عنوان پایان‌نامه
بررسی اثرات تغییر اقلیم بر روی منابع آب های سطحی
- رشته تحصیلی
- مهندسی منابع طبیعی - محیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73132;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73132
- تاریخ دفاع
- ۲۷ بهمن ۱۳۹۴
- دانشجو
- ناصر محمدزاده
- استاد راهنما
- بهمن جباریان امیری
- چکیده
- تغییر در دما و الگوی بارش اثرات زیادی بر کمیت و کیفیت منابع آب به خصوص مناطق خشک نظیر ایران دارد. در سال های اخیر وقوع خشکسالی های متعدد در ایران خطری جدی برای منابع آب محسوس می شود. به دلیل افزایش میزان آب مورد تقاضا، بررسی اثرات تغییر اقلیم بر منابع آب ضروری به نظر می رسد. در این تحقیق به بررسی اثرات تغییر اقلیم بر دبی در حوضه تالارسر-چهل شهیدان در استان مازندران پرداخته شده است. جهت پیش بینی تغییر اقلیم بر مبنای مدل های گردش عمومی (GCM) از مدل LARS-WG جهت ریزمقیاس نمایی استفاده گردید. با استفاده از مدل LARS-WG تغییر اقلیم در حوضه تالارسر – چهل شهیدان با بکارگیری مدل HADCM3 و سناریوهای A1B، A2 و B1 در دوره 2020-2050 مورد بررسی قرار گرفت. نتایج بدست آمده از بخش پیش بینی تغییر اقلیم حاکی از افزایش چشمگیر مقدار بارش، مینیمم و ماکسیمم دما و کاهش محصوص ساعات آفتابی در منطقه بودند. در بخش دیگری از تحقیق، جهت شبیه سازی اثرات تغییر اقلیم بر روی دبی، از مدل هوشمند بارش رواناب TANK-Model استفاده گردید. نتایج بدست آمده حاکی از افزایش مقدار دبی در دوره 30 ساله آینده و افزایش پیک دبی های پیش بینی شده نسبت به پیک دبی های مشاهداتی می باشد.
- Abstract
- Abstract One of the challenges that humanity is facing, climate change and the problems arising from it. Climate change is undeniable. Climate average weather conditions are in place, including its components, including temperature, precipitation, humidity and so on. In other words, the climate, the long-term average weather of a region. The simulation can predict the weather in a place of occurrence of extreme events and climate significantly helpful in the future to do. This study has evaluated the ability and precision of LARS-WG model in climatic data generating and future climate forecasting for Guilan province , north Iran. Accordingly, daily data of Guilan synoptic stations has been usedfor a 15 years priod between 1995 and 2009. Studied parameters are : rainfall, minimum temperature, maximum temperature and solar radiation. Results show that, the highest Mean Absolute Error (MAE) and the highest bias for calculated rainfall data were 14.48 and -4.35 respectively, both for Astara station . The minimum and maximum temperature data were desirely modeled. the highest MAE and bias values for minimum temperature were 0.17 and 0.065 respectively both for Anzali station. Also, the highest MAE and bias values of maximum temperature were 0.26 and 0.23 respectively, both for Rasht station. Also, forthe solar radiation parameter, the Rasht station had the highest MAE (0.31) and bias values (0.08). The results show that the LARS-WG model, has good ability and precision for climate modeling and data generating in Guilan province, Iran. Keywords: Climate change, Future climate forecasting, Downscaling, Statistical model, MAE, LASRS-WG, Guilan.
