مدلسازی و شناسایی عوامل کلیدی سطح آب زیرزمینی در دشت روانسر-سنجابی با استفاده از داده های اقلیمی CMIP۶
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 56، شماره: 8
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 135
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-56-8_005
تاریخ نمایه سازی: 22 آذر 1404
چکیده مقاله:
در این پژوهش، با هدف پیش بینی تغییرات آتی عمق سطح آب زیرزمینی (GWL) در دشت روانسر-سنجابی، از ترکیب الگوریتم های K-means و جنگل تصادفی (RF) با داده های اقلیمی CMIP۶ (بارش، دمای حداقل و حداکثر، رطوبت نسبی و رطوبت خاک) استفاده شد. داده های ۹۸ مدل اقلیمی استخراج و با روش حذف بازگشتی ویژگی ها (RFE)، مهم ترین متغیرها شناسایی شد. مدل NorESM۲-MM به عنوان موثرترین مدل اقلیمی در منطقه و رطوبت خاک به عنوان مهم ترین عامل پیش بینی شناسایی گردید. عملکرد مدل RF نشان داد که خوشه کوزران با ضریب همبستگی ۹۲/۰ و نش-ساتکلیف ۸۳/۰، بهترین نتایج را ارائه داده است. تحلیل روند تاریخی (۱۹۹۲-۲۰۱۴) افت معنادار GWL در همه خوشه ها را نشان داد؛ بیشترین کاهش مربوط به کوزران و تم تم با شیب های ۷۷ و ۶۸ سانتی متر در سال بوده. براساس سناریوهای اقلیمی، در SSP۱-۲.۶ و SSP۲-۴.۵ در آینده نزدیک بهبود نسبی، و در آینده میانی و دور کاهش معنادار GWL پیش بینی می شود؛ بیشترین افت در کوزران با نرخ ۱۹ و ۲۲ سانتی متر در سال پیش بینی می شود. در SSP۵-۸.۵، آینده نزدیک و میانی با روند افزایشی معنادار همراه است و بیشترین افزایش در آینده میانی کوزران (۲۴ سانتی متر در سال) رخ می دهد؛ اما در آینده دور کاهش تدریجی پیش بینی می شود. از نظر فصلی، بیشترین بهبود در پاییز (حدود ۴ متر در کوزران تحت SSP۵-۸.۵ در آینده دور) و بیشترین افت در بهار (۸۳/۱ متر در تم تم تحت SSP۲-۴.۵ در آینده میانی) پیش بینی می شود. این نتایج بر ضرورت برنامه ریزی اقلیمی محور برای حفاظت از منابع آب زیرزمینی منطقه تاکید دارد.
کلیدواژه ها:
نویسندگان
کبری سلطانی
گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه، ایران
جعفر معصومپور سماکوش
گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه رازی
سید احسان فاطمی
گروه مهندسی آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران
مریم حافظ پرست مودت
گروه مهندسی آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، 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 :
