تعداد نشریات | 44 |
تعداد شمارهها | 1,312 |
تعداد مقالات | 16,121 |
تعداد مشاهده مقاله | 52,720,785 |
تعداد دریافت فایل اصل مقاله | 15,388,279 |
بسط منحنیهای IDF تحت سناریوهای مختلف تغییر اقلیم و تخمین دبی بیشینه سیلاب در حوضه درکه تهران (مطالعه موردی: ایستگاههای سینوپتیک شمیران، ژئوفیزیک و مهرآباد) | ||
دانش آب و خاک | ||
مقاله 14، دوره 33، شماره 2، تیر 1402، صفحه 221-241 اصل مقاله (868.18 K) | ||
شناسه دیجیتال (DOI): 10.22034/ws.2021.47550.2431 | ||
نویسندگان | ||
حجت کرمی* 1؛ مرضیه خالقی میبدی2؛ خسرو حسینی3 | ||
1دانشیار گروه آموزشی عمران - آب، دانشکده مهندسی عمران ، دانشگاه سمنان | ||
2دانشجوی کارشناسی ارشد مهندسی عمران گرایش مهندسی آب و سازههای هیدرولیکی دانشگاه سمنان | ||
3دانشیار گروه آموزشی عمران- آب، دانشکده مهندسی عمران، دانشگاه سمنان | ||
چکیده | ||
با مقایسه منحنیهای IDF به دست آمده معلوم شد که برای دوره بازگشت 50 سال شدت بارش در ایستگاههای همدید شمیران، ژئوفیزیک و مهرآباد تحت سناریوی RCP2.6 نسبت به دوره پایه به ترتیب به اندازه 66/45، 49/54 و 74/31 درصد افزایش یافته است. این رقم برای سناریوی RCP4.5 به ترتیب معادل 89/40، 5/61 و 9/43 درصد و برای سناریوی RCP8.5 معادل 77/65، 12/66 و 6/48 درصد میباشد. با استفاده از منحنیهای IDF استخراج شده برای ایستگاههای منتخب مقدار حداکثر دبی سیلاب با سناریوهای مختلف در خروجی حوضه آبریز درکه با روش استدلالی محاسبه شد. دبی بیشینه با به کارگیری رابطه منطقی، تحت تأثیر تغییر اقلیم با دبی دوره پایه مورد مقایسه قرار گرفت. نتایج نشان داد که برای دوره بازگشت 50 سال دبی بیشینه بر اساس شدت بارش به دست آمده در ایستگاه شمیران با افزایش حداقل 89/40 درصد و حداکثر 77/65 درصد تحت تأثیر سناریوهای RCP4.5 و RCP8.5 نسبت به دبی بیشینه دوره پایه مواجه است. با توجه به شدت بارش محاسبه شده در ایستگاه ژئوفیزیک مقدار حداکثر دبی سیل با سناریوی RCP2.6 حدود 54 درصد و با سناریوی RCP8.5 حدود 66 درصد نسبت به دوره پایه افزایش نشان داد. در نهایت با مقایسه دبی بیشینه تحت تأثیر سناریوهای اقلیمی و دبی بیشینه دوره پایه (محاسبه شده بر اساس شدت بارش) در ایستگاه مهرآباد نیز مشخص شد، حداقل افزایش دبی بیشینه مربوط به سناریوی RCP2.6 به میزان 74/31 درصد و حداکثر میزان افزایش تحت تأثیر سناریوی RCP8.5 به میزان 61/48 درصد میباشد. | ||
کلیدواژهها | ||
تغییر اقلیم؛ دبی بیشینه سیلاب؛ رابطه منطقی؛ سیلاب؛ منحنیهای IDF | ||
مراجع | ||
Abdullah J, Muhammad NS, Julien PY, Ariffin J and Shafie A, 2018. Flood flow simulations and return period calculation for the Kota Tinggi watershed, Malaysia. Journal of Flood Risk Management 11:766-782.
Adib A and Ghafari Rad S, 2019. Development of a new integrated method for generation IDF curves based on three climatic changes scenarios. Scientia Iranica 26:742-751.
Ahmadabadi A and Sedighifar Z, 2019. Prediction of climate change induced hydrogeomorphology by using SDSM in can watershed. Journal of Geographical Sciences 18:103-114. (In Persian with English abstract)
Alizadeh A, 2006. Principles of Applied Hydrology. Pp. 1-811. Astan Quds Razavi Publications, 29th edition. (In Persian)
Anaraki MV, Farzin S, Mousavi SF and Karami H, 2021. Application of hybrid least square support vector machine-whale optimization algorithm (LSSVM-WOA) for downscaling and prediction of precipitation under climate change (Case Study: Karun3 Basin). Iranian Journal of Irrigation and Water Engineering 11:253-271. (In Persian with English abstract)
Anaraki MV, Mousavi SF, Farzin S and Karami H, 2020. Introducing a nonlinear model based on hybrid machine learning for modeling and prediction of precipitation and comparison with SDSM method (Case study: Shahrekord, Barez, and Yasuj). Iranian Journal of Soil and Water Research 51:325-339. (In Persian with English abstract)
Bernard MM, 1932. Formulas for rainfall intensities of long duration. Transactions of the American Society of Civil Engineers 96:592-606.
Binesh N, Niksokhan MH and Sarang A, 2018. A study of rainfall and urban runoff flow regime under future climate condition (Case study: West Flood-Diversion Catchment in Tehran). Amirkabir Journal of Civil Engineering 50:815-826. (In Persian with English abstract)
De Paola F, Giugni M, Elena Topa M and Bucchignani E, 2014. Intensity-duration-frequency (IDF) rainfall curves, for data series and climate projection in African cities. SpringerPlus 3:1-18.
Ghahraman B and Abkhezr H, 2004. Improvement in intensity-duration-frequency relationships of rainfall in Iran. Journal of Water and Soil Science 8:1-14. (In Persian with English abstract)
Habibnejad R and Shokoohi A, 2020. Evaluating intensity, duration and frequency of short duration rainfalls using a regional climate change model (Case study: Tehran). Iran-Water Resources Research 15:412-424. (In Persian with English abstract)
Khan MS, Coulibaly P and Dibike Y, 2006. Uncertainty analysis of statistical downscaling methods. Journal of Hydrology 319:357-382.
Khazaei MR, Zahabiyoun B and Hasirchian M, 2020. Comparison of IWG and SDSM weather generators for climate change impact assessment. Theoretical and Applied Climatology 140:859-870.
Liew SC, Raghavan SV and Liong SY, 2014. How to construct future IDF curves, under changing climate, for sites with scarce rainfall records? Hydrological Processes 28:3276-3287.
Mirzayi S and Raoof M, 2015. Comparing experimental methods and analyzing flood hydrograph in estimating time of concentration, (Case study: Atashgah Watershed, Ardabil Province). Journal of Watershed Engineering and Management 6:407-414. (In Persian with English abstract)
Moriasi DN, Arnold JG, Van Liew MW, Bingner RL, Harmel RD and Veith TL, 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE 50:885-900.
Mozayyan M, Akhoond Ali AM, Massah Bavani AR, Radmanesh F and Zohrabi N, 2015. The impact of climate change in low flows (Case study: Sepid Dasht Sezar). Irrigation Sciences and Engineering 38:1-19. (In Persian with English abstract)
Safavi HR, Dadjou SH and Naeimi G, 2019. Extraction of intensity-duration-frequency (IDF) curves under climate change. (Case study: Isfahan Synoptic Station). Iran-Water Resources Research 15:217-227. (In Persian with English abstract)
Sarhadi A and Soulis ED, 2017. Time‐varying extreme rainfall intensity‐duration‐frequency curves in a changing climate. Geophysical Research Letters 44:2454-2463.
Simonovic SP, Schardong A, Sandink D and Srivastav R, 2016. A web-based tool for the development of intensity duration frequency curves under changing climate. Environmental Modelling & Software 81:136-153.
Souvignet M and Heinrich J, 2011. Statistical downscaling in the arid central Andes: uncertainty analysis of multi-model simulated temperature and precipitation. Theoretical and Applied Climatology 106:229-244.
Sy B, Frischknecht C, Dao H, Consuegra D and Giuliani G, 2019. Flood hazard assessment and the role of citizen science. Journal of Flood Risk Management 12:12505-12519.
Van Campenhout J, Houbrechts G, Peeters A and Petit F, 2020. Return period of characteristic discharges from the comparison between partial duration and annual series, application to the Walloon Rivers (Belgium). Journal of Water 12:792-825.
Vu MT, Raghavan SV, Liu J and Liong S, 2018. Constructing short‐duration IDF curves using coupled dynamical–statistical approach to assess climate change impacts. International Journal of Climatology 38:2662-2671.
Wilby RL, Dawson CW and Barrow EM, 2002. SDSM — a decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software 17:145-157.
Wilby RL and Harris I, 2006. A framework for assessing uncertainties in climate change impacts: Low‐flow scenarios for the River Thames, UK. Water Resources Research 42:1-10.
Xing W, Wang W, Shao Q and Ding Y, 2018. Estimating net irrigation requirements of winter wheat across central-eastern China under present and future climate scenarios. Journal of Irrigation and Drainage Engineering 144:05018005.
Yang L, Li J, Sun H, Guo Y and Engel BA, 2019. Calculation of nonstationary flood return period considering historical extraordinary flood events. Journal of Flood Risk Management 12:12453-12463.
| ||
آمار تعداد مشاهده مقاله: 624 تعداد دریافت فایل اصل مقاله: 332 |