.org/10.1016/j.wace.2022.100511 [DOI:10.1016/J.WACE.2022.100511]
32. Karimian, K., Amini, A., & Ghaiumi Mohammadi, H. (2019). The Impact of Land Use/Land Cover Changes on Groundwater Resources Using Remote Sensing & GIS (Case Study: Khan-Mirza Plain). Desert, 24(2), 319-330. https://jdesert.ut.ac.ir/article_76388.html
33. Khosravi, M., & Yazdani, M. R. (2025). Evaluating the Effect of Drought on the Temporal Recharge Pattern of Aquifers in the Damghanroud Watershed. Watershed Management Research, 38(1), 38-60. [DOI:10.22092/WMRJ.2024.365662.1585]
34. Khosravi, M., Zolfaghari, A. A., Kaboli, S. H., Raeesi, M., Abbaspour, K., & Ghafari, H. (2025). Enhanced identification of hydrologically sensitive areas via digital soil mapping and hydrological modeling in semi-arid regions. Earth Science Informatics 2025 18:3, 18(3), 1-23.
https://doi.org/10.1007/s12145-025-01799-9 [DOI:10.1007/S12145-025-01799-9]
35. Krogulec, E., Gurwin, J., & Wąsik, M. (2021). Cost of groundwater protection: major groundwater basin protection zones in Poland. International Environmental Agreements: Politics, Law and Economics, 21(3), 517-530. [DOI:10.1007/s10784-021-09525-8]
36. Li, J., & Ma, J. (2024). Evaluating the Dynamics of Groundwater Storage and Its Sustainability in the Loess Plateau: The Integrated Impacts of Climate Change and Human Activities. Remote Sensing 2024, 16(23), 4375.
https://doi.org/10.3390/rs16234375 [DOI:10.3390/RS16234375]
37. Li, T., Lan, T., Zhang, H., Sun, J., Xu, C. Y., & David Chen, Y. (2024). Identifying the possible driving mechanisms in Precipitation-Runoff relationships with nonstationary and nonlinear theory approaches. Journal of Hydrology, 639, 131535.
https://doi.org/10.1016/j.jhydrol.2024.131535 [DOI:10.1016/J.JHYDROL.2024.131535]
38. Liemohn, M. W., Shane, A. D., Azari, A. R., Petersen, A. K., Swiger, B. M., & Mukhopadhyay, A. (2021). RMSE is not enough: Guidelines to robust data-model comparisons for magnetospheric physics. Journal of Atmospheric and Solar-Terrestrial Physics, 218, 105624.
https://doi.org/10.1016/j.jastp.2021.105624 [DOI:10.1016/J.JASTP.2021.105624]
39. Mann, H. B. (1945). Mann Nonparametric test against trend. Econometrica, 13. [DOI:10.2307/1907187]
40. Manski, C. F., Sanstad, A. H., & DeCanio, S. J. (2021). Addressing partial identification in climate modeling and policy analysis. Proceedings of the National Academy of Sciences of the United States of America, 118(15). [DOI:10.1073/pnas.2022886118]
41. McKee, T. B., Nolan, J., & Kleist, J. (1993). The relationship of drought frequency and duration to time scales. Preprints, Eighth Conf. on Applied Climatology, Amer. Meteor, Soc., January.
42. Mengistu, T. D., Chung, I. M., Kim, M. G., Chang, S. W., & Lee, J. E. (2022). Impacts and Implications of Land Use Land Cover Dynamics on Groundwater Recharge and Surface Runoff in East African Watershed. Water 2022, 14(13), 2068.
https://doi.org/10.3390/w14132068 [DOI:10.3390/W14132068]
43. Muleta, B., Seyoum, T., & Assefa, S. (2022). GIS-Based Assessment of Suitability Area of Rainwater Harvesting in Daro Labu District, Oromia, Ethiopia. American Journal of Water Science and Engineering, 8(1), 21-35. [DOI:10.11648/j.ajwse.20220801.13]
44. Ndayiragije, J. M., & Li, F. (2022). Monitoring and Analysis of Drought Characteristics Based on Climate Change in Burundi Using Standardized Precipitation Evapotranspiration Index. Water (Switzerland), 14(16). [DOI:10.3390/w14162511]
45. Neitsch, S. L., Arnold, J. G., Kiniry, J. R., & Williams, J. R. (2011). Soil and Water Assessment Tool: Theoretical documentation, version 2009. Texas Water Resources Institute Technical Report no. 406. In Texas Water Resources Institute, TR-406.
