پيش بيني و تحليل عدم قطعيت تبخير- تعرق گياه مرجع در شرايط تغيير اقليم در شيراز

Estimating and uncertainty analysis of potential evapotranspiration under climate change in a semi-arid region

مقدمه و هدف: افزايش جهانيِ گازهاي گلخانه اي به دليل متاثر ساختن متغيرهاي مهمِ هواشناسي و هيدرولوژيكي همانند تبخير- تعرق پتانسيل، مي تواند تهديدي جدي براي كشاورزي پايدار در شرايط وقوع تغيير اقليم محسوب شود. تبخير- تعرق پتانسيل يكي از عوامل كليدي موثر بر توليد محصولات كشاورزي است و نداشتن درك مناسب از مقدار آن مي تواند امنيت آب و غذا را به مخاطره بيندازد. به همين دليل در اين پژوهش، مقدار اين متغيرِ مهم تا سال 2100 تحت سناريوهاي مختلف انتشار در مدل هاي گردش عمومي جو (GCM) برآورد شد. مواد و روش ها: بر اساسِ خروجي هاي بدست آمده از 15 مدل GCM تحت سه سناريوي A1B، A2 وB1، تاثير وقوعِ گرمايش جهاني بر ميزان تبخير-تعرق پتانسيل و عدم قطعيت هاي حاكم در پيش بيني آن در شهرستان شيراز تحليل شد. داده هاي بزرگ مقياسِ مدل هاي GCM با مدل آماري LARS-WG در ايستگاه شيراز در سه بازه يِ زمانيِ 2040-2011 (دوره ي ابتدايي)، 2070-2041 (دوره ي مياني)و 2100-2071 (دوره ي انتهايي) ريزمقياس شدند. بدين منظور، ابتدا مدل با استفاده از داده هاي هواشناسي روزانه در دوره ي پايه (2010-1981) واسنجي و صحت سنجي شد و سپس براي ريزمقياس سازي استفاده شد. توانايي مدل هاي تجربي، رگرسيون خطي و روش هاي هوش مصنوعي شامل سيستم استنتاج عصبي فازي و ماشين هاي بردار پشتبان در برآورد تبخير- تعرق پتانسيل در مقايسه با روش فائو پنمن-مانتيث ارزيابي شد. سپس ميزان تبخير-تعرق پتانسيل در آينده با استفاده از مدل منتخب برآورد شد. در نهايت، دامنه ي عدم قطعيت براي مقاديرِ برآورد شده ي تبخير- تعرق پتانسيل تحت مدل هاي مختلف GCMs در مقياس هاي زماني سالانه، فصلي و ماهانه تعيين شد. نتايج و بحث: نتايج آزمون t و مقدارِ آماره هاي ارزيابي نشان داد مدل ريزمقياس ساز منتخب، توانايي قابل قبولي در تخمين مولفه هاي بارش و دماهاي كاردينال تا سال 2100 دارد. روش ماشين هاي بردار پشتيبان بر اساس معيارهايِ جذر ميانگين مربعات خطا (mm 42/0) و ضريب كارآيي مدل (0/97)، كم ترين خطا را در تخمين تبخير- تعرق پتانسيل داشت كه نشان دهنده تناسب اين روش براي برآورد اين پارامتر در اقليم آينده ي شيراز مي باشد. در حد فاصل سال هاي 2100-2011، مقايسه ي ميانگين نتايجِ 35 تركيب از مدل هاي منتخب (15 مدل GCM تحت سه سناريوي انتشار) و همچنين ميانه هاي توابع توزيع احتمال در سه سناريوي A1B، A2 و B1 با مقدار آن ها در دوره پايه، حاكي از افزايش تبخير-تعرق پتانسيل در مقياس هاي زماني سالانه، فصلي و ماهانه بود. دوره هاي مياني و انتهايي قرن 21 ام (15/6-10/3 درصد)، فصل هاي پربارش (31/9-5/4 درصد) و ماه هاي دسامبر، ژانويه و فوريه (45-8/5 درصد) بيش ترين افزايش در ميزان تبخير- تعرق پتاسيل را در مقايسه با دوره ي پايه تحت گرمايش جهاني خواهند داشت. بررسي توابع توزيع تجمعي احتمال نشان داد دامنه ي عدم قطعيت در تخمين تبخير- تعرق پتانسيل در مقياس هاي سالانه، فصلي و ماهانه به ترتيب در محدوده هاي 250-180، 132/7-47/1 و 56/4-19/6 ميلي متر قرار دارد. نتيجه گيري: يافته هاي اين پژوهش نشان مي دهد افزايش تقاضاي اتمسفري در ماه هاي پربارش مي تواند با كاهشِ ذخيره ي رطوبتي خاك براي كشت هاي بهاره و افزايش كمبودِ آب سبز در كشت هاي پاييزه، كشاورزي را در هر دو بخش ديم و آبي به مخاطره بيندازد كه اين امر مستلزم برنامه ريزي براي مواجه با اين چالش جهاني است. با اين وجود، بايد در نظر داشت كه ريسك پذيري برنامه ريزي هاي بلندمدت به دليل عدم قطعيت هاي بيش تر در تخمينِ تبخير- تعرق پتانسيل بيش تر از مقياس هاي زمانيِ كوتاه مدت خواهد بود.

Global greenhouse gases increase could be a threat for the sustainable agriculture under climate change due to affecting important meteorological and hydrological variables. Potential evapotranspiration is an effective key factor influences on the production of agricultural crops and lacking an appropriate understanding of its values could endanger food and water securities. Therefore, in this research, the amount of this important variable was estimated under various emission scenarios in general circulation models of the atmosphere (GCM) up to 2100. Materials and methods The projected effects of global warming on the values of potential evapotranspiration and the related estimation uncertainties were analyzed in Shiraz city based on the outputs of 15 GCM under three scenarios of A1B, A2 and B1. The large scale data of GCM were downscaled using the statistical method of LARS-WG in Shiraz station in three periods of 2011-2040 (initial period), 2041-2070 (middle period) and 2071-2100 (late period). To do so, the model was first calibrated and validated based on daily weather data during base period (1981-2010) and then was applied for downscaling process. For estimating potential evapotranspiration, the capability of empirical models, linear regressions and artificial intelligence methods including adaptive neuro fuzzy inference systems and support vector machines was compared with FAO-Penman-Maonteith method. Then, the amount of potential evapotranspiration in future was estimated using the selected model. Finally, the range of uncertainty for the estimated values of potential evapotranspiration under different GCM were determined for annual, seasonal and monthly time scales. Results of t-test and the amount of criteria indices showed that the selected downscaling model is capable enough for estimating precipitation and cardinal temperatures up to 2100. Support vector machines model had the lowest error for estimating potential evapotranspiration based on the values of root mean square error (0.42 mm) and model efficiency coefficient (0.97) indicating its suitability for estimating the parameter in the future climate of Shiraz. Comparing the average results of 35 ensembles of the selected models (15 GCM under three emission scenarios) as well as the median values for PDFs under the three scenarios of A1B, A2 and B1 for 2011- 2100 period with those of the base period indicted an increase in potential evapotranspiration for annual, seasonal and monthly time scales. The highest increase in potential evapotranspiration under global warming will happen in middle and late periods of 21th century (10.3-15.6 %), high rainy seasons (5.4-31.9 %) and also December, January and February will have compared to the base period. Analyzing the cumulative probability distribution functions showed that the range of uncertainty for estimating annual, seasonal and monthly potential evapotranspiration were, respectively, 180-250, 47.1-132.7 and 19.6-56.4 mm. Conclusions The finding of this research demonstrated that the increase in atmospheric demand in rainy months could threaten both rainfed and irrigated agriculture through decreasing soil moisture content for spring cultivation and increasing the green water deficit in autumn cultivations. The issue requires planning for coping with this global challenge. Nevertheless, it should be considered that long-term planning will be more risky than short ones due to having higher uncertainties for estimating potential evapotranspiration.