بررسی تأثیر تغییر اقلیم بر موازنه ی آبی ناشی از بارش در آبخوان تسوج برای دوره ی 2030- 2017

ساری صراف, بهروز; جلالی عنصرودی, طاهره

فهرست نشریات دارای اعتبار وزارت علوم، تحقیقات و فناوری

تعداد نشریات	41
تعداد شماره‌ها	1,116
تعداد مقالات	13,678
تعداد مشاهده مقاله	48,554,426
تعداد دریافت فایل اصل مقاله	12,304,383

بررسی تأثیر تغییر اقلیم بر موازنه ی آبی ناشی از بارش در آبخوان تسوج برای دوره ی 2030- 2017

هیدروژئومورفولوژی

مقاله 9، دوره 6، شماره 19، شهریور 1398، صفحه 163-185 اصل مقاله (1.13 MB)

نوع مقاله: پژوهشی

نویسندگان

بهروز ساری صراف

¹؛ طاهره جلالی عنصرودی²

¹استاد گروه آب و هواشناسی دانشگاه تبریز، تبریز (نویسنده ی مسئول).

²دانشجوی دکتری اقلیم شناسی دانشگاه تبریز، تبریز

چکیده

تغییر در الگوی دما و بارش تأثیرات مهمی بر روی کمیت و کیفیت منابع آبی بخصوص در مناطق خشک و نیمه خشک دارد. در این مقاله با استفاده از مدل SDSM، خروجی مدل جهانی گردش عمومی جو HadCM3را در منطقه ی مورد مطالعه به وسیله ی داده‌های مشاهداتی ایستگاه تبریز ریزمقیاس نموده و با در نظر گرفتن سناریوی تغییر اقلیم A2، تغییرات تبخیر، رواناب و تغذیه ی ناشی از بارش در آبخوان تسوج برای دوره ی 2030-2017 مورد ارزیابی قرار گرفت. نتایج حاصل از ریز‌مقیاس نمایی نشان داد تحت سناریو A2، در منطقه ی مورد مطالعه میانگین دمای سالانه نسبت به دوره ی پایه 01/1 درجه سانتی‌گراد افزایش و بارش سالانه 1/7- میلی‌متر کاهش خواهد یافت. به منظور شبیه‌سازی میزان تبخیر و تعرق، تغذیه و رواناب در دوره ی ‌آینده از مدل HELP استفاده شد. نتایج نشان داد که به دلیل افزایش دما مقادیر قابل توجهی از بارش صرف تبخیر و تعرق خواهد شد. در کنار کاهش بارش و افزایش دما، ویژگی‌‌های هیدرولیکی و رطوبتی خاک در میزان تغذیه نقش مهمی ایفا می‌کند. به طوری که با افزایش رطوبت خاک از میزان تغذیه کاسته شده و بر میزان رواناب افزوده خواهد شد.

تازه های تحقیق

کلیدواژه‌ها

تغییر اقلیم؛ تغذیه؛ رواناب؛ حوضه ی آبریز تسوج؛ SDSM؛ .HELP

اصل مقاله

مقدمه

منابع آب زیرزمینی از یک سو به دلیل شیرین بودن، ترکیبات شیمیایی، دمای ثابت، ضریب آلودگی کمتر و سطح اطمینان بالاتر در تأمین منابع آب به عنوان یک منبع قابل اتکاء به ویژه در مناطق خشک و نیمه خشک محسوب میشود (علایی طالقانی و همکاران، 1396: 22). از مهمترین فاکتورهای بارش که در تغذیه مؤثرند می‌توان به مقدار، پراکنش، شدت، مدت و نوع بارش اشاره نمود. در واقع زمانی که مقدار بارش از میزان تبخیر و تعرق (در یک دورهی زمانی مشخص) بیشتر می‌شود، امکان تغذیه ی سفره ی آب زیرزمینی فراهم می‌گردد. تا زمانی که میزان تبخیر و تعرق در ناحیه ی غیراشباع بیش از بارش وارد شده به این ناحیه باشد امکان تغذیه ی سفره‌های آب زیرزمینی وجود ندارد. بخش قابل ملاحظه‌ای از نزولات جوی بلافاصله بعد از ریزش از طریق تبخیر و تعرق به اتمسفر برمی‌گردد (علیزاده، 1378: 103). مطالعات کمتری روی تأثیر تغییر اقلیم بر تغذیه ی آب زیرزمینی انجام پذیرفته و اکثر مطالعات صورت گرفته به بررسی اثرات تغییر اقلیم بر روی عناصر اقلیمی محدود می‌شود. کوهن[1] (1986) اثر سناریوهای تغییر اقلیم بر بارش و دما و در نتیجه تغییرات تراز آب دریاچه‌های بزرگ آمریکای شمالی را بررسی نمود. نتایج مطالعه نشان داد که ذخیره آب خالص دریاچه‌های بزرگ در واکنش به تغییرات اقلیمی کاهش خواهد یافت. هولمن[2] (2006) اثرات تغییر اقلیم و فعالیت‌های اقتصادی، اجتماعی بر تغذیه ی منابع آب زیرزمینی را در شرق انگلیس بررسی و راه کارهای مقابله با مشکلات آن را بیان داشت. نتایج نشان داد عوامل زیادی از جمله تغییرات بارش، تغییر رژیم حرارتی سیلاب‌های ساحلی، شهرسازی، ایجاد اراضی جنگلی، تغییرات کشت و شخم، آینده ی تغذیه ی منابع آب زیرزمینی را تحت تأثیر قرا می‌دهند. یرکما و همکاران[3] (2007) با استفاده از مدل هیدرولوژیکیHELP3 اثر تغییر اقلیم را بر تغییرات مکانی تغذیه آبخوان در حوضه رودخانه ی گراند در انتاریوی کانادا بررسی کردند. نتایج تحقیق نشان داد که در اثر تغییر اقلیم، جریانات و حجم تغذیه ی آبخوان افزایش می‌یابد. ان جی و همکاران[4] (2010) به بررسی تأثیر تغییر اقلیم بر تغذیه آب زیرزمینی دشت واقع در شمال تگزاس پرداختند. محققان مذکور جهت ریزمقیاس‌نمایی آماری داده‌های اقلیمی از نرم‌افزار LARS-WG و جهت پیش‌بینی تغذیه از نرم‌افزار SWAP بهره گرفتند. نتایج نشان‌دهنده ی این بود که در پاسخ به تغییرات اقلیمی میزان تغذیه ی آب زیرزمینی بین 75- تا 35+ درصد تغییر خواهد نمود. لوما و اوکونن[5] (2014) اثرات تغییر اقلیم آینده و افزایش سطح آب دریای بالتیک را بر روی تراز آب زیرزمینی در جنوب فنلاند با استفاده از مدل [6]UZF1 همراه با مدل سه بعدی جریان آب‌های زیرزمینی (MODFLOW) بررسی نمودند. نتایج نشان داد که در دوره 2100-2071، الگوی تغذیه آب های زیرزمینی تغییر یافته و اثرات فصلی تغییر آب و هوا در تغذیه ی آبهای زیرزمینی به صورت سرریز سطحی و در نتیجه جاری شدن سیل در زمستان و اوایل بهار و خشکسالی در تابستان بسیار قابل توجه خواهد بود. ایرتوک و همکاران[7] (2016) اثر تغییر اقلیم کنونی و آینده بر روی منابع آب زیرزمینی را در یک حوضه ی کوچک مدیترانه‌ای با مدل SWAT ارزیابی نمودند. مطابق با نتایج به دست آمده، تقریباً همه ی اجزای بیلان آب کاهش یافته و انتظار می‌رود کمبود آب در آینده تبدیل به یک مسئله مهم شود. هوز و همکاران[8] (2017) به تجزیه و تحلیل تأثیر تغییر آب ‌و هوای آینده بر روی سطح آب زیرزمینی در یک حوضه ی آبریز در انگلستان پرداختند و نتیجه گرفتند که در اثر تغییر متغیرهای اقلیمی نظیر بارش، دما و تبخیر و تعرق، سطح آب زیرزمینی در منطقه ی مورد مطالعه کاهش می‌یابد. در مناطق خشک و نیمه‌خشک دسترسی به منابع آب بیشتر از طریق آب‌های زیر‌زمینی امکان‌پذیر است. اما استفاده بی‌رویه از مخازن آب زیرزمینی باعث شده است که میزان تغذیه ی آبخوان‌ها جوابگوی برداشت نباشد. بنابراین بررسی و پیش‌بینی وضعیت میزان تغذیه ی منابع آب زیرزمینی تحت تاثیر تغییر اقلیم با توجه به شکننده بودن این اکوسیستم‌ها از اهمیت دوچندانی برخوردار است. در همین راستا هدف از این تحقیق بررسی روند تغییرات بارش، تبخیر، رواناب تحت تاثیر سناریو A و همچنین بررسی اثر تغییرات این متغیرها در میزان تغذیه آب‌های زیر‌زمینی (ناشی از بارش مستقیم) در آبخوان تسوج می‌باشد. که نتایج آن می‌تواند چراغ راهی برای کلیه ی برنامه‌ریزان و سیاست‌گذاران بخش آب، کشاورزی و منابع طبیعی به منظور سازگاری و مقابله با پدیده تغییر اقلیم در آینده باشد.

مواد و روش ها

ـ معرفی منطقه ی مورد مطالعه

حوضه ی آبریز تسوج در استان آذربایجان شرقی و در شمال دریاچه ی ارومیه قرار دارد. این محدوده ی مطالعاتی از شمال به محدوده ی مرند، از غرب به محدوده سلماس و از شرق به محدوده ی شبستر – صوفیان محدود می‌گردد. از نظر موقعیت جغرافیایی بین 45 درجه و 2 دقیقه تا 45 درجه و 32 دقیقه طول شرقی و 38 درجه و 11 دقیقه الی 38 درجه و 25 دقیقه ی عرض شمالی قرار گرفته است. محدوده ی تسوج منطقه‌ای کوهپایه‌ای-ساحلی بوده از طرف شمال در ادامه ی کوه‌های میشو به کوه‌های قاطر اوچان متصل بوده و از طرف جنوب هم به دریاچه ی ارومیه می‌رسد. مساحت حوضه ی آبریز تسوج حدود 559 کیلومتر مربع و وسعت آبخوان آن حدود 262 کیلومتر مربع می‌باشد (ندیری، 1392: 50).

شکل( 1) موقعیت منطقه ی مورد مطالعه

ـ روش کار

در این تحقیق جهت بررسی تغییر اقلیم در حوضه آبریز تسوج داده‌های مورد نیاز از دو منبع اخذ گردید: 1- خروجی مدل جهانی AOGCM که در این پژوهش از مدل HadCM3 استفاده گردید. مطابق با تحقیق صمدی و همکاران (1388) درحوضه ی آبریز کرخه، آشفته و مساح بوانی (1388) در حوضه ی آیدوغموش، گودرزی (1390) در زیرحوضه ی کرخه علیا و جهانبخش و همکاران (1395) در حوضهی شهر چای ارومیه مدلHADCM3 عملکرد بهتری نسبت به سایر مدل‌ها داشته است و از حالت افراط و تفریط به دور است. این مدل از سایت IPCC قابل دریافت می‌باشد و شامل 3 سری داده در برگیرنده ی سناریوهای A2 و B2 و داده‌های NCEP می‌باشد که در قالب 26 عنصر پیش‌بینی کننده‌ی اقلیمی ارائه گردیده است (جدول 1). 2- داده‌های مشاهده‌ای؛ که در این تحقیق داده‌های دما و بارش ایستگاه سینوپتیک تبریز با طول آماری 2016-1961 از سازمان هواشناسی اخذ ‌گردیده است.

جدول (1) متغیرهای پیش بینی کننده (Hessami et al., 2007)

ردیف	متغیر	ردیف	متغیر
1	mslp	14	P8_f
2	P__f	15	P8_u
3	P__u	16	P8_v
4	P__v	17	P8_z
5	P__z	18	P8th
6	P_th	19	P8zh
7	P_zh	20	P500
8	P5_f	21	P850
9	P5_u	22	R500
10	P5_v	23	R850
11	P5_z	24	Rhum
12	P5th	25	Shum
13	P5zh	26	Temp

در ادامه جهت ریزمقیاس‌نمایی داده‌های مدل‌های گردش عمومی از روش آماری موسوم به مدل SDSM استفاده شـد. در مدل SDSM سه نوع داده مورد نیاز است که عبارتنـد از 1) داده‌های مشاهداتی روزانه محلی که به این متغیرها، پیش‌بینی شونـده‌ها[9] گفته مـی‌شود، 2) داده‌های بزرگ مقیاس NCEP و 3) داده‌های GCM در مقیاس روزانه که به این ها پیش‌بینی‌کننده‌ها[10] گفته می‌شود. در این مدل رابطه‌ی رگرسیونی بین پیش‌بینی‌کننده‌ها و پیش‌بینی‌شونده‌ها برقرار می‌شود ابتدا مدل متغیرهای پیش‌بینی ‌کننده‌ی NCEP را کالیبره کرده و آنالیز نموده و سپس بر اساس مدل ایجاد شده و پیش‌بینی‌کننده‌های GCM، پیش‌بینی‌شونده مورد نظر را شبیه‌سازی می‌نماید (صمدی و همکاران، 1388: 230).

به منظور ارزیابی و مقایسه دقت روش‌ها و سناریوهای مدل استفاده شده و شناسایی بهترین روش جهت پیش‌بینی، از معیارهای میزان واریانس تبیین شده مدل (R²)، میانگین جذر میانگین مربعات خطا (RSME)و خطای استاندارد SE) )استفاده شد.

رابطه ی (1)
رابطه ی (2)
رابطه ی (3)

در روابط فوق، x داده‌ها، µ میانگین داده‌ها، σ انحراف معیار و n تعداد داده‌ها می‌باشد. اندیس p نشاندهنده ی داده‌های بزرگ مقیاس (پیش‌بینیکننده‌ها) و اندیس o بیانگر داده‌های کوچک مقیاس (پیش‌بینی شونده‌ها) می‌باشد. مقدار R²بیانگر ارتباط خطی بین داده‌های بزرگ مقیاس و کوچک مقیاس می‌باشد که مقدار آن بین صفر تا 1 متغیر است و هرچه به 1 نزدیک‌تر باشد، نشان دهنده رابطه قوی‌تر بین دو سری داده می‌باشد. در ارتباط با معیار RMSE آستانه خاصی تعریف نشده و هرچه مقدار آن کمتر و به صفر نزدیک باشد، نشان‌دهنده ی قوی بودن ارتباط است (عساکره، 1390: 125).

از جمله روش هایی که برای برآورد میزان تغذیه ی آب‌های زیرزمینی استفاده می‌شود مدل‌سازی ترکیبی است. این روش برای تحقیق اثر کاربری اراضی و تغییر اقلیم بر تغذیه آب زیرزمینی مناسب است (رضایی بنفشه و همکار، 1396: 146). از جمله مدل‌های ترکیبی، مدلHELP3[11] میباشد. که یک مدل هیدرولوژیک دو‌‌ بعدی است که بر اساس روش موازنه آبی توسط اسکرودر و همکارانش در سال 1983 ارائه شده است. این مدل تمام فرایندهای هیدرولوژیکی سطحی و زیرسطحی را به منظور تخمین حرکت روزانه آب در زمین شبیه‌سازی می‌کند و قابلیت الحاق به سیستم اطلاعات جغرافیایی را دارد. این مدل توسط محققین مختلف به منظور بررسی تغذیه ی آب‌‌های زیرزمینی تحت تأثیر تغییر اقلیم مورد استفاده قرار گرفته است که از آن جمله می‌توان به مطالعات آلن و همکاران (2004)، جیرکاما و سای‌کس (2007) و آلن و تویس (2009) اشاره نمود.

در مدل هیدرولوژیکی HELP3 حرکت آب در درون خاک از یک لایه به لایه دیگر از بالا به سمت پائین ادامه می‌یابد که همراه با میزان تغییر در رطوبت خاک است. بررسی میزان تغییرات رطوبت خاک با استفاده از روش روندیابی در وسط هر بازه ی زمانی در هر لایه صورت می‌گیرد. این روش باعث افزایش دقت و کارآمدی بیشتر، شبیه‌سازی آب ورودی و خروجی در هر لایه می‌شود (جیرکاما و سای کس، 2007: 89). میزان آب زهکشی شده از انتهای هر لایه در هر بازه زمانی تابعی از مقدار ذخیره ی آب در کل بازه ی زمانی مورد نظر است. تغییرات ذخیره و میزان آب زهکشی شده با استفاده از روابط ذیل شبیه سازی می‌شود (آبکار، 1392: 112(.

رابطه ی (4)
رابطه ی (5)
رابطه ی (6)

DSM(j) : میزان تغییرات رطوبت در عمق j به اینچ.

DR_i(j) : مقدار آب وارد شده به عمق j ازلایه ی بالاتر در زمان i به اینچ.

SM_i(j) : میزان آب ذخیره شده در عمق j در وسط بازه زمانی i به اینچ.

ET_i(j) : تبخیر و تعرق از عمق j، در زمان i، به اینچ.

RC_i(j) : جریان برگشتی وارد شده به عمق j در زمان i به اینچ.

SI_i(j) : جریان زیرسطحی واردشده به عمق j در زمان i به اینچ.

در مدل HELP پروفیل های خاک از بالا به پائین شماره‌گذاری می‌شوند بنابراین میزان آب وارد شده به پروفیل (1+j) برابر است با میزان آب زهکشی شده از کف پروفیل (j). این وضعیت برای کل لایه‌ها ادامه دارد (سبیک و آلن، 2007: 98).

میزان آبی که از میان خلل و فرج ذرات خاک در حالت اشباع عبور می‌کند، براساس قانون دارسی محاسبه میگردد (اسکرودر و همکاران، 1987: 67).

رابطه ی (7)

q : دبی در واحد سطح و زمان به اینچ در روز.

K : ضریب هیدرولیکی خاک بر حسب اینچ در روز.

i : شیب هیدرولیکی بدون بعد.

h : اختلاف ارتفاع.

l : طول به اینچ در مسیر حرکت جریان.

در هنگام بارش بخشی از آن توسط شاخ و برگ گیاهان دریافت می‌شود که به گیرش گیاهی[12] معروف است. میزان گیرش گیاهی در مدل HELP از رابطه ی ذیل محاسبه می‌شود (بیگی، 1388: 99):

رابطه ی (8)

که:

INT_i : مقدار بارش جذب شده توسط گیاه در روز i به اینچ.

INT_maxi : حداکثر مقدار گیرش گیاهی در روز i به اینچ.

R_i : مقدار بارش در روز i به اینچ.

میزان تعرق توسط گیاهان یا EP_o زمانیکه درجه حرارت بیش از 32 درجه فارنهایت یا صفر درجه سیلیسوس می‏باشد و خاک هم یخزده نباشد. از رابطه ی ذیل محاسبه می‌گردد (اسکرودر و همکارن، 1987: 99):

رابطه ی (9)

خلاصه‌ای از داده‌های مورد نیاز این برنامه در جدول (2) آورده شده است.

جدول (2) خلاصه‌ای از پارامترهای ورودی مدل HELP3(میکو و همکاران،2007)

پارامتر	واحد	قیود
بارش روزانه	میلیمتر در روز	P
میانگین دمای روزانه	درجه سلسیوس	-
تابش خورشیدی روزانه	کیلو ژول برمترمربع
متوسط سرعت سالانه باد	کیلومتر بر ساعت
رطوبت نسبی سه ماهه اول، دوم، سوم و چهارم	درصد
روز شروع و اتمام فصل رشد	تاریخ ژولین
عمق منطقه تبخیری	سانتیمتر
شاخص سطح برگ	-

ادامه ی جدول (2) خلاصه‌ای از پارامترهای ورودی مدل HELP3(میکو و همکاران،2007)

پارامتر	واحد	قیود
عدد منحنی رواناب	-	100≥𝐶𝑁≥0
عمق لایه خاک	سانتیمتر	خاک ستون کل عمق≥𝐻≥0
بافت خاک	-
تخلخل کل	حجم بر حجم	100≥∅≥𝐹𝐶
ظرفیت زراعی زمین	حجم بر حجم	∅≥𝐹𝐶≥𝑊𝑃
نقطه پژمردگی	حجم بر حجم	𝐹𝐶≥𝑊𝑃≥0
هدایت هیدرولیکی اشباع	سانتیمتر بر ثانیه	𝐾𝑆≥0
رطوبت اولیه خاک	حجم بر حجم	-
عرض جغرافیایی	درجه	90≥𝐶𝑁≥−90
شیب	درصد	𝑆≥0
طول شیب	متر	𝐿≥0

در یک نگاه کلی در مدل HELP3، میزان رواناب با روش سازمان حفاظت خاک آمریکا، تبخیر و تعریق براساس روش اصلاح شده پنمن مونتیث، میزان تبخیر از درون خاک با روش‌ اصلاح شده آرنولد و همکاران، تعرق توسط گیاه با استفاده از روش ریتچی، نیاز آبی رشد گیاه با روش آرنولد، تبخیر ازگیرش گیاهی براساس روش هورتون، میزان تبخیر، ذوب و انباشت برف بر اساس روش SNOW-17 مرکز ملی پیش‌بینی سیستم رودخانه‌ای آمریکا، یخ‌زدگی آب در درون خاک بر اساس مدل کنیسل و همکاران، حرکت عمودی آب در درون خاک براساس قانون دارسی و در نهایت جریان‌های زیرقشری براساس روش دوپویی–فروشهایمر محاسبه می‌شود (به منظور جلوگیری از اطاله ی متن مقاله از آوردن فرمول‌ها امتناع گردید). کلیه ی این مراحل با محاسبه ی بیلان آب در سطح زمین شروع می‌شود و با محاسبه ی میزان آب خارج شده از انتهای ستون خاک خاتمه می‌یابد. محاسبات به طور متوالی برای هر روز صورت می‌گیرد. در نهایت برای کل دوره ی فرآینده‌های مذکور شبیه‌سازی می‌شود.

