تغييرات اقليمي بر دما، بارش و رواناب حوضه درودزن استان فارس با استفاده از رويكرد ميانگين گروهي چند تشبيهي

Climatic change impact assessment on temperature, precipitation, and runoff of Droudzan catchment area of Fars province using multi-model ensemble mean approach

در اين مطالعه اثر تغييرات اقليمي بر دما، بارندگي و رواناب در حوضه درودزن در شمال شرق استان فارس بررسي شده است. تغييرات دما و بارندگي در دو دوره آتي مياني و دور با استفاده از مدل 15 مدل گردش عمومي جو فاز 3 (CMIP3) ، تحت سه سناريو انتشار گازهاي گلخانه اي A2، B1 و A1B ، ريز مقياس نماي شده و مورد مطالعه قرار گرفت. تفاوت در ميزان تغييرات دما و بارندگي در اين دو دوره نسبت به مقادير مشاهداتي در 15 مدل حاكي از وجود عدم قطعيت در نتايج مي باشد. براي كاهش اين عدم قطعيت و محدود كردن نتايج براي مديريت و برنامه ريزي منابع آب، رويكرد گروهي مورد توجه قرار گرفت. براي تهيه رويكرد گروهي، از پارامترهاي فايل هاي سناريو 15 مدل فوق ميانگين گرفته شد. به طوري كه يك مدل جديد اقليمي با عنوان ميانگين گروهي چند مدله براي هر دوره به دست آمد. سپس رواناب هاي اين دو دوره، تحت رويكرد مذكور، با استفاده از شبكه عصبي پيشخور توليد شد. نتايج نشان از افزايش ميانگين ماهيانه دماي حداقل و حداكثر هر دو دوره تحت سه سناريو، دارد. در اكثر مدل ها، بارندگي در ماه هاي اوليه سال هاي ميلادي كاهش و در فصل بهار افزايش، مي يابد. به طور كلي ميانگين بارندگي سالانه در اين دو دوره تحت سه سناريوي انتشار، كاهش نشان داد. حداكثر مقدار كاهش در دوره آتي دور بود. علاوه بر اين، رواناب دو دوره آتي نيز در اغلب سال ها كاهش نشان مي دهد.

This study investigated the effects of climatic changes on temperature, rainfall, and runoff in the Doroudzan catchment in the northeast of Fars province, Iran. Temperature and rainfall changes in two future middle and far period downscaled and studied using 15 CMIP3 climatic models, under emission scenarios A2, B1and A1B, from the database of the LARS WG5.5 model. The difference in the amount of variations in temperature and rainfall in the periods and the observational amounts under the 15 models indicated the uncertainty of the changes values. To reduce this uncertainty and limit the results to the management and planning of water resources, an ensemble approach was considered. For the preparation of the ensemble approach, the parameters from the files of the 15- models file scenarios were averaged so that a climatic ensemble model could be obtained for each period. Then, the runoffs of the next two periods were produced using the FEEDFORWARD neural network. The results indicated an increase in the average monthly maximum temperature and the minimum temperature. The results also showed a decrease in the rainfall in the early months of the year as well as an increase in the rainfall in the spring in most scenarios. Generally, results showed a reduction in the average annual rainfall. The maximum amount of reduction was in far future far period. Besides, a reduction occurred in the average runoff of the catchment in the periods, values in the most years.