تاثیر سناریوهای اقلیمی IPCC-CMIP۶ بر رواناب حوضه با رویکردهای ANN و رگرسیون چندگانه

تغییرات اقلیمی به عