عنوان پایان‌نامه
ارزیابی اثرات تغییر اقلیم بر خصوصیات هیدرولوژیکی حوزه آبخیز (مطالعه موردی: حوزه آبخیز آجی چای)
- رشته تحصیلی
- مهندسی منابع طبیعی - -آبخیزداری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6738;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73158;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6738;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73158
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۴
- دانشجو
- مجید کاظم زاده اسبفروشانی
- استاد راهنما
- آرش ملکیان
- چکیده
- بر هم خوردن تعادل سامانه اقلیمی ناشی از انتشار گازهای گلخانه ای بر اهمیت مطالعه اثر تغییر اقلیم بر روی متغیرهای هیدرولوژیکی از جمله رواناب می افزاید. لذا در این پژوهش ابتدا تغییرات ناگهانی و روند متغیرهای هیدرو – اقلیمی با استفاده از رویکرد داده کاوی و داده های ماهانه و سالانه 18 ایستگاه آبسنجی و بارانسجی با طول دوره آماری 40 سال (1390-1351) مطالعه شد و در گام دوم، برای مطالعه اثرات تغییر اقلیم بر رواناب حوزه آبخیز، خروجی دمای حداکثر و دمای حداقل و بارش مدل گردش عمومی HadCM3 تحت دو سناریو تغییر اقلیم A2 و B2با استفاده از مدل SDSM ریز مقیاس گردیدند. در بخش نهایی از پنج مدل داده کاوی و هوشمند شامل M5، M5 Rules، MLP، SVM و ANFIS جهت مدل سازی بارش – رواناب استفاده گردید. نتایج پژوهش نشان داد که متغیرهای اقلیمی در طول 4 دهه گذشته دارای تغییرات ناگهانی و روند بوده و مطالعه اثر تغییر اقلیم و استفاده از سناریوی تغییر اقلیم در منطقه مطالعاتی بر جریان آب رودخانه آجی چای ضروری می باشد. همچنین نتایج نشان داد که دمای حداکثر در طول دوره (2050 -2010) تحت سناریوهای A2 و B2 به ترتیب 04/2 و 40/2 درجه سانتی گراد و طی دوره (2091-2050) به ترتیب 87/3 و 11/5 درجه سانتی گراد افزایش خواهد یافت. همچنین دمای حداقل سالانه در طول دوره (2050 -2010) تحت سناریوهای A2 و B2 به ترتیب 63/1 و 90/1 درجه سانتی گراد و طی دوره (2091-2050) به ترتیب 76/3 و 00/3 درجه سانتی گراد افزایش خواهد یافت. نتایج پیش بینی بارش ماهانه برای دوره های آتی نیز نشان داد که بارش روند مشخصی نداشته و در بعضی ماه ها افزایش و در بعضی از ماه ها کاهش می یابد. نتایج حاصل از ارزیابی کارایی مدل ها نشان داد که مدل های M5 و شبکه عصبی مصنوعی کمترین خطا را در بین مدل ها داشتند. در حالت کلی نتایج مدلسازی بارش – رواناب نشان داد که هر کدام از مدل های انتخاب شده، دارای عدم قطعیت بوده و در بعضی فصل ها رواناب افزایشی و در بعضی فصل ها کاهشی خواهد بود.
- Abstract
- Studying climate change impact on hydrological variables such as runoff has attracted more attention over recent years mainly due to the imposed imbalance in climate system by greenhouse gas emission. Hence, initially in this research, the trend and abrupt changes of hydro – climatic variables were studied using data mining approaches in 18 stations over 40 years (1972-2011) in Aji-Chai watershed located in northwestern Iran and secondly, the outputs of climatic variables including temperature and rainfall of HadCM3 under A2 and B2 scenarios downscaled by SDSM in order to studying the climate change impact on runoff. Finally, five data mining and intelligent models including ANFIS, SVM, MLP, M5, M5 Rules were used to rainfall – runoff modeling. The results showed that the hydro – climatic variables have been changed over the last four decades which make it necessary to study climate change and consider its impact on the runoff in the study area. The results showed that the maximum temperature will increases 2.04 and 2.40 degrees centigrade until 2010 to 2050 and 3.87 and 5.11 degrees centigrade until 2051 to 2091 under A2 and B2 scenarios, respectively. Also the minimum temperatures will increases 1.63 and 1.90 degrees centigrade until 2010 to 2050 and 3.76 and 3.00 degrees centigrade until 2051 to 2091 under A2 and B2 scenarios, respectively. The results of future rainfall prediction showed no specific trend while in some seasons showed increasing and in other cases showed decreasing trend. The results of the model performance evaluation determined the M5 and MLP models the lowest errors. In general, the results of rainfall – runoff modeling indicated inherit uncertainty of the models and the runoff will increase or decrease over the seasons. Keywords: Rainfall – Runoff Modeling, Data Mining, General Circulation Models, Downscaling, Aji Chai Watershed
