عنوان پایان‌نامه
ارزیابی اثر تغیر اقلم بر رواناب تحت تاثیر عدم قطعیت مدل های AOGCM-AR۴و روشهای کوچک مقیاس کردن (مطالعه موردی زیر حوضه قره سو)
- رشته تحصیلی
- مهندسی کشاورزی - مهندسی منابع آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 43941;کتابخانه پردیس ابوریحان شماره ثبت: 314
- تاریخ دفاع
- ۱۱ اسفند ۱۳۸۸
- استاد راهنما
- محمدرضا نجفی شهری, علیرضا مساح بوانی
- دانشجو
- علیرضا کمال
- چکیده
- چکیده در شبیه¬سازی رواناب یک حوضه تحت تاثیر تغییر اقلیم، عدم قطعیت¬های مختلفی بر نتایج نهائی تاثیر می¬گذارند. که با نادیده گرفتن هریک از آنها از اعتبار نتایج کاسته می¬شود. همچنین در نظر نگرفتن عدم قطعیت¬های مرتبط با مباحث تغییر اقلیم در مطالعات، می¬تواند نتایج غیر واقعی و غیر کاربردی را به تصمیم¬گیرندگان اعمال کند. در این تحقیق تاثیر عدم قطعیت مربوط به مدل¬های شبیه¬سازی بارش-رواناب ، مدل¬های AOGCM و همچنین روشهای کوچک مقیاس کردن مدلهای اقلیمی بر رواناب حوضه قره¬سو در دوره 2069-2040 میلادی تحت سناریوی انتشار A2 از مجموع سناریوی¬های انتشار SRES مورد بررسی قرار گرفت. در این راستا از 9 مدل جدید AOGCM-AR4 شامل CCSM3، CGCM3، CSIRO Mk3، GFDL CM2.1، GISS E-R، HadCM3، ECHAM5، MIROC-med، PCM ، 2 مدل مفهومی بارش- رواناب IHACRES و SIMHYD و دو روش کوچک مقیاس کردن تناسبی و آماری استفاده گردید. ابتدا دو مدل¬ بارش- رواناب برای دوره پایه 2000-1971 مورد واسنجی و صحت¬یابی قرار گرفته و با معیارهای عملکرد R2، RMSE و Bias ارزیابی شدند. سپس با کوچک مقیاس کردن داده¬های اقلیمی 9 مدل منتخب AOGCM-AR4 برای منطقه مطالعاتی و معرفی هر یک از آن¬ها بطور جداگانه به مدل¬های بارش-رواناب، محدوده تغییرات رواناب حوضه در دوره 2069-2040 تحت سناریوی A2 مشخص گردید. نتایج نشان داد که عدم قطعیت مربوط به روشهای کوچک مقیاس کردن داده¬های دما در اکثر ما¬¬ه¬ها و فصول سال بیشتر از مدلهای اقلیمی است. به¬گونه-ای که متوسط اختلاف روشهای کوچک مقیاس کردن °C 3/2 در سال بوده در حالی که متوسط اختلاف حاصل از مدلهای اقلیمی °C 3/1 در سال است. برای متغیر بارش در اکثر ماه¬ها میانگین دراز مدت حاصل از روش آماری درصد برآورد بیشتری نسبت به روش کوچک مقیاس تناسبی نشان داده است. در مجموع نتایج نشان داد که عدم قطعیت مدلهای اقلیمی بیش از عدم قطعیت روشهای کوچک مقیاس کردن در شبیه¬سازی بارش است. نهایتا نتایج نهائی این تحقیق نشان داد که تاثیرگذارترین منبع عدم قطعیت در شبیه¬سازی رواناب حوضه به ترتیب مربوط به عدم قطعیت روش¬های کوچک مقیاس، عدم قطعیت مربوط به مدل¬های AOGCM و عدم قطعیت مربوط به مدل¬های هیدرولوژی می¬باشد
- Abstract
- َAbstract In simulation of runoff in a basin affected by climate change, various sources of uncertainties affect the final results. Ignore each of them reduced the accuracy of the results. Also if someone doesn't manage uncertainty in climate change related studies, results can't be applicable by decision makers. In this study, the effect of uncertainty related to the rainfall - runoff models, AOGCM climatic models and downscaling techniques on runoff of the Gharesou basin in period 2069-2040, under the emission scenario namely A2 SRES were investigated. In this respect, 9 new model AOGCM-AR4, including CCSM3, CGCM3, CSIRO Mk3, GFDL CM2.1, GISS ER, HadCM3, ECHAM5, MIROC-med, PCM, 2 conceptual rainfall - runoff model including; SIMHYD and IHACRES and two downscaling methods including; change factor and SDSM were used. First two rainfall - runoff models calibrated and verified for the 2000-1971 base period while performance criteria R2, RMSE and Bias were used. Then the data of the 9 elected AOGCM-AR4 model were downscaled for the basin and introduced them separately to the rainfall – runoff models. By this, runoff changes of the basin during 2069-2040 under the A2 scenario were determined. Results showed that the uncertainty related to the methods of downsvaling temperature data in most months and seasons is more than climate models. The yearly average difference between downscaling methods is 2.3 ° C, while the yearly average difference from climate models is 1.3° C. For rainfall in most months, the long-term mean of statistical method is more than downscaling method. The results showed that the uncertainty of climate models is more than the uncertainty of downscaling methods in simulation of rainfall. Finally, the final results of this study showed that the most influential source of uncertainty in the simulating rainfall-runoff of the basin under climate change, are uncertainty related to downscalimg methods, the AOGCM models and the uncertainty related to hydrologic models. Keywords: Climate Change, Rainfall-Runoff, Downscaling, Uncertainty, AOGCM
