ارزیابی اثر تغییر اقلیم بر تراز آب زیرزمینی با استفاده از مدل بهینه سازی ازدحام اسپرم (مطالعه موردی:آبخوان دشت شبستر)

با توجه به محدودیت منابع آب زیرزمینی در ایران، محاسبه دقیق، استفاده صحیح، تنظیم و نگهداری این منابع از اهمیت بالایی برخوردار است. یکی از روش های موثر برای مدیریت و بهره برداری بهینه از این منابع در حال و آینده، استفاده از مدل سازی است. در این پژوهش مدل سازی تغییرات تراز آب زیرزمینی به صورت ماهانه در دوره ۲۰۲۲-۲۰۱۳ با مدل های MLP، WNN و MLPSSO-Wavelet انجام شد که از داده های نه سال اول برای آموزش و سال آخر جهت اعتبارسنجی استفاده شد و بهترین مدل با استفاده از معیارهای ضریب تبیین (R۲)، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) تعیین گردید. بارش و دمای ایستگاه سینوپتیک شبستر در دوره آینده (۲۰۴۰-۲۰۲۱) با استفاده از مدل CanESM۲ تحت سناریوهای RCP۲.۶ و RCP۸.۵ که ارتباط منطقی و مناسبی با ویژگی های اقلیمی مشاهداتی دارند پیش بینی و با استفاده از مدل LARS -WG ریزمقیاس سازی شدند. در دوره آتی، تحت هر دو سناریو و در ماه های فوریه ، جولای و اکتبر میانگین بارش کاهش و در نه ماه دیگر افزایش خواهد یافت. برای دما نیز به جز سناریو RCP۸.۵ و ماه ژوئن، در ۱۱ ماه دیگر و تحت هر دو سناریو، افزایش دما پیش بینی می شود و بیش ترین افزایش دما (۴۳/۳۷ درصد)، در ماه ژانویه و تحت سناریو RCP۲.۶ خواهد بود. تراز آب زیرزمینی آبخوان دشت شبستر با افت ۴۲/۴ متری، از ۶۴/۱۳۰۳ متر در سال ۲۰۰۳ به ۲۲/۱۲۹۹ متر در سال ۲۰۲۲ رسیده است. مطابق نتایج، مدل MLPOSSO-Wavelet با ۸۳/۰R۲=، ۷۴/۰RMSE= و ۷۱/۰MAE= در مرحله اعتبارسنجی، دقت بیشتری نسبت به مدل های دیگر دارد. تراز آب زیرزمینی دشت شبستر تحت سناریو RCP۲.۶ در شش ماه ابتدایی کاهش و در شش ماه دوم نسبت به شش ماه اول افزایش خواهد یافت. تحت سناریو RCP۸.۵ فقط در ماه های ژانویه، فوریه و دسامبر کاهش تراز آب زیرزمینی پیش بینی می شود و بیش ترین کاهش در ماه ژانویه اتفاق خواهد افتاد.

کلیدواژه ها:

پیش بینی ، شبکه عصبی ، مدل سازی ، LARS-WG