عنوان پایان‌نامه
توسعه روش های ریز مقیاسی آماری با هدف ارزیابی تغییر اقلیم بر رویدادهای حدی در نواحی شهری
- رشته تحصیلی
- مهندسی عمران -مهندسی آب - فاضلاب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 2010;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66843
- تاریخ دفاع
- ۲۲ دی ۱۳۹۳
- دانشجو
- حمید علی زاده پهلوان
- استاد راهنما
- بنفشه زهرایی
- چکیده
- تغییرات دمای کره زمین و روند رو به افزایش آن منجر به تغییرات معنی¬دار در پارامترهای اقلیمی شده است که از آن به عنوان تغییر اقلیم یاد می¬شود. شهرها به دلیل تغییر گسترده در شرایط هیدرولوژیکی حوضه‌هایی که در آن واقع شده‌اند و وجود زیرساخت‌های حیاتی وسیع، به طور فزاینده‌ای نسبت به تغییر در الگوهای رویدادهای بارش ناشی از تغییرات اقلیمی و سیلاب‌های منتج از آن‌ها آسیب‌پذیر هستند. به دلیل مقیاس کوچک مکانی و زمانی فرآیندهای هیدرولوژیکی در حوضه¬های شهری، بررسی اثرات تغییر اقلیم بر عملکرد سیستم¬های زهکشی شهری بسیار پیچیده است. مدل¬های گردش عمومی که برای شبیه¬سازی شرایط اقلیم آینده به کار می¬روند، قادر به توصیف دقیق فرآیند بارش در مقیاس مناسب مدل¬سازی هیدرولوژیکی نیستند. مقیاس‌های زمانی موردنیاز در این تحلیل‌ها می‌تواند به کوتاهی 10 دقیقه باشد که نیازمند مقیاس¬کاهی با تفکیک‌پذیری زمانی قابل توجه بر نتایج شبیه‌سازی مدل¬های گردش عمومی است. بنابراین، به منظور غلبه بر شکاف مقیاسی موجود میان آن¬¬چه که مدل¬های گردش عمومی فراهم می¬کنند و آن¬چه که مدل¬های هیدرولوژیکی نیاز دارند، روش¬های مقیاس¬کاهی به طور معمول مورد استفاده قرار می¬گیرند. در این مطالعه، از دو مدل¬ گردش عمومی CGCM3 وHadCM3 و سناریوهای انتشار A1B، A2، B1 و B2، در جهت بررسی اثرات ناشی از تغییر اقلیم در منطقه مورد مطالعه، استفاده شده است. به‌منظور مقیاس¬کاهی مکانی و دستیابی به اطلاعات اقلیمی در مقیاس ایستگاهی، دو مدل مقیاس¬کاهی آماری SDSM و LARS-WG مورد استفاده قرار گرفته¬اند. سپس برای مقیاس¬کاهی زمانی و بررسی اثرات تغییر اقلیم بر بارش¬های حدی کوتاه‌مدت (10 دقیقه¬ای)، روش فاکتور آشفتگی چندک روز تر (wet-day quantile perturbation factor) به کار گرفته‌شده است. کاربرد این روش بر اطلاعات باران¬سنجی ایستگاه سد لتیان، واقع در شمال¬شرقی شهر تهران، نشان¬دهنده افزایش در مقادیر بارش 10 دقیقه-ای و به ویژه افزایشی تا حدود 30 درصد در مقادیر بارش¬های حدی در اواخر پاییز و اوایل زمستان است.
- Abstract
- Changes in global temperatures and rising trend of that lead to significant changes in climate parameters that have been mentioned as climate change. Cities are becoming increasingly vulnerable to changes in precipitation patterns caused by anthropogenic climate change and their consequent floods because of extensive changes in the hydrological conditions of the urban area where there have been widespread critical infrastructure. Conducting climate change studies on urban drainage is extremely complicated, because of the small (spatial and temporal) scales of hydrological processes in the urban catchments. General circulation models which used to project future climate conditions, are unable to describe accurately the rainfall process at the fine scales of hydrological modelling. Required time scales for this analysis can be as low as 10 minutes which requires strong temporal downscaling of general circulation models results. Therefore, in order to overcome this scale related gap between what general circulation models provide and what hydrological models need, downscaling methods are traditionally applied. In this study, two general circulation models, CGCM3 and HadCM3 and A1B, A2, B1 and B2 emission scenarios, are used in order to assess the effects of climate change in the interest region. Two statistical downscaling models, SDSM and LARS-WG, have been used in order to carry out spatial downscaling and obtain climate information at stations. Then, in order to carry out temporal downscaling and studying effects of climate change on short-duration precipitation extremes, wet-day quantile perturbation factor method is applied. Application of this method on the precipitation data of Latyan Dam rain gauge station, located in the northeast of Tehran, illustrates an increase in the amount of 10 min precipitation and especially up to about 30% increase in the extreme precipitation amounts during the late Fall and early Winter seasons.
