دوره 12، شماره 24 - ( پاییز و زمستان 1400 1400 )
جلد 12 شماره 24 صفحات 216-205 |
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:
Zabardast Rostami H, Raeini Sarjaz M, Gholami Sefidkouhi M A. (2021). Assessment of Climate Change Effects on River Flow of Gelevard Dam Basin. J Watershed Manage Res. 12(24), 205-216. doi:10.52547/jwmr.12.24.205
URL: http://jwmr.sanru.ac.ir/article-1-1061-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1061-fa.html
زبردست حسینعلی، رائینی سرجاز محمود، غلامی محمد علی. ارزیابی اثرات تغییر اقلیم بر آبدهی رودخانه نکارود حوضه سد گلورد پژوهشنامه مديريت حوزه آبخيز 1400; 12 (24) :216-205 10.52547/jwmr.12.24.205
1- دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده: (3415 مشاهده)
چکیده مبسوط
مقدمه و هدف: تغییر اقلیم یکی از مهمترین مسائلی است که در دهه‌های اخیر بخش های مختلف زندگی انسان را تحت تاثیر قرار داده است. با توجه به آشکارشدن تغییرات اقلیمی در اکثر مناطق دنیا و اثر آن بر بخش‌های مختلف چرخه آب، آگاهی از وضعیت منابع آب به‌منظور مدیریت صحیح منابع و برنامه‌ریزی برای آینده ضروری است. این پژوهش به بررسی و پیش بینی آبدهی رودخانه حوضه سد گلورد تحت شرایط اقلیمی آینده در دوره های 2040-2021، 2060-2041، 2080-2061 و 2100-2081 می‌پردازد.
مواد و روش ها: برای بررسی و پیش بینی تغییرات اقلیمی از مدل HadGEM2-EM تحت دو سناریو RCP 2.6 و RCP 8.5 و نرم افزار LARS-WG تغییرات اقلیمی استفاده شد. همچنین، به منظور مدلسازی جریان رودخانه از مدل بارش- رواناب IHECRAS برای دوره مشاهداتی واسنجی (1999-1985) و اعتبارسنجی (2005-1999) شد.
یافته ها: یافته های شبیه سازی پارامترهای هواشناسی نشان داد که بیشترین افزایش دمای کمینه و بیشینه با سناریوی RCP 2.6 در دوره 2061-2080 و در سناریوی RCP 8.5 در دوره 2100-2081 رخ خواهد داد. یافته های مدلسازی جریان رودخانه در دوره مشاهداتی گویای همبستگی معنیدار (0/61=r) مدل در مرحله واسنجی و صحت سنجی (0/79=r) بود. از یافته های سناریوهای خوش‌بینانه (RCP 2.6) و بدبینانه (RCP 8.5) و با به کارگیری مدل IHECRAS رواناب حوزه طی دوره های آینده شبیه سازی شد. بیشترین تغییر مقدار بارش در هر دو سناریو طی دوره 2021-2040 رخ خواهد داد. همچنین نتایج شبیه سازی جریان رودخانه نشان داد که میزان جریان رودخانه بهطور متوسط در چهار دوره آینده در سناریو RCP 2.6 به ترتیب 4، 8/7، 13 و 5 درصد و در سناریو RCP 8.5 19، 20، 18 و 17 درصد نسبت به دوره مشاهداتی کاهش می‌یابد.
نتیجه‌گیری: با توجه به روند کاهشی آبدهی نکارود در دهه های آینده، اهداف پیش بینی شده برای سد گلورد برای تامین آب شرب، کشاورزی ، صنعت و... با کمبودهای قابل ملاحظه مواجه خواهد بود.
مقدمه و هدف: تغییر اقلیم یکی از مهمترین مسائلی است که در دهه‌های اخیر بخش های مختلف زندگی انسان را تحت تاثیر قرار داده است. با توجه به آشکارشدن تغییرات اقلیمی در اکثر مناطق دنیا و اثر آن بر بخش‌های مختلف چرخه آب، آگاهی از وضعیت منابع آب به‌منظور مدیریت صحیح منابع و برنامه‌ریزی برای آینده ضروری است. این پژوهش به بررسی و پیش بینی آبدهی رودخانه حوضه سد گلورد تحت شرایط اقلیمی آینده در دوره های 2040-2021، 2060-2041، 2080-2061 و 2100-2081 می‌پردازد.
مواد و روش ها: برای بررسی و پیش بینی تغییرات اقلیمی از مدل HadGEM2-EM تحت دو سناریو RCP 2.6 و RCP 8.5 و نرم افزار LARS-WG تغییرات اقلیمی استفاده شد. همچنین، به منظور مدلسازی جریان رودخانه از مدل بارش- رواناب IHECRAS برای دوره مشاهداتی واسنجی (1999-1985) و اعتبارسنجی (2005-1999) شد.
