ارزیابی آثار تغییراقلیم بر میزان رواناب رودخانه‌ی نازلوچای در حوضه‌ی آبریز دریاچه‌ی ارومیه

نوع مقاله: مقاله پژوهشی

نویسندگان

چکیده

معتبرترین روش برای شبیه­سازی متغیّرهای اقلیمی در دوره­های آتی، تحت تأثیر تغییر اقلیم، استفاده از داده­های مدل گردش عمومی جو و GCMs بوده که بزرگ مقیاس می­باشند و لازم است تا ریزگردانی گردند. در این پژوهش، از داده­های بارش و دمای روزانه­ی ایستگاه سینوپتیک ارومیه واقع در شمال غرب ایران، طیّ دوره‌ی آماری 1971 الی 2000 جهت ورودی به نرم‌افزار اقلیمی ریز مقیاس نمایی SDSMاستفاده گردیده است. با در نظر گرفتن دو سناریو A2 و B2 برای دوره‌ی آماری 2099- 2000، در آینده دما به میزان 45/0 و 35/0 درجه‌ی سانتیگراد و بارندگی نیز تحت این دو سناریو به ترتیب 10 و 9 درصد افزایش می­یابد.
در پایان این تحقیق با استفاده از داده­های دما و بارش پیش‌بینی شده ازمدل اقلیمی و رواناب رودخانه‌ی نازلوچای دردوره‌ی پایه و همچنین با استفاده از شبکه‌ی عصبی مصنوعی پویا، میزان آورد دبی رودخانه نازلوچای تحت دوسناریویB2 و A2برای دوره‌ی آتی و همچنین وضعیت سیلاب‌ها در سطح حوضه برآورد گردیده است. برآوردها حاکی از افزایش رواناب رودخانه در دوره‌ی آتی تحت سناریوهای انتشار مذکور به  میزان 48 و 49 درصد بوده است.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluating the Effects of Climatic Changes on Runoff of Nazloochaei River in Uremia Lake Catchment Area

نویسندگان [English]

  • Gholam Hossein Lakzaianpour
  • Omolbani Mohamadrezapour
  • Mahsa Malmir
چکیده [English]

The most reliable method for simulation of climatic changes in the future, based on the climatic changes is the use of General Circulation Models (GCMs) which are of large scales which needs to be downscaled. In this study, the daily temperature and precipitation data gathered in the Uremia synoptic station, located in the north west part  of Iran, 1971- 2000, were used to be inserted in the fine-scale climate Input Software, DSM. Considering the two A2 and B2 scenarios for statistical period of2000- 2099, the temperature will increase by 0.45 and 0.35° C and rainfall will increase by10% and 9%, respectively in the future.  
At the end of the study and under these scenarios, both the flow rate of the river and the conditions of the floods on the surface of the catchment were estimated for the future period. It was performed using the predicted precipitation and temperature data gathered from the local model and the runoff patterns of the Nazloochaei River within the base period as well as the artificial dynamic neural networks. These estimates suggested that the river runoff during the next period under the above dispersion scenarios increased by 48 and 49%.

کلیدواژه‌ها [English]

  • Temperature
  • Rainfall
  • Artificial dynamic neural network
  • Uremia
  • SDSM