آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,381 |
| تعداد مقالات | 16,906 |
| تعداد مشاهده مقاله | 54,421,902 |
| تعداد دریافت فایل اصل مقاله | 17,098,417 |
بررسی اثرات تغییر اقلیم بر دبی ورودی به سد جره با استفاده از خروجی مدل‌های CMIP5 | ||
| دانش آب و خاک | ||
| مقاله 2، دوره 32، شماره 3، مهر 1401، صفحه 15-32 اصل مقاله (930.43 K) | ||
| شناسه دیجیتال (DOI): 10.22034/ws.2021.38543.2330 | ||
| نویسندگان | ||
| مریم دهقانی فرد1؛ رسول میرعباسی نجف آبادی* 2؛ محمدعلی نصر اصفهانی3؛ رضا زمانی4 | ||
| 1دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشکده کشاورزی دانشگاه شهرکرد | ||
| 2هیات علمی گروه مهندسی آب دانشگاه شهرکرد | ||
| 3استادیار گروه مهندسی آب، دانشگاه شهرکرد | ||
| 4دکترای هیدرولوژی و منابع آب، شرکت آب منطقه ای چهارمحال و بختیاری | ||
| چکیده | ||
| امروزه پدیده‌های تغییر اقلیم و گرمایش جهانی از مهمترین تهدیدات جدی بر منابع آب و توسعه پایدار کشاورزی محسوب می‌شوند. با توجه به محدودیت منابع آب در ایران، افزایش جمعیت و متعاقبا افزایش میزان تقاضا، بررسی و مطالعه اثرات تغییر اقلیم بر سیستم‌های منابع آب و بخش کشاورزی از اهمیت بالایی برخوردار می‌باشند. در مطالعه حاضر، اثرات تغییر اقلیم بر دبی ورودی به مخزن سد جره واقع در حوضه رود زرد که آب مورد نیاز کشاورزی دشت رامهرمز را تامین می کند، مورد بررسی قرار گرفت. بدین منظور، با استفاده از روش وزن دهی عملکرد، از بین 20 مدل گردش عمومی جو (GCM)، سه مدل که تطبیق بیشتری با داده های تاریخی داشتند (مدل‌های CSIRO-Mk3.6.0، MIROC-ESM و GFDL-ESM2M)، انتخاب شدند. سپس مقادیر بارندگی و دمای هوا در ارتفاع دومتری از سطح زمین در دوره‌های آتی و تحت سناریوهای اقلیمی RCP4.5 و RCP8.5 به دست آمده و با استفاده از مدل LARS-WG ریزمقیاس گردید. برای شبیه‌سازی فرایند بارش- رواناب و تخمین رواناب ورودی به مخزن سد از مدل IHACRES استفاده شد. بعد از اطمینان از عملکرد مناسب مدل IHACRES، از خروجی مدل LARS-WG برای هر سناریوی اقلیمی شامل دما و بارش در دوره آتی، رواناب ورودی به مخزن سد شبیه‌سازی شد. نتایج این مطالعه حاکی از کاهش رواناب ورودی به مخزن تحت هر دو سناریوی مورد مطالعه می‌باشد. بطوریکه میانگین سالانه ورودی به مخزن سد جره تحت دو سناریوی RCP 4.5 و RCP 8.5 به ترتیب حدود 27 و 40 درصد کاهش می‌یابد. | ||
| کلیدواژه‌ها | ||
| تغییر اقلیم؛ بارش- رواناب؛ مدل IHACRES؛ سد جره؛ مدل‌های گردش عمومی جو | ||
| اصل مقاله | ||
|
مقدمه تغییراقلیم بخش‌های مختلف چرخه هیدرولوژی و به تبع آن زندگی بشر را متأثر می‌سازد. مثلا ًبا تأثیر بر منابع آب، سبب تغییر در بخش کشاورزی می‌شود و بدین‌سان در بخش غذا، اقتصاد و حتی سیاست آثارش دیده می‌شود. اما بی‌شک تاثیر منفی پدیده تغییراقلیم بر چرخه هیدرولوژیکی و به دنبال آن سامانه‌های منابع آب، این پدیده را به یکی از تهدیدات جدی بشر در قرن 21 تبدیل کرده است (مساح بوانی و آشفته 2008). گرم شدن زمین و تاثیر آن بر چرخه آب موضوعی است که امروزه اغلب دانشمندان علوم جوی بر روی آن اتفاق نظر دارند. مطالعات نشان داده است که افزایش 2 درجه سانتیگرادی دما منجر به کاهش 5 تا 12 درصدی جریان‌ها می‌شود، همچنین تغییرات 10 درصدی میزان نزولات جوی منجر به تغییرات 15 تا 25 درصدی جریان رودها می‌شود (ژانگ و همکاران 2009). چرخه هیدرولوژیکی و رواناب خروجی یک حوضه تحت تاثیر عوامل مهمی چون پارامترهای اقلیمی، خصوصیات فیزیکی حوضه و فعالیت‌های بشری می‌باشد. مشکلات ناشی از کمبود آب و بلایای طبیعی مرتبط با آن، مطالعه اثرات تغییراقلیم بر رواناب را ضروری می‌سازد. راف و همکاران (2010) به بررسی اثرات تغییراقلیم بر فرکانس سیل در چهار حوضه با شرایط جغرافیایی مختلف پرداختند. آنها در این مطالعه حداکثر جریان سالانه را توسط مدل بارش- رواناب بدست آوردند. نتایج نشان داد که برای همه حوضه‌ها، تغییراقلیم منجر به افزایش در پتانسیل حداکثر جریان سالانه می‌شود. چانگ و جانگ (2010) به برآورد رواناب و عدم‌قطعیت آن در 218 زیرحوضه در ایالت اورگان پرداختند. نتایج نشان داد که تغییرات فصلی رواناب در جریان زمستانه به صورت افزایشی و در جریان تابستانه کاهشی است و رواناب نیز ممکن است در آینده از نظر زمانی و مکانی دچار تغییر شود که مقدار و جهت آن به خصوصیات زیرحوضه‌ها بستگی دارد. گوش و داتا (2012) به ارزیابی اثرات تغییراقلیم بر خصوصیات سیل در حوضه رودخانه براهماپوترا پرداختند. تحلیل سری زمانی جریان شبیه‌سازی شده نشان داد که افزایش قابل توجهی در میزان دبی اوج جریان و مدت زمان آن در آینده انتظارمی‌رود. همچنین در این مطالعه مخرب‌ترین سیل طراحی تحت سناریوهای تغییراقلیم پیش‌بینی شد. تنگ و همکاران (2012) به مقایسه عدم‌قطعیت 15 مدل گردش عمومی جو و 5 مدل بارش- رواناب در نتیجه حاصل از تأثیر تغییراقلیم بر رواناب در کشور استرالیا پرداختند. بیشتر نتایج بدست آمده حاکی از کاهش قابل‌توجه حجم رواناب در جنوبی‌ترین بخش منطقه می‌باشد. همچنین نتایج این بررسی حاکی از بزرگ‌تر بودن عدم‌قطعیت ناشی از مدل‌های گردش عمومی از عدم‌قطعیت مدل‌های بارش- رواناب بود. لی و همکاران (2014) اثرات تغییراقلیم بر رواناب را در منطقه‌ای واقع در جنوب شرقی فلات تبت مورد بررسی قرار دادند. نتایج بدست آمده نشان داد که هر دو مدل GR4[1] و SIMHYD[2] در همه رودخانه‌های مورد مطالعه، افزایش رواناب را در دوره‌های آتی پیش‌بینی کردند. احدی و همکاران (2016) اثرات تغییر اقلیم بر منابع آب در ایران را با استفاده از روش‌های پویایی سیستم‌ها ارزیابی کردند. نتایج نشان داد که تغییرات دما و بارش به ترتیب در محدوده 6± درجه سلسیوس و 60± درصد بوده است و با افزایش دما، تبخیر افزایش و رواناب کاهش می‌یابد. فن و همکاران (2020) اثر تغییراقلیم را بر تغییرات میزان رواناب و به تبع آن تغییرات تولید انرژی برقابی در چین بررسی کردند. نتایج نشان داد که انرژی برقابی نسبت به تغییرات آب و هوایی بسیار حساس و آسیب‌پذیر می‌باشد، به‌طوری‌که تا سال 2100 تحت سناریوی RCP4.5[3] به میزان 49/67 میلیارد کیلووات ساعت و تحت سناریوی RCP8.5 به میزان 29/153 میلیارد کیلووات ساعت در مقایسه با سال 2011 کاهش خواهد یافت. گلت و همکاران (2020) اثرات تغییراقلیم را بر بارش، دما، رواناب و رسوب در حوضه رودخانه نیل مورد بررسی قرار دادند. نتایج نشان داد که میزان دما و بار رسوب در آینده افزایش خواهد یافت، در حالیکه مقادیر بارش و رواناب کاهش خواهند یافت. رونچاک و همکاران (2019) اثرات تغییراقلیم را بر رژیم هیدرولوژیکی و رواناب در چند حوضه منتخب کشور اسلواکی مورد بررسی قرار دادند. آنها تغییرات بارش، دمای هوا و تبخیر- تعرق را در دهه‌های آینده بر اساس خروجی‌های مدل‌های تغییراقلیم منطقه‌ای KNMI[4] و MPI[5] و سناریوی انتشار A1B پیش‌بینی کردند. سپس بر اساس مقادیر مذکور میزان رواناب را با مدل توزیعی WetSpa[6] در مقیاس روزانه تا سال 2100 شبیه‌سازی کردند. نتایج حاکی از افزایش میزان رواناب در ماه‌های زمستان و کاهش رواناب در ماه‌های پاییز و تابستان در آینده بود. آشفته و مساح (2009) به بررسی اثرات تغییراقلیم بر رژیم سیلاب در دوره 2069-2040 با در نظر گرفتن عدم‌قطعیت مربوط به مدل‌های گردش عمومی در حوضه آیدوغموش واقع در استان آذربایجان شرقی پرداختند. در این مطالعه پس ازآماده‌سازی داده‌های هواشناسی (دما و بارش) در دوره آتی، تابع توزیع احتمالی این داده‌ها برای دوره آتی به وسیله وزن‌دهی مدل‌های گردش عمومی با استفاده از روش MOTP[7] تولید گردید و با استفاده از روش مونت‌کارلو تعداد 2000 سری نمونه از توزیع احتمالی دما و بارش کوچک مقیاس شده به مدل بارش- رواناب معرفی شد و تعداد 2000 سری رواناب روزانه شبیه‌سازی شد. کمال و مساح بوانی (2010) به بررسی اثرات تغییراقلیم بر رواناب حوضه قره‌سو با دخالت عدم‌قطعیت دو مدل هیدرولوژیکی IHACRES[8] و SYMHYD پرداختند. بدین منظور، در ابتدا نوسانات و مقادیر متوسط متغیرهای دما و بارش HADCM3[9] تحت سناریو A2 و روش ریزمقیاس‌نمایی آماری مورد شبیه‌سازی قرار گرفت. نتایج حاصل نشان داد که محدوده عدم‌قطعیت مربوط به نوسانات اقلیمی در ماه‌های مختلف سال بین 5/0 تا 2 درجه سانتی‌گراد برای دما و 10- تا 20 میلی‌متر برای بارش می‌باشد. همچنین نتایج نشان داد که دو مدل در شبیه‌سازی تغییرات رواناب در دوره آتی هماهنگی دارند، به‌گونه‌ای که هر دو مدل کاهش رواناب را برای فصل پاییز و افزایش رواناب را برای فصل‌های دیگر تخمین زدند. به طور کلی، نتایج این مطالعه حاکی از این بود که عدم‌قطعیت مدل‌های هیدرولوژیکی تأثیر قابل توجهی، نسبت به نوسانات اقلیمی در برآورد رواناب یک حوضه تحت تأثیر تغییراقلیم دارد. ذهبیون و همکاران (2012) به بررسی مدل SWAT[10] در جهت تخمین رواناب حوضه آبریز قره‌سو در دوره آتی تحت تغییراقلیم با استفاده از مدل HadCM3 پرداختند. به این منظور آنها ابتدا مدل SWAT را برای دوره پایه 2000-1971 مورد واسنجی و اعتبارسنجی قرار دادند. نهایتاً نتایج حاکی از تغییر رواناب منطقه در این دوره بین 90 تا 120 درصد در ماه‌های مختلف بود. منصوری و همکاران (2018) در مطالعه‌ای اثر تغییراقلیم بر رواناب ورودی به مخزن سد کارون 4 را بر اساس گزارشات چهارم و پنجم IPCC[11] بررسی کردند. نتایج این مطالعه حاکی از افزایش رواناب تحت دو سناریوی B1 و RCP2.6 و همچنین کاهش رواناب تحت دو سناریوی A2 و RCP8.5 بود. در این پژوهش، با توجه به اهمیت موضوع تغییراقلیم به بررسی تاثیر تغییراقلیم بر رواناب حوضه رود زرد با رویکرد احتمالاتی و تحلیل عدم‌قطعیت ناشی از مدل‌های گردش عمومی جو پرداخته شده است. قابل ذکر است که سد جره در خروجی حوضه مورد مطالعه قرار دارد و لذا بررسی تغییر رواناب ورودی به مخزن سد تحت تاثیر تغییراقلیم به منظور برنامه‌ریزی منابع آب و سازگاری با آثار احتمالی و منفی این پدیده باعث افزایش اهمیت این مطالعه شده است. در این پژوهش، از 3 مدل GCM[12] برای شبیه‌سازی اثرات تغییراقلیم و همچنین از مدل IHACRES برای شبیه‌سازی بارش- رواناب و جریان ورودی به مخزن سد استفاده شده است. روش ترکیبی ضریب تغییرات[13] (CF) و مدل تولید داده‌های تصادفی اقلیمی[14]LARS-WG به عنوان یک روش ترکیبی برای ریزمقیاس‌نمایی بکار گرفته شده است. همچنین روش MOTP برای وزن‌دهی به مدل‌های GCM حاصل از گزارش پنجم IPCC و اعمال سناریوهای احتمالاتی برای تحلیل عدم‌قطعیت ناشی از مدل‌های گردش عمومی جو بر رواناب ورودی به مخزن سد جره تحت سناریوهای RCP8.5 و RCP4.5 استفاده گردید.
[1] Génie Rural a` 4 paramètres Journalier (in French ) [2] Simple hydrology [3] Representative concentration pathways (RCPs) [4] Koninklijk Nederlands Meteorologisch Instituut [5] Max-Planck-Institute [6] Water and energy transfer between soil, plants and atmosphere [7] Mean observed temperature precipitation [8] Identification of unit hydrographs and component flow from rainfall, evaporation and streamflow data [9] Hadley coupled atmosphere-ocean general circulation model [10] Soil and water assessment tool [11] Intergovernmental panel on climate change [12] General circulation models [13] Change factor [14] Long Ashton Research Station Weather Generator | ||
| مراجع | ||
|
Ahadi MS, Eshraghi H, Habibi Nokhandan M, Shahni Danesh M and Fahmi H, 2016. Climate change impact assessment on water resources in Iran: applying dynamic and statistical downscaling methods. Journal of Water and Climate Change 7(3): 551-577.
Ashofteh P and Massah AR, 2009. Uncertainty of climate change impact on the flood regime. Case study: Aidoghmoush basin, East Azerbaijan, Iran. Iran-Water Resources Research 5(2): 27-39. (In Persian with English abstract)
Chang H and Jung IW, 2010. Spatial and temporal changes in runoff caused by climate change in a complex large river basin in Oregon. Journal of Hydrology 388: 186-207.
Donner LJ, Wyman BL, Hemler RS, Horowitz LW, Ming Y, Zhao M, Golaz J, Ginoux P, Lin SJ, Schwarzkopf MD, Austin J, Alaka G, Cooke WF, Delworth TL, Freidenreich SM, Gordon CT, Griffies SM, Held IM, Hurlin WJ, Klein SA, Knutson TR, Langenhorst AR, Lee H, Lin Y, Magi BI, Malyshev SL, Milly PCD, Naik V, Nath MJ, Pincus R, Ploshay JJ, Ramaswamy V, Seman CJ, Shevliakova E, Sirutis JJ, Stern WF, Stouffer RJ, Wilson RJ, Winton M, Wittenberg AT and Zeng F, 2011. The dynamical core, physical parameterizations, and basic simulation characteristics of the atmospheric component AM3 of the GFDL global coupled model CM3. Journal of Climate 24: 3484-3519.