بحث و نتایج

از آنجایی که 26 متغیر پیش‌بینی‌کننده می‌توانند روابط مختلفی با پیش‌بینی شونده داشته باشند، لذا متغیری اهمیت دارد که اولاً بتواند روند قابل قبولی با داده های کوچک ‌مقیاس منطقه در دوره ی مشاهداتی داشته و ثانیاً مدل گردش عمومی،آن متغیر را به خوبی در دوره مشاهداتی شبیه‌سازی کرده باشد (صمدی و همکاران، 1388: 59). از این رو متغیرهایی برای انجام ریزمقیاس‌ نمایی حائز اهمیت هستند که دارای بالاترین ضریب همبستگی و پایین‌ترین مقدار واریانس خطا باشند. پس از انتخاب این متغیرها می‌توان از آنها برای ریز‌مقیاس کردن داده‌های دما و بارش استفاده کرد. بدین منظور بین متغیر پیش‌بینی شونده (دما و بارش) و متغیرهای پیش‌بینی کننده ی روابط همبستگی برقرار گردید که نتایج آن در جدول (3) نشان داده شده است.

جدول (3) نتایج مدل SDSM برای دما و بارش با استفاده از پیش‌بینی کننده‌های NCEP برای دوره ی پایه (1990-1961) در ایستگاه تبریز.

ایستگاه تبریز	پیش‌بینی کننده‌ها و ضریب همبستگی آنها
دما	1	5	21	26
دما	91/0-	92/0	90/0	96/0
بارش	1	12	23	24
بارش	39/0-	35/0	32/0	30/0

مطابق با جدول 3 در مدل HadCM3، برای پارامتر دما از بین 26 متغیر پیش‌بینی کننده، متغیرهای شماره 1، 5، 21 و 26 یعنی میانگین فشار سطح دریا (mslp)، تاوائی در سطح 1000 هکتوپاسکال (P__z)، ارتفاع ژئوپتانسیل در سطح 850 هکتوپاسکال (P850) و متوسط دما در ارتفاع 2 متری (Temp) و برای پارامتر بارش متغیرهای شماره ی 1، 12، 23 و 24یعنی میانگین فشار سطح دریا (mslp)، جهت جریان در 500 هکتوپاسکال (P5th)، رطوبت نسبی یا ویژه در 850 هکتوپاسکال (R850)، رطوبت نسبی یا ویژه در 1000 هکتوپاسکال (Rhum) جزو مهم‌ترین پیش‌بینی کننده‌های منتخب می‌باشند.

در جدول (4) نتایج مدل SDSM برای دما و بارش با استفاده از پیش‌بینی کننده‌های NCEP در منطقه آورده شده است. با توجه به جدول (4) مقایسه شاخص‌های RMSE و SE برای مدل HadCM3در شبیه‌سازی دما و بارش حاکی از این است که مدل HadCM3 پارامتر مذکور را در منطقه با عملکرد مناسب‌تری شبیه‌سازی می‌کند.

جدول (4) مقادیر RMSE و SE برای دمای حداقل در ایستگاه تبریز بر اساس پیش‌بینی کننده های NCEP در دوره ی تنظیم (1975-1961) و ارزیابی (1990-1976) در منطقه

ایستگاه تبریز	*RMSE*		SE
ایستگاه تبریز	دوره ی تنظیم	دوره ی ارزیابی		دوره ی تنظیم	دوره ی ارزیابی
دما	088/0	248/0		20/2	88/1
بارش	035/0	313/0		5/2	78/1

شکل (2) میانگین دمای مشاهداتی و مدل شده را طی دو دوره تنظیم و ارزیابی در ایستگاه تبریز نشان می‌دهد. همانگونه که از نمودارها استنباط می‌شود بیشترین اختلاف بین داده‌های مشاهداتی و مدل شده طی دوره ی تنظیم و ارزیابی مربوط به ماه جولای به ترتیب به میزان 4/0 و 6/0درجه سانتیگراد می‌باشد. در شکل (3) بیشترین اختلاف بین داده‌های مشاهداتی بارش و مدل شده طی دورهی تنظیم و ارزیابی به ترتیب مربوط به ماه های سپتامبر و جولای به میزان 7/1 و 6/1میلی‌متر می‌باشد.

پس از تنظیم و ارزیابی نحوه ی عملکرد مدل، تغییرات دما و بارش برای دوره ی (2030-2017) شبیه‌سازی شد. مطابق با شبیه‌سازی مدل HadCM3 طی دوره ی شبیه‌سازی شده، میانگین دمای ماهانه در تمام ماه‌های سال در منطقه ی مورد مطالعه افزایش خواهد یافت. بیشترین میزان گرمایش در نمایه متوسط دما مربوط به ماه جولای به میزان 2 درجه سانتی‌گراد است. بالاترین میزان کاهش بارش هم در ماههای آوریل و می به میزان 9 میلی‌متر نسبت به دوره ی پایه خواهد بود.

شکل (2) مقایسه ی متوسط ماهانه دمای مشاهداتی و شبیه‌سازی شده با مدل HadCM3 در دوره ی تنظیم (1975-1961) و ارزیابی (1990-1976).

شکل (3) مقایسه ی متوسط ماهانه ی بارش مشاهداتی و شـبیه سازی شده با مدل HadCM3 در دوره ی تنظیم (1975-1961) و ارزیابی (1990-1976)

شکل (4) پیش‌بینی ماهانه ی دما و بارش برای دوره ی 2030-2017 با استفاده از مدل HadCM3 و سناریوی A2

بر اساس جدول (5) بیشترین درصد بارندگی در حوضه ی آبریز تسوج صرف تبخیر و تعرق می‌شود. در طول 14 سال مورد پیش‌بینی سال 2020 بالاترین درصد و سال 2029 کمترین درصد تبخیر از بارش را به خود اختصاص دادهاند. از نظر رواناب ناشی از بارش نیز سال 2023 با اختصاص 69/9 درصد از بارش بیشترین میزان رواناب را خواهد داشت. کمترین میزان تغذیه به سال 2021 و بیشترین آن به سال 2027 اختصاص دارد.