یافته ها: یافته های شبیه سازی پارامترهای هواشناسی نشان داد که بیشترین افزایش دمای کمینه و بیشینه با سناریوی RCP 2.6 در دوره 2061-2080 و در سناریوی RCP 8.5 در دوره 2100-2081 رخ خواهد داد. یافته های مدلسازی جریان رودخانه در دوره مشاهداتی گویای همبستگی معنیدار (0/61=r) مدل در مرحله واسنجی و صحت سنجی (0/79=r) بود. از یافته های سناریوهای خوش‌بینانه (RCP 2.6) و بدبینانه (RCP 8.5) و با به کارگیری مدل IHECRAS رواناب حوزه طی دوره های آینده شبیه سازی شد. بیشترین تغییر مقدار بارش در هر دو سناریو طی دوره 2021-2040 رخ خواهد داد. همچنین نتایج شبیه سازی جریان رودخانه نشان داد که میزان جریان رودخانه بهطور متوسط در چهار دوره آینده در سناریو RCP 2.6 به ترتیب 4، 8/7، 13 و 5 درصد و در سناریو RCP 8.5 19، 20، 18 و 17 درصد نسبت به دوره مشاهداتی کاهش می‌یابد.
نتیجه‌گیری: با توجه به روند کاهشی آبدهی نکارود در دهه های آینده، اهداف پیش بینی شده برای سد گلورد برای تامین آب شرب، کشاورزی ، صنعت و... با کمبودهای قابل ملاحظه مواجه خواهد بود.
فهرست منابع
1. Abbasi, F., A. Babayan, Sh. Malbosi, M. Esmari and L. Gholi Mokhtarian. 2012. The effect of climate change in Iran in the (2025-2100) using the microscopic data of the general circulation model of atmosphere. Journal of Geographical Research, 27(1): 205-230 (In Persian).
2. Croke, B.F.W., F. Andrews,J. Spate, S.M. Cuddy. 2005. IHACRES User Guide. Technical Report 2005/19. Second Edition. iCAM, School of Resources, Environment and Society, The Australian National University, Canberra. http://www.toolkit.net.au/ihacres.
3. Croke, B.F.W. and A.J. Jakeman. 2008. Use of the IHACRES rainfall-runoff model in arid and semi-arid regions. In: H.S. Wheater, S. Sorooshian and K.D. Sharma. Editors, Hydrological Modelling in Arid and Semi-arid Areas, Cambridge University Press, Cambridge, 41-48 pp. [DOI:10.1017/CBO9780511535734.005]
4. Doosti, M. 2012. Evaluation of the effect of climate change on flow flux using rainfall-runoff model (Case study: Tamar watershed, Golestan province). MSc thesis, University of Sari, 123 p (In Persian).
5. Ghorbanizadeh Kharrazi, H., H. Sedghi, B. Saghfiyan and J. Porhemat. 2010. Estimation of the distribution of snowflake runoff during the next half century under climate change conditions. Water Engineering Quarterly, 1(1): 51-59 (In Persian).
6. Goodarzi, M., J. Khosravaniyan and S.A. Hejazi. 2015. Application of LARS-WG model in prediction of meteorological parameters of Qara-Sou basin. Journal of geographic space, 15(51): 263-279.
7. Regional Water Company of Mazandaran Province, http://www.mzrw.ir/.
8. Hassani, Kh. 2012. Presenting Solutions to Climate Change Effects on Dam Reservoir Management in Future, Case Study of Shahcheraghi Dam. Master's Degree in watershed engineering. Tarbiat Modares University, 114 pp (In Persian).
9. Hassanzadeh, Y., A. Abdi Kordani, M. Shafiei Najd and S. Khoshteinat. 2015. The prediction of daily flow of the Nura Chai River using the combined model of artificial neural networks-Principal component analysis. Journal of Water and Soil Science, 25(3): 63-53.
10. Huang, S., V. Krysanova and F.F. Hattermann. 2013. Projection of low flow conditions in Germany under climate change by combining three RCMs and a regional hydrological model. Acta Geophysica, 61(1): 151-193. [DOI:10.2478/s11600-012-0065-1]
11. Ingol, E. and D.C. Mckinney. 2009. Hydrologic model for Rio Conchos Basin: Calibration and Validation. CRWR Online Report 08-09. Bureau of Engineering Research, the University of Texas at Austin, 52 p.
12. IPCC. 2007. The Physical Science Basis. Contribution of Working Group I to the fourth Assessment Report of the Intergovernmental Panel on Climate Change. In: Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (Eds.). 2007. Report, 996 pp.
13. Jackson, C.R., R. Meister and C. Prudhomme. 2011. Modelling the effects of climate change and its uncertainty on UK Chalk groundwater resources from an ensemble of global climate model projections. Journal of Hydrology, 399(1): 12-28. [DOI:10.1016/j.jhydrol.2010.12.028]
14. Jamali, S., A. Abrishamchi, M.A. Marino and A. Abbasnia. 2013. Climate change impact assessment on hydrology of Karkheh Basin, Iran. Proceedings of the ICE-Water Management, 166(2): 93-104 (In Persian). [DOI:10.1680/wama.11.00034]
15. Mailhot, A., S. Duchesne, D. Caya and G. Talbot. 2007. Assessment of future change in intensity-duration-frequency (IDF) curves for Southern Quebec using the Canadian Regional Climate Model (CRCM). Journal of Hydrology, 347(1): 197-210. [DOI:10.1016/j.jhydrol.2007.09.019]
16. McIntyre, N. and A. Al-Qurashi. 2009. Performance of ten rainfall-runoff models applied to an arid catchment in Oman. Journal of Environmental Modelling and Software, 24: 726-738. [DOI:10.1016/j.envsoft.2008.11.001]
17. Mesah Bavani, A.S. 2006. Risk assessment of climate change and its impact on water resources case study of Zayandeh rood field of Isfahan. PhD dissertation of hydraulic structures, department of Structural Engineering, Tarbiat Modarres University (In Persian).
18. Modaresi F., S. Eraqinejad, K. Ebrahimi and M. Khalqi. 2011. The study of the effect of climate change on annual discharge of rivers (Case study: Gorganroud River). Water and Soil Journal, 6(25): 1377-1365 (In Persian).
19. Moen, J. 2007. Effects of Climate Change on Alpine Skiing in Sweden. Journal of Sustainable Tourism, 15(4): 418-437. [DOI:10.2167/jost624.0]
20. Mohammadi, Y., P. Fathi, A. Najafinejad and N. Nora. 2008. Estimation of monthly average flow using artificial neural networks. Case study: Gheshlagh Watershed of Sanandaj. Journal of Agricultural Science and Natural Resources, 15(4): 13-28 (In Persian).
21. Rezaei, A., M. Mahdavi, S. Feyznia and M. Mahdiyan, 2007. Regional modeling of peak flows in the watersheds of Sefidrood Dam using artificial neural network. Journal of Science and Technology of Agriculture and Natural Resources, 1(1): 39-25 (In Persian).
22. Semdi, S. and A. Mesbah Bavani. 2008. Introduction of Artificial Neural Network and SDSM methods for small scale-static analysis of temperature and rainfall data, Third conference on water resources management, Tabriz University, Tabriz, Iran, 147 pp (In Persian).
23. Semenov, M.A. and E.M. Barrow. 2002. LARS-WG a stochastic weather generator for use in climate impact studies. User's manual, Version 3.0.
24. Shaemi, A., M. Habibi Nokhandan. 2009. Global warming and ecological outcomes, first edition, Mashhad Ferdosi University press, Mashhad, 216 pp.
25. Tam, V.T., O. Batelaan and I. Beyen. 2016. Impact assessment of climate change on a coastal groundwater system, Central Vietnam. Environmental Earth Sciences, 75: 1-15. [DOI:10.1007/s12665-016-5718-y]
26. Vafakhah, M. 2012. Application of artificial neural networks and adaptive neuro-fuzzy inference system models to short-term streamflow forecasting. Canadian Journal of Civil Engineering, 39(4): 402-414. [DOI:10.1139/l2012-011]
27. Koulaian, A., M. Khoshravesh, N. Mohammadigolafshani and M. Mohammadjavad. 2017. Analysis of streamflow trend in Mazandaran Rivers using non-parametric Mann-Kendal test. Watershed Engineering and Management, 9(3): 332-345 (In Persian).
28. Heidari, M., M.R. Khazaei and A.A. Akhtari. 2018. Impacts of Climate Change on climate variables and catchment stream-flow, using HBV model under BCM2 Scenarios. Journal of Irrigation and Water Engineering, 8(30): 129-139 (In Persian).
29. Niromandfard, F., M. Zakerinia and B. Yazerloo. 2018. Investigating the Effect of Climate Change on River Flow Using IHACRES Rainfall-Runoff Model. Irrigation Sciences and Engineering, 41(3): 103-117.
30. Zarghami, M., I. Babaeian, Y. Hassanzadeh and R. Kanani. 2011. Impacts of Climate Change on runoffs in East Azerbaijan, Iran. Global and Plantary Change, 78: 137-146 (In Persian). [DOI:10.1016/j.gloplacha.2011.06.003]
31. Zhang, X.C. and W.Z. Liu. 2005. Simulating potential response of hydrology, soil erosion, and crop productivity to climate change in Changwu tableland region on the Loess Plateau of China. Agricultural and Forest Meteorology, 131(3): 127-142. [DOI:10.1016/j.agrformet.2005.05.005]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
