عنوان پایان‌نامه
بررسی اثر تغییر اقلیم بر دبی حداکثر (مطالعه موردی: حوضه گرگانرود)
- رشته تحصیلی
- مهندسی کشاورزی - مهندسی منابع آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 45467;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 4026
- تاریخ دفاع
- ۲۸ بهمن ۱۳۸۸
- دانشجو
- فرشته مدرسی
- استاد راهنما
- شهاب عراقی نژاد
- چکیده
- چکیده تغییر اقلیم عبارتست از تغییرات رفتار آب و هوایی یک منطقه نسبت به رفتاری که در طول یک افق زمانی بلند مدت از اطلاعات مشاهده یا ثبت شده در آن منطقه مورد انتظار است. در مقیاس عمومی، افزایش تدریجی دمای کره زمین و اقیانوس‌ها را در اثر افزایش گازهای گلخانه‌ای، مهمترین عامل تغییراقلیم می‌دانند. در مقیاس‌های منطقه‌ای و محلی نیز، تغییراقلیم آثار چشمگیری بر روی بارش، تبخیر و تعرق، رواناب سطحی و در نتیجه وقایع حدی هیدرولوژیکی داشته است. در این تحقیق اثر پدیده تغییراقلیم بر دبی حداکثر با انتخاب حوضه گرگانرود- قره‌سو به عنوان مطالعه موردی بررسی شده است. برای این منظور از آمار ایستگاه‌های هواشناسی و هیدرومتری حوضه مذکور در بازه زمانی سال‌های 57-1356 تا 86-1385 استفاده شد. ابتدا با استفاده از آزمون‌های آماری همگنی، روند و جهش پیشنهادی سازمان هواشناسی جهانی (WMO) برای مطالعات تغییراقلیم و با بکارگیری روش منطقه‌ای کردن نتایج، آشکارسازی تغییراقلیم به صورت منطقه‌ای صورت گرفت. سپس با بررسی آماری نتایج تمامی مدل‌های گردش عمومی جو، مدل HadCM3-B2 به عنوان مناسب‌ترین مدل برای محدوده مطالعاتی انتخاب شد. با استفاده از نتایج این مدل و همچنین در نظر گرفتن ادامه روندهای تاریخی موجود در شرایط متوسط حوضه برای دوره پیش‌بینی (87-1386 تا 16-1415)، چهار سناریوی تغییراقلیم (دو سناریو برای دما و دو سناریو برای بارش) تعریف شد. با بکارگیری مدل کوچک مقیاس سازی K-NN سری‌های زمانی بارش و دمای متوسط در مقیاس ایستگاهی برای دوره پیش‌بینی تولید شدند. با توجه به قرارگیری ایستگاه تمر در بالادست سه سد موجود بر روی رودخانه گرگانرود، برای این ایستگاه با استفاده از دو مدل شبکه عصبی مصنوعی و تحلیل آماری، دبی حداکثر در دوره پیش‌بینی محاسبه شد. نتایج این تحقیق نشان دادند که تحت سناریوهای افزایش دما، میزان دبی حداکثر نسبت به شرایط تاریخی در تمامی دوره‌های بازگشت افزایش خواهد یافت و تحت سناریوی کاهش بارش، میزان دبی حداکثر در مقایسه با شرایط تاریخی در تمامی دوره‌های بازگشت کاهش خواهد یافت. همچنین میزان دبی حداکثر تحت سناریوی افزایش بارش برای تمامی دوره‌های بازگشت نسبت به شرایط تاریخی افزایش خواهد یافت. به علاوه، نتایج به دست آمده نشان داد که روش تحلیل آماری نسبت به روش شبکه عصبی مصنوعی از قابلیت اطمینان بیشتری برخوردار است
- Abstract
- Abstract Climate change in a region means the difference in the long-term weather of that region in comparison with the historical weather of the area. In a global scale, the main factor affecting the climate change is the increase in the greenhouse gases. In a local scale, climate change may affect precipitation, evapotranspiration, run off and extreme hydrological values of a region. This research investigates the effect of climate change on the flood discharge of the Gourganroud River. For this research, it has been used form meteorological and hydrometrical data form 1977 to 2007. In the first step, the recorded data of rainfall, Tmax and Tmin were investigated in order to discover the probable trend, jumping of time series by use of homogeneity, trend and jumping tests that suggested by WMO. The results were used as base line to select the best GCM model among the other models. HadCM3-B2 was selected as the best model considering this approach. Using this model the future changes of the precipitation and temperature for 2007-2037 were estimated. This large scale estimation of rainfall and temperature were downscaled using a K-NN method. Finally, using two methods of experimental(ANN model) and statistical models, the estimation of flood peak discharge frequency were enhanced considering the climate change effects in the region. Results show that with increasing temperature, flood peak discharge will be increase in all return periods and with decreasing precipitation, flood peak discharge will be decreased in all return periods. Also, with increasing precipitation under climate change scenarios, flood peak discharge will be increased in all return periods. In addition, Results show that statistical model is more confident than experimental model (ANN).