عمق نفوذ آب باران به طور معنی‌داری تحت تأثیر رطوبت اولیه خاک قرار دارد و با افزایش رطوبت اولیه خاک، عمق نفوذ آب به خاک کاهش می‌یابد. مشاهده می‌شود که در سال 2027 میزان رطوبت اولیه خاک منفی می‌باشد، لذا در این سال در دشت تسوج بیشترین میزان تغذیه ی ناشی از بارش اتفاق خواهد افتاد.

جدول(5) اجزاء موازنه آبی بر اساس درصد از بارندگی برای سال های 2030-2017 تحت سناریوی A2

تغییر در ذخیره رطوبت خاک	تغذیه	تبخیر و تعرق	رواناب	سال
20/11	71/8	54/79	56/0	2017
74/15	54/11	14/72	57/0	2018
66/11	42/13	90/72	01/2	2019
43/2	74/11	01/81	82/4	2020
25/10	7	83/77	93/4	2021
79/15	30/8	50/70	42/5	2022
70/7	37/13	23/69	69/9	2023
89/3	86/17	96/73	29/4	2024
55/13	43/8	05/77	97/0	2025
79/15	30/8	49/70	42/5	2026
12/1-	22/19	64/77	25/4	2027
89/3	86/17	96/73	29/4	2028
95/16	88/13	48/61	70/7	2029
71/1	77/14	02/79	50/4	2030

در دوره ی پایه، سال 1990 کم بارش‌ترین و سال 1963 پربارش‌ترین سال می‌باشد.

شکل (5) میزان بارش، تغذیه، رواناب و تبخیر را برای دو سال مذکور نشان می‌دهد. در سال 1990 به دلیل منفی بودن پارامتر ذخیره ی رطوبت خاک، از 148 میلی‌متر بارش سالانه حدود 28/76 میلی‌متر آن صرف تغذیه شده است. میزان رواناب ناشی از بارش تقریباً در این سال معادل صفر می‌با‌شد و بقیه بارش صرف تبخیر شده است. در سال 1963 علی‌رغم بارش سالانه بالا، به دلیل بالا بودن ذخیره ی رطوبت خاک، میزان تغذیه تنها 4 درصد بارش می‌باشد و بیشتر سهم بارش صرف تبخیر و رواناب شده است.

شکل (5) برآورد بارش، تبخیر، رواناب و تـغذیه ی ناشی از بارش بـرای کم و پربارشترین سال های دوره ی پایه

سال 2024 به عنوان کم بارش‌ترین سال در بین سال‌های مورد پیش‌بینی است از 149 میلی‌متر بارش سالانه حدود 74 درصد آن صرف تبخیر خواهد شد. تغییر در ذخیره ی رطوبت خاک حدود 89/3 درصد از بارش را شامل می‌شود. در این سال 86/17 درصد از بارش صرف تغذیه خواهد شد. در بین 14 سال مورد پیش‌بینی سال 2022 دارای بارش بیشتری خواهد بود اما مقدار بالایی از این بارش صرف تبخیر و رواناب خواهد شد. همچنین به دلیل رطوبت اولیه بالاتر خاک در سال 2022 سهم تغذیه از بارش نسبت به سال 2024 کمتر خواهد بود. در هر دو سال 2022 و 2024 ماکزیمم تغذیه و رواناب به ترتیب در ماه دسامبر و مارس حادث خواهد شد (شکل6). در شکل (7) نیز تغییرات روزانه بارش، رواناب، تغذیه و تبخیر به صورت تجمعی برای دو سال 2022 و 2024 نشان داده شده است. همانطور که شکل نشان می‌دهد میزان تغذیه ی تجعی در سال 2024 برابر با 11/29 میلی‌متر است که حدود 15/10 میلیمتر بیشتر از سال 2022 میباشد.

شکل (6) برآورد بارش، تـبخیر، رواناب و تغذیه ی ناشی از بارش برای کم و پربارشترین سال های دوره ی 2030-2017

شکل (7) نتایج تجمعی روش موازنه آبی بر اساس داده های روزانه

بر اساس تـحقیقات مـختلف بین رواناب و تغذیـه و رطـوبت اولیه خـاک رابطه ی معنی‌داری وجود دارد. با افزایش مقدار رطوبت اولیه، تولید رواناب افزایش قابل توجهی پیدا می‌کند و میزان تغذیه کاهش می‌یابد. همانطور که شکل 8 نشان می‌دهد علی‌رغم بارش بالا در سال 1963 میزان تغذیه به جز ماه نوامبر در تمامی ماه‌ها کمتر از سال 1990 می باشد. در واقع میتوان گفت که در سال 1963 بیشتر مقدار بارش صرف تبخیر و رواناب شده است. شکل (9) اجزاء موازنه آبی را برای سال 2022 نسبت به سال 2024 نشان می دهد. همانند پرباران‌ترین و کم‌بارن‌ترین دوره پایه در این دو سال مورد بررسی نیز علی‌رغم مقدار بالای بارش در سال 2022 حدود هفت ماه از سال میزان تغذیه نسبت به سال 2024 کمتر می‌باشد. به جز ماه‌های ژانویه، می و دسامبر بارش در تمامی ماه‌های 2022 بیشتر از سال 2024 می‌باشد. اما مقدار رواناب در سال 2022 بر رواناب سال 2024 فزونی دارد. به دلیل وجود آب بیشتر در سیستم به غیر از ماه می میزان تبخیر در سال 2022 در تمامی ماه‌ها بیشتر از سال 2024 می باشد.

شکل (8) مقایسه ی مقادیر میانگین ماهانه ی بارش، تبخیر و تعرق، رواناب و تغذیه ی سال 1963 نسبت به سال 1990

شکل (9) مقایسه ی مقادیر میانگین ماهانه ی بارش، تبخیر و تعرق، رواناب و تغذیه ی سال 2022 نسبت به سال 2024

نتیجه گیری

همانطور که اشاره شد بحث بررسی اثرات تغییر اقلیم بر منابع آب سطحی و زیرزمینی در کشور ایران از اهمیت زیادی برخوردار است. بخصوص با توجه به اینکه تمرکز بسیاری از مصارف کشور بر پایه ی استحصال آب زیرزمینی بوده و رشد روزافزون این مصرف، آبخوان‌ها را با مشکل جدی مواجه نموده است. در سال آبی 94-93 میزان تخلیه از چاه های عمیق و نیمه عمیق در حوضه ی آبریز تسوج جهت استفاده در شرب 36/1023 هزار متر مکعب، صنعت 28/51 هزار متر مکعب و کشاورزی 14940 هزار مترمکعب بوده است که بر اساس این آمار ماکزیمم برداشت از آب های زیرزمینی حوضه ی آبریز تسوج به کاربری کشاورزی اختصاص دارد. لیکن مصارف بالای حوضه در کنار افزایش دما و کاهش بارش اجازه بازگشت آبخوان تسوج به تراز متعادل خود را نمی‌دهند. تغییر در میزان بارندگی و کاهش یا افزایش دمای یک منطقه در درازمدت باعث میگردد اقلیم منطقه تغییر نموده و نوع پاسخ هیدرولوژیکی منطقه به این تغییرات نیز، تغییر نماید. افزایش دما و نیاز بیشتر گیاهان به آب و همچنین بالا رفتن مصارف شرب، عمومی و صنعتی انسان باعث گردیده، بهره‌برداری از منابع آب افزایش یابد. در این راستا با استفاده از یک رویکرد گام به گام مدلسازی و شبیه‌سازی، تاثیر تغییر اقلیم بر روی تغذیه، تبخیر و رواناب در دوره ی آینده نزدیک بررسی شده و مشخص گردید که با روند افزایشی دما و کاهش بارش در بین سه پارامتر تبخیر، تغذیه و رواناب مقادیر تبخیر بر مقادیر دو پارمتر دیگر غالبیت خواهد داشت. با توجه به اینکه در این حوضه میزان تغذیه ناشی از بارش به صورت تخمینی محاسبه می‌شد لذا در این مطالعه سعی شد با در نظر گرفتن کلیه فاکتورهای مؤثر بر تغذیه، اعم از اقلیمی، پوشش گیاهی، ویژگی های خاک و شرایط منطقه ی غیراشباع، میزان تغذیه ی ناشی از بارش محاسبه و برای آینده پیش‌بینی شود. نتایج این مطالعه با مطالعات صورت گرفته مختلف همسویی دارد از جمله حاجی مرادی و گندم کار (1390) نیز در بررسی افت سطح ایست ابی آبخوان دشت لنجانات اصفهان نشان دادند که افت سطح ایستابی، در نتیجه کاهش میزان تغذیه ی ناشـی از بارش‌های جوی و منابع سطحی و همچنین به طور غیرمستقیم، از طریق افزایش دما و تبخیر وتعرق رخ می‌دهد. عطایی (1390) نوسانات بارش و تبخیر را در نوسانات تراز آبخوان دهگلان مهم معرفی نموده است. خورانی (1393) نقش کاهش بارندگی را در افت سطح ایستابی 40 حلقه چاه دشت داراب موثر دانسته است. با توجه به نتایج مستخرج از این مقاله خلاء این گونه مطالعات جامع از مدل سازی در شرایط اقلیمی خشک و نیمه خشک که در مناطق مختلفی از ایران حاکم است، دیده می شود.

[1]- Cohen

[2]- Holmen

[3]- Jyrkama et al.,

[4]- NG et al.,

[5]- Luoma & Okkonen

[6]- Unsaturated-Zone Flow

[7]- Ertürk et al.,

[8]- House et al.,

[9]- Predictands

[10]- Predictors

1- Hydrologic Evaluation of Landfill Performance Model

[12]- Interception

مراجع

References

-Abkar, A., (2013), The impact of climate change on spatially varying groundwater recharge (Case Study: Plain of Kerman), PhD Thesis on Watershed Management, Faculty of Natural Resources, Mazandaran University.

-Allen, D.M., D.c., Wei, M., (2004), Groundwater and climate change: a sensitivity analysis for the Grand Froks aquifer, southern British Columbia, Canada, Hydrogeology, Vol.12, No. 3, PP.270-290.

-Allen, D.M, Michael W. Toews., (2009), Evaluating different GCMs for Predicting spatial recharge in an irrigated arid region, Hydrology, Vol. 374, No. 3-4, PP.265-281.

-Ashofteh, P, Massah, A.R., (2009), Uncertainty of Climate Change Impact on the Flood Regime Case Study: Aidoghmoush Basin, East Azerbaijan, Iran, Iranian Water Resources Research, Vol. 5, No. 2, PP.27-39.

-Alizadeh, A., (1999), Principles of Applied Hydrology, Forty-second Edition, Astan Ghods Razavi.

-Attai, H., Ghaderi, N., Ghaderzadeh, H., (2011), Investigating the Relationship between Climate Fluctuations and Dehgolan Aquifer, Geographical Research, Vol. 26, No. 103, PP.187-208.

-Alaei Taleghani, M., Shafiei, N., Rajabi,M., (2018), The Effect of Geomorphologic Factors on Feeding Underground Water Resources in Kermanshah Meyandareh Plain, , Hydrogeomorphology, Vol. 4, No. 13, PP.21-41.