Dufresne JL, Foujols MA, Denvil S, Caubel A, Marti O, Aumont O, Balkanski Y, Bekki S, Bellenger H, Benshila R, Bony S, Bopp L, Braconnot P, Brockmann P, Cadule P, Cheruy F, Codron F, Cozic A, Cugnet D, de Noblet N, Duvel JP, Ethé C, Fairhead L, Fichefet T, Flavoni S, Friedlingstein P, Grandpeix JY, Guez L, Guilyardi E, Hauglustaine D, Hourdin F, Idelkadi A, Ghattas J, Joussaume S, Kageyama M, Krinner G, Labetoulle S, Lahellec A, Lefebvre MP, Lefevre F, Levy C, Li ZX, Lloyd J, Lott F, Madec G, Mancip M, Marchand M, Masson S, Meurdesoif Y, Mignot J, Musat I, Parouty S, Polcher J, Rio C, Schulz M, Swingedouw D, Szopa S, Talandier C, Terray P, Viovy N and Vuichard N, 2013. Climate change projections using the IPSL-CM5 earth system model: from CMIP3 to CMIP5. Climate Dynamics 40(9-10): 2123-2165.
Dunne JP, John JG, Adcroft AJ, Griffies SM, Hallberg RW, Shevliakova E, Stouffer RJ, Cooke W, Dunne KA and Harrison MJ, 2012. GFDLs ESM2 global coupled climate-carbon earth system models. Part I: Physical formulation and baseline simulation characteristics. Journal of Climate 25: 6646-6665.
Fan J, Hu J, Zhang X, Kong L, Li F and Mi Z, 2020. Impacts of climate change on hydropower generation in China. Mathematics and Computers in Simulation 167: 4-18.
Franklin CN, Sun Z, Bi D, Dix M, Yan H and Bodas-Salcedo A, 2013. Evaluation of clouds in access using the satellite simulator package cosp: global, seasonal, and regional cloud properties. Journal of Geophysical Research: Atmospheres 118: 732-748.
Gelete G, Gokcekus H and Gichamo T, 2020. Impact of climate change on the hydrology of Blue Nile basin, Ethiopia: A review. Journal of Water and Climate Change 11(4): 1539–1550.
Ghandhari GH, Soltani J and Hamidian Pour M, 2015. Evaluation of optimal water allocation scenarios for Bar river of Neishabour using WEAP model under A2 climatic changes scenario. Journal of Water and Soil 29(5): 1158-1172. (In Persian with English abstract)
Ghosh S and Dutta S, 2012. Impact of climate change on flood characteristics in Brahmaputra Basin using a macro-scale distributed hydrological model. Journal of Earth System Science 121: 637-657.
Gohari A, Bozorgi A, Madani K, Elledge J and Berndtsson R, 2014. Adaptation of surface water supply to climate change in central Iran. Journal of Water and Climate Change 5: 391–407.
Hadizadeh M, Shahidi A and Farzaneh, MR, 2011. Uncertainty analysis of precipitation under climate change (Case study: Birjand Synoptic Station). 4th Conference of Water Resources Management of Iran. 3 May, Tehran, Iran.
Heydari Tasheh Kabood S, Hosseini SA and Heydari Tasheh Kabood A, 2020. Investigating the effects of climate change on stream flows of Urmia Lake basin in Iran. Modeling Earth Systems and Environment 6: 329-339.
Hwang CL and Yoon K, 1981. Multiple Attribute Decision Making: Methods and Applications. New York: Springer-Verlag.
Iversen T, Bentsen M, Bethke I, Debernard JB, Kirkevag A, Seland Ø, Drange H, Kristjansson JE, Medhaug I, Sand M and Seierstad IA, 2013. The Norwegian Earth System Model, NorESM1-M- Part 2: Climate response and scenario projections. Geoscientific Model Development 6: 389-415.
Jakeman AJ and Hornberger GM, 1993. How much complexity is warranted in a rainfall-runoff model. Water Resources Research 29(8): 2637-2649.
