پديد آورندگان :
احمدي, مهدي دانشگاه آزاد اسلامي واحد علوم و تحقيقات تهران - گروه جنگل، مرتع و آبخيزداري، دانش منابع طبيعي محيط زيست , قرمز چشمه, باقر سازمان تحقيقات، آموزش و ترويج كشاورزي تهران - پژوهشكده حفاظت خاك و آبخيزداري
كليدواژه :
HadCM3 , تغيير اقليم و شبيه سازي , برنامه نويسي , بررسي سيلاب
چكيده فارسي :
در دهه هاي گذشته در نتيجه فعاليت هاي انساني و طبيعي، ميزان گاز هاي گلخانه اي در اتمسفر افزايش يافته و در نتيجه، دماي كره زمين روند افزايشي به خود گرفته است. براي مديريت منابع آب، كشاورزي و در نتيجه ايجاد امنيت غذايي نياز به آگاهي از وضعيت اقليمي دوره آتي است كه در حال حاضر معتبر ترين ابزار براي توليد سناريو هاي اقليمي، مدل هاي سه بعدي جفت شده اقيانوس-اتمسفر گردش عمومي جو است. براي استفاده از اين داده ها لازم است به وسيله تكنيك هاي مختلف در سطوح ايستگاهي ريزمقياس گرداني شوند. مدل هاي مختلفي در جهت ريز مقياس گرداني وجود دارد كه هر يك داراي معايب و مزايايي هستند. هدف از انجام مطالعه، مقايسه دو روش خطي و غيرخطي ريز مقياس گرداني است. در روش خطي، از مدل SDSM و در روش غيرخطي به كمك برنامه نويسي در نرم افزار متلب انجام پذيرفت. براي بررسي خطا از ميانگين خطا ماهانه و سالانه و براي مقادير حدي از واريانس و براي بررسي عدم قطعيت از آزمون من ويتني در سطح 95 درصد استفاده شد. نتايج نشان داد كه در بررسي ميانگين ماهانه به ترتيب در ايستگاه قائم شهر، بابلسر، قرآن طالار و بند پي در مدل SDSM به ترتيب 0.75، 12، 11 و هفت، در مدل شبكه عصبي مصنوعي سه، دو، 26 و چهار و در ميانگين سالانه به ترتيب نه، 146، 141 و 87 در مدل SDSM و در مدل شبكه عصبي مصنوعي 45، 32، 321، 48 ميلي متر خطا (افزايشي و كاهشي) وجود دارد. نتايج عدم قطعيت در ايستگاه هاي قائم شهر، بابلسر، قرآن طالار و بندپي براي 12 ماه هر ايستگاه در مدل SDSM به ترتيب هشت، سه، شش و چهار و در شبكه عصبي مصنوعي به ترتيب چهار، دو، دو و سه پذيرفته شد. در مطالعات تغيير اقليم بر رواناب و عدم قطعيت و زماني كه داده كم وجود دارد، بايد از مدل SDSM و در زماني كه بررسي سيلاب و برآورد جريان كمينه و بيشينه هدف مطالعه است، بهتر است، از مدل شبكه عصبي مصنوعي استفاده كرد.
چكيده لاتين :
In the last decades, greenhouse gases in atmosphere have increased as a result of natural and human activities and thus, earth temperature has increased. Rising global temperature, in turn, leads to significant changes in related fields, especially water resources and agriculture. So, investigating and modeling climate changes can be considered as a very important factor in water resources management planning. Different studies have been done in the field of climate change issues in the world, but, at the moment, AOGCM model is the most reliable tool to generate climate scenarios. It is necessary to downscale AOGCM data using different techniques in station scale and compare linear and nonlinear downscaling models. In liner method SDSM and in nonlinear method ANN programming were used in MATLAB. For investigating the amount of error, mean biomass monthly and annual and for extreme data, variance and for analyzing uncertainty Man-Witney test were used in 95 percent level. Results showed the amount of mean monthly errors are 0.75, 12, 11 and 7 mm in Ghaemshahr, Babolsar, Ghoran Talar and Bandpey in SDSM model and 3, 2, 26 and 4 mm in ANN model and the amount of mean annual errors are 9, 146, 141 and 87 mm in SDSM model and 45, 32, 321 and 48 mm in ANN model (increased or decreased), respectively. Examining the performance of variance showed that ANN model was somewhat better than SDSM model. Also, results of uncertainty for 12 months in Ghaemshar, Babolsar, Quran Talar and Bandpey stations showed 8, 3, 6 and 4 in SDSM model and 4, 2, 2 and 3 in ANN model, respectively. In general, this study showed that in studies on climate change effects on runoff, uncertainty, and when limited data are available, SDSM model should be used and when the aim is investigating the flood and its minimum and maximum estimation, it is better to use ANN model.
