عنوان پایان‌نامه
بررسی اثر مدل‌سازی بارش-رواناب در برآورد عدم قطعیت اثرات تغییر اقلیم بر رواناب‌های سطحی
- رشته تحصیلی
- مهندسی عمران -مهندسی آب - منابع آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 2055;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 68164
- تاریخ دفاع
- ۰۴ شهریور ۱۳۹۳
- دانشجو
- لیلا فروهر
- استاد راهنما
- بنفشه زهرایی
- چکیده
- پدیده تغییر اقلیم در دهه‌های اخیر، اثرات نامطلوب قابل‌توجهی را بر سیستم‌های منابع آب سراسر جهان گذاشته است. ارتباط پیچیده‌ای بین پدیده تغییر اقلیم، دسترسی به آب، تولید مواد غذایی، رشد جمعیت و رشد اقتصادی وجود دارد و به همین دلیل انجام تحقیقات بیشتر در این زمینه و لحاظ کردن اثرات سوء این پدیده در برنامه‌ریزی‌های آتی امری ضروری است. در این مطالعه، اثرات پدیده تغییر اقلیم بر رواناب‌های سطحی با استفاده از دو رویکرد، مورد بررسی قرار گرفته است. در رویکرد اول با کاهش مقیاس مستقیم خروجی‌های مدل گردش عمومی، رواناب در یک مرحله به‌عنوان هدف محاسباتی تخمین زده می‌شود. اما در رویکرد دوم، ابتدا خروجی‌های مدل گردش عمومی برای تولید متغیرهای بارش، دما و تبخیر کاهش مقیاس داده شده و سپس از طریق مدل‌سازی بیلان با استفاده از متغیرهای به‌دست‌آمده در مرحله قبل، رواناب تخمین زده می‌شود. در مطالعه حاضر برای کاهش مقیاس روزانه و ماهانه خروجی‌های مدل گردش عمومی به ترتیب از ابزار آماری DMDM وGMDH و برای مدل‌سازی بیلان از ساختار ارائه‌شده توسط گو استفاده شده است. عملکرد هریک از رویکردها از طریق مقایسه نتایج به‌دست‌آمده و ارزیابی توانایی دو رویکرد در بازتولید مشخصات آماری رواناب مشاهداتی در سه حوضه پل چهر، قورباغستان و پل دختر (از زیرحوضه‌های حوضه آبریز کرخه)، مورد بررسی قرار گرفته و در انتها انتشار عدم قطعیت در نتایج دو رویکرد با استفاده از مدل‌های GLUE و UNEEC بررسی شده است. نتایج مطالعه موردی نشان می‌دهد که علی‌رغم حذف مرحله مدل‌سازی بیلان در رویکرد مستقیم، عملکرد آن بر اساس شاخص‌های آماری خطا نسبت به رویکرد غیرمستقیم دقیق‌تر است. به‌علاوه رویکرد مستقیم در برآورد میانگین بلندمدت رواناب مشاهداتی نیز نسبت به رویکرد غیرمستقیم بهتر عمل می‌کند. چشم‌انداز‌ها بر اساس سناریوهای A2 و B2 برای دوره آینده، گویای عدم قطعیت قابل‌ملاحظه در نتایج دو رویکرد موردنظر است.
- Abstract
- Climate change has affected water resources systems all around the world in recent decades. Because of complicated connections between water access, food production, population growth and economic growth, it is necessary to take the adverse effects of climate change in to account to achieve realistic estimates of available water resources. In this study, two methods have been used to assess the impacts of climate change on streamflows and their results have been compared. In the first approach, statistical downscaling has been done directly using streamflows )predictand( using large-scale data of General Circulation Models (GCMs) )predictors(. But in the second approach, GCM outputs have been downscaled to produce local climate conditions which have then been used as inputs to a hydrological simulation model. Estimated streamflows using the hydrological model have been compared with those obtained from the direct downscaling. The Data-Mining Downscaling Model (DMDM), Group Method of Data Handling (GMDH) and Guo monthly water balance model have been utilized for statistical downscaling (daily and monthly time scales) and assessing the hydrological response of the basin. The results of the two aforementioned approaches and observed streamflows have been compared in terms of reproducing monthly average, standard deviation and skewness of observed streamflows in three watershed outlets located in Karkheh River basin in southwest of Iran. The uncertainty of modeled streamflows has been studied using Generalized Likelihood Uncertainty Estimation (GLUE) and UNcertainty Estimation based on local Errors and Clustering (UNEEC) models. The results have indicated that in spite of simplifications included in the single-step framework, this approach is accurate enough to be used in assessment of climate change impacts on streamflows without additional computational efforts needed for hydrological modeling. Future projections based on A2 and B2 scenarios have shown considerable uncertainty in the results of the two approaches.