-Beigi, E., (2009), Study of Climate Change Impacts on Temporal and Spatially Varying Groundwater Recharge (Case Study: Karkheh River Basin), Master’s thesis in Water Engineering, Faculty of Civil Engineering, Sharif University of Technology.

-Cohen, S.J., (1986), Impacts of CO2-induced Climatic change on water resources in the Great Lakes Basin, Climatic Change, vol. 8, No. 2, PP.135-153.

-Ertürk, A., Ekdal, A., Gürel, M., Karakaya, N., Guzel, C., Gönenç, E., (2016), Evaluating the impact of climate change on groundwater resources in a small Mediterranean watershed, Scince of the Total Environment, vol. 499, No. 15, PP.437-47.

-Goodarzi, M., (2011), Evaluation of the Impacts of Climate Change on Surface Water Resources: A Case Study Sub basin of Upper Karkhe, PhD Thesis in Natural Geography, Climatology, Faculty of Geography, University of Tabriz.

-Hajimoradi, E., Gandomkar, A., (2011), Investigation of climatic fluctuations on water level fluctuations in Lanjanat aquifer of Isfahan. 4th Iranian Water Resources Management Conference, Amir Kabir University of Technology, Tehran.

-House, A., Acreman, M., Sorensen, J., Thompson, J., (2017), Hydroecological impacts of climate change modelled for a lowland UK wetland, Geophysical Research Abstracts, Vol. 17, PP.2015-4671.

-Holman, I.P., (2006), Impacts climate change on groundwater recharge-uncertainty, shortcomings, and the way forward,Hydrogeology,Vol. 14, No. 5, PP. 637–647.

-Jykama, M.I., Sykes, J.F., (2007), The impact of climate change on spatially varying groundwater recharge in the Grand River watershed (Ontario), Hydrology, Vol. 338, No. 3-4, PP. 237-250.

-Jahanbakhsh Asl, S., Khorshiddoost, A.L., Aliinejad, M. H., Pour-Asghar, F., (2016), Impact of Climate Change on Precipitation and Temperature by Taking the Uncertainty of Models and Climate Scenarios (Case Study: Shahrchay Basin in Urmia), Hydrogeomorphology, Vol. 2, No. 7, PP.107-122.

-Khorani, A., Khajeh, M., (2014), Investigation of Concurrency Drought trend and Groundwater Level Decline (Case Study: Darab Plain), Journal of Space Planning and Preparation, Vol. 18, No. 2, PP. 57-79.

-Luoma, S., Okkonen, J., (2014), Impacts of Future Climate Change and Baltic Sea Level Rise on Groundwater Recharge, Groundwater Levels, and Surface Leakage in the Hanko Aquifer in Southern Finland. Water, Vol. 6, No. 12, PP. 3671-3700.

-Mikko, I. , Jyrkam, J. Sykes, F., ( 2007), The impact of climate change on spatiallyvarying groundwater recharge in the grand river watershed Ontario, Hydrology., Vol. 338, No. 12, PP.237– 250.

-NG, G.H.C., McLaughlin, D., Entekhabi, D., Scanlon, B.R., (2010), Probabilistic analysis of climate change on groundwater recharge, Water Resources Research, Vol. 46, No. 7, PP.1-18.

-Naderi, A., (2013), Comparison of Numerical Models and Artificial Intelligence Performance in Water Management (Case Study: Tasouj Plain), PhD Thesis, Faculty of Natural Sciences, Tabriz University.

-Rezaei Banafsheh, M., Jalali Ansaroodi, T., (2017), Evaluationofclimate change impactsonGroundwater levelin Tasuj Basin, , Journal of Geography and Planning, Vol. 21, No. 60, PP.143- 160.

-Samadi, Z., Masah Bouvani, A., Mahdavi, M., (2009), Selection of Predictive Variables to Statistically Scale Temperature and Rainfall Data in Karkheh Watershed, Fifth National Conference on Watershed Management Science and Engineering of Iran (Stable Management of natural disasters). 2 and 3 May 2009, Gorgan University.

-Samadi Nasgab, S., Mohammad KhorshidDost, A., Habibi Nokhandan, M., Zabal Abbasi, F., (2011), Using SDSM Model to Downscaling Precipitation and Temperature GCM Data: Case Study for Station Climate Predictions over Iran, Journal of Climate Research, Vol. 2, No. 5, PP.448-461.

-Scibek, J., Allen, D.M., (2007), Modeled impacts of predicted climate change on recharge and groundwater levels. Water Resources Research., Vol. 42, No.11, PP.1- 18.

-Schroeder, P.R., and Peyton, R.L., (1987), Verification of the hydrologic evaluation of landfill performance (HELP) model using field data, Technical Resource Document, EPA 600/2‑87‑050, US Environmental Protection Agency, Cincinnati, OH.

آمار

تعداد مشاهده مقاله: 860

تعداد دریافت فایل اصل مقاله: 301

Journal Management System. Designed by sinaweb.

پیوندهای مفید

آمار

بررسی تأثیر تغییر اقلیم بر موازنه ی آبی ناشی از بارش در آبخوان تسوج برای دوره ی 2030- 2017

-Alizadeh, A., (1999), Principles of Applied Hydrology, Forty-second Edition, Astan Ghods Razavi.

-Attai, H., Ghaderi, N., Ghaderzadeh, H., (2011), Investigating the Relationship between Climate Fluctuations and Dehgolan Aquifer, Geographical Research, Vol. 26, No. 103, PP.187-208.

-Naderi, A., (2013), Comparison of Numerical Models and Artificial Intelligence Performance in Water Management (Case Study: Tasouj Plain), PhD Thesis, Faculty of Natural Sciences, Tabriz University.