Kamal A and Massah Bavani A, 2010. Climate change and variability impact in basin’s runoff with interference of two hydrology models uncertainty. Journal of Water and Soil 24(5): 920-931. (In Persian with English abstract)
Kult J, Choi W and Choi J, 2014. Sensitivity of the snowmelt runoff model to snow covered area and temperature inputs. Applied Geography 55: 30–38.
Li F, Xu Z, Liu W and Zh Y, 2014. The impact of climate change on runoff in the Yarlung Tsangpo river basin in the Tibetan Plateau. Stochastic Environmental Research and Assessment 28: 517-526.
Mansouri A, Aminnejad B and Ahmadi H, 2018. Investigating the effect of climate change on inflow runoff into the Karun-4 Dam based on IPCC's fourth and fifth report. Journal of Water and Soil Science 22(2): 345-359. (In Persian with English abstract)
Massah Bavani A and Ashofteh P, 2008. Investigating the importance of climate change in the world and its impact on various systems. Technical Workshop on the Effects of Climate Change on Water Resources Management. 13 Feb. Tehran, Iran. (In Persian with English abstract)
Massah Bavani AR, 2006. Risk Assessment of Climate Change and Its Impact on Water Resources. A Case Study in Zayandeh-Rud Basin. PhD. Thesis. Faculty of Agriculture, Tarbait Modares University. (In Persian with English abstract)
Meehl GA, Washington WM, Arblaster JM, Hu A, Teng H, Tebaldi C, Sanderson BN, Lamarque JF, Conley A, Strand WG and White JB III 2012. Climate system response to external forcings and climate change projections in CCSM4. Journal of Climate 25: 3661-3683.
Raff DA, Sutley D, Pruitt T and Brekke LD, 2010. Flood frequency in a changing climate. Projections approach and diagnostics. 2nd Joint Federal Interagency Conference. 27 June- 1 July. Las Vegas, USA.
Rončák P, Hlavčová K, Kohnová S and Szolgay J, 2019. Impacts of future climate change on runoff in selected catchments of Slovakia. Pp.279- 292. In: Leal Filho W, Trbic G, Filipovic D, (eds.) Climate Change Adaptation in Eastern Europe. Climate Change Management. Springer-Verlag.
Rotstayn LD, Jeffrey SJ, Collier MA, Dravitzki SM, Hirst AC, Syktus JI and Wong KK, 2012. Aerosol-and greenhouse gas-induced changes in summer rainfall and circulation in the Australasian region. a study using single-forcing climate simulations. Atmospheric Chemistry and Physics 12: 6377-6404.
Stevens B, Giorgetta M, Esch M, Mauritsen T, Crueger T, Rast S, Salzmann M, Schmidt H, Bader J, Block K, Brokopf R, Fast I, Kinne S, Kornblueh L, Lohmann U, Pincus R, Reichler T and Roeckner E, 2013. Atmospheric component of the MPI-M earth system model: ECHAM6. Journal of Advances in Modeling Earth Systems 5(2): 146-172.
Teng J, Vaze J, Chiew FHS, Wangand B and Perraud JM, 2012. Estimating the relative uncertainties sourced from GCMs and hydrological models in modeling climate change impact on runoff. Journal of Hydrometeorology 13: 122-139.
Thrasher B and Nemani R, 2012. NASA Earth Exchange Global Daily Downscaled Projections (NEX-GDDP). Intent of This Document and POC. Earth Engine Data Catalog.
Voldoire A, Sanchez-Gomez E, Salas y Mélia D, Decharme B, Cassou C, Sénési S, Valcke S, Beau I, Alias A, Chevallier M, Déqué M, Deshayes J, Douville H, Fernandez E, Madec G, Maisonnave E, Moine MP, Planton S, Saint-Martin D, Szopa S, Tyteca S, Alkama R, Belamari S, Braun A, Coquart L and Chauvin F, 2013. The CNRM-CM5.1 global climate model: description and basic evaluation. Climate Dynamics 40: 2091-2121. | ||
|
آمار تعداد مشاهده مقاله: 800 تعداد دریافت فایل اصل مقاله: 344 |
||