46. Oliveira, P. T. S., Leite, M. B., Mattos, T., Nearing, M. A., Scott, R. L., de Oliveira Xavier, R., da Silva Matos, D. M., & Wendland, E. (2017). Groundwater recharge decrease with increased vegetation density in the Brazilian cerrado. Ecohydrology, 10(1). [DOI:10.1002/eco.1759]
47. Patil, N. S., Chetan, N. L., Nataraja, M., & Suthar, S. (2020). Climate change scenarios and its effect on groundwater level in the Hiranyakeshi watershed. Groundwater for Sustainable Development, 10. [DOI:10.1016/j.gsd.2019.100323]
48. Pingale, S. M., Khare, D., Jat, M. K., & Adamowski, J. (2016). Trend analysis of climatic variables in an arid and semi-arid region of the Ajmer District, Rajasthan, India. Journal of Water and Land Development, 28(1). [DOI:10.1515/jwld-2016-0001]
49. Rad, A. M., AghaKouchak, A., Navari, M., & Sadegh, M. (2021). Progress, Challenges, and Opportunities in Remote Sensing of Drought. [DOI:10.1002/9781119427339.ch1]
50. Said, M., Hyandye, C., Mjemah, I. C., Komakech, H. C., & Munishi, L. K. (2021). Evaluation and Prediction of the Impacts of Land Cover Changes on Hydrological Processes in Data Constrained Southern Slopes of Kilimanjaro, Tanzania. Earth (Switzerland), 2(2). [DOI:10.3390/earth2020014]
51. Samavati, A., Babamiri, O., Rezai, Y., & Heidarimozaffar, M. (2023). Investigating the effects of climate
52. change on future hydrological drought in mountainous basins using SWAT model based on CMIP5 model. Stochastic Environmental Research and Risk Assessment, 37(3), 849-875. [DOI:10.1007/s00477-022-02319-7]
53. Sen, P. K. (1968). Estimates of the Regression Coefficient Based on Kendall's Tau. Journal of the American Statistical Association, 63(324). [DOI:10.1080/01621459.1968.10480934]
54. Shi, X., Wang, Y., Mao, J., Thornton, P. E., Riccuito, D. M., Hoffman, F. M., & Hao, Y. (2024). Quantifying the long-term changes of terrestrial water storage and their driving factors. Journal of Hydrology, 635, 131096.
https://doi.org/10.1016/j.jhydrol.2024.131096 [DOI:10.1016/J.JHYDROL.2024.131096]
55. Soltani, F., Javadi, S., Roozbahani, A., Massah Bavani, A. R., Golmohammadi, G., Berndtsson, R., Ghordoyee Milan, S., & Maghsoudi, R. (2023). Assessing Climate Change Impact on Water Balance Components Using Integrated Groundwater-Surface Water Models (Case Study: Shazand Plain, Iran). Water (Switzerland), 15(4). [DOI:10.3390/w15040813]
56. Swain, S., Taloor, A. K., Dhal, L., Sahoo, S., & Al-Ansari, N. (2022). Impact of climate change on groundwater hydrology: a comprehensive review and current status of the Indian hydrogeology. Applied Water Science, 12(6). [DOI:10.1007/s13201-022-01652-0]
57. Tareke, K. A., & Awoke, A. G. (2022). Hydrological Drought Analysis using Streamflow Drought Index (SDI) in Ethiopia. Advances in Meteorology, 2022(1), 706795. [DOI:10.1155/2022/7067951]
58. Taylor, R. G., Scanlon, B., Döll, P., Rodell, M., Van Beek, R., Wada, Y., Longuevergne, L., Leblanc, M., Famiglietti, J. S., Edmunds, M., Konikow, L., Green, T. R., Chen, J., Taniguchi, M., Bierkens, M. F. P., Macdonald, A., Fan, Y., Maxwell, R. M., Yechieli, Y., … Treidel, H. (2013). Ground water and climate change. In Nature Climate Change, 3(4), 322-329. [DOI:10.1038/nclimate1744]
59. Teimoori, M., Mirdamadi, S. M., & Farajollah Hosseini, S. J. (2019). Modeling of Climate Change Effects on Groundwater Resources: The Application of Dynamic Systems Approach. International Journal of Agricultural Management and Development, 9(2), 107-118. https://ijamad.rasht.iau.ir/article_665021.html
60. Tigabu, T. B., Wagner, P. D., Hörmann, G., & Fohrer, N. (2020). Modeling the spatio-temporal flow dynamics of groundwater-surface water interactions of the Lake Tana Basin, Upper Blue Nile, Ethiopia. Hydrology Research, 51(6). [DOI:10.2166/nh.2020.046]
61. Vicente-Serrano, S. M., Beguería, S., & López-Moreno, J. I. (2010). A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of climate, 23(7), 1696-1718. [DOI:10.1175/2009JCLI2909.1]
62. Wojkowski, J., Wałęga, A., Młyński, D., Radecki-Pawlik, A., Lepeška, T., Piniewski, M., & Kundzewicz, Z. W. (2023). Are we losing water storage capacity mostly due to climate change - Analysis of the landscape hydric potential in selected catchments in East-Central Europe. Ecological Indicators, 154, 110913.
https://doi.org/10.1016/j.ecolind.2023.110913 [DOI:10.1016/J.ECOLIND.2023.110913]
63. Wu, F., Zhan, J., Chen, J., He, C., & Zhang, Q. (2015). Water Yield Variation due to Forestry Change in the Head-Water Area of Heihe River Basin, Northwest China. Advances in Meteorology, 2015. [DOI:10.1155/2015/786764]
64. Wu, H., Ye, X., Du, X., Wang, W., Li, H., & Dong, W. (2025). Assessing groundwater level variability in response to climate change: A case study of large plain areas. Journal of Hydrology: Regional Studies, 57(December 2024), 102180. [DOI:10.1016/j.ejrh.2025.102180]
65. Zahabiyoun, B., Goodarzi, M. R., Bavani, A. R. M., & Azamathulla, H. M. (2013). Assessment of Climate Change Impact on the Gharesou River Basin Using SWAT Hydrological Model. Clean - Soil, Air, Water, 41(6). [DOI:10.1002/clen.201100652]
66. Zamanirad, M., Sedghi, H., Sarraf, A., Saremi, A., & Rezaee, P. (2018). Potential impacts of climate change on groundwater levels on the Kerdi-Shirazi plain, Iran. Environmental Earth Sciences, 77(11). [DOI:10.1007/s12665-018-7585-1]
67. Zarei, A. R. (2019). Analysis of changes trend in spatial and temporal pattern of drought over south of Iran using standardized precipitation index (SPI). SN Applied Sciences, 1(5), 1-14.
https://doi.org/10.1007/s42452-019-0498-0 [DOI:10.1007/S42452-019-0498-0/TABLES/6]
68. Zarei, M., & Destouni, G. (2024). Research Gaps and Priorities for Terrestrial Water and Earth System Connections From Catchment to Global Scale. Earth's Future, 12(1), e2023EF003792. [DOI:10.1029/2023EF003792]
69. Zhang, Y., He, B., Guo, L., Liu, J., & Xie, X. (2019). The relative contributions of precipitation, evapotranspiration, and runoff to terrestrial water storage changes across 168 river basins. Journal of Hydrology, 579, 124194.
https://doi.org/10.1016/j.jhydrol.2019.124194 [DOI:10.1016/J.JHYDROL.2019.124194]
70. Zhu, J., Yin, D., Li, X., Zhu, R., & Zheng, H. (2024). Divergent determinants on interannual variability of terrestrial water cycle across the globe. Science of The Total Environment, 945, 174046.
https://doi.org/10.1016/j.scitotenv.2024.174046 [DOI:10.1016/J.SCITOTENV.2024.174046]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
