تحلیل عدم قطعیت مدل های GCM و سناریوهای انتشار در ارزیابی اثر تغییر اقلیم بر رواناب ماهانه حوضه بشار
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 151
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-20-1_003
تاریخ نمایه سازی: 19 مهر 1400
چکیده مقاله:
زمینه و هدف: در این مقاله، بزرگی و اهمیت عدمقطعیتهای ساختار مدلهای GCM و سناریوهای انتشار در نتایج ارزیابی اثر تغییر اقلیم بر جریان ماهانه حوضهی رودخانهی بشار بررسی و مقایسه شده است. روش بررسی: جریان حوضه توسط یک مدل بارش-رواناب مفهومی به خوبی شبیهسازی شد. سناریوهای اقلیمی دوره ۹۳-۲۰۶۷ خروجی شش مدل GCM برای سه سناریوی انتشار گازهای گلخانهای به روش عامل تغییرات ریز مقیاس شد. با ورود دادههای اقلیمی دوره پایه و هر یک از ۱۸ سناریوی اقلیم آینده به مدل بارش-رواناب، اثر تغییر اقلیم بر جریان ماهانهی حوضه ارزیابی شد. با مقایسه دامنهی تغییرات نتایج تحت مدلهای GCM و سناریوهای انتشار مختلف، عدمقطعیت آنها در نتایج بررسی و مقایسه شد. یافتهها: در شبیهسازی جریان ماهانه ضریب تعیین (R۲) در دورههای واسنجی و اعتبارسنجی به ترتیب برابر ۹۶/۰ و ۹۴/۰ به دست آمد. تحت هر یک از سناریوهای انتشار و مدلهای GCM پیشیابی میشود جریان و رژیم فصلی رودخانه در اقلیم آینده تغییر کند. با وجود آن، هر یک از عدمقطعیتهای ناشی از انتخاب مدلهای GCM و سناریوی انتشار در نتایج مهم است. به عنوان نمونه تحت سناریوهای انتشار و GCMهای مختلف میانگین جریان ماه دسامبر در آینده از ۲۶% کاهش تا ۱۲۳% افزایش یابد. بحث و نتیجهگیری: پیشیابی میشود که تغییر اقلیم اثر مهمی بر جریان حوضه داشته باشد. اگرچه عدمقطعیت مدلهای GCM از عدم قطعیت سناریوی انتشار بزرگتر است، اما هیچ یک از این عدمقطعیتها در تصمیمگیری طرحهای آیندهی حوضه قابل چشمپوشی نیست.
کلیدواژه ها:
نویسندگان
محمد رضا خزائی
استادیار، گروه مهندسی عمران، دانشگاه پیام نور، ایران (مسوول مکاتبات).
حدیث خزائی
دانشجوی کارشناسی ارشد مهندسی عمران-آب، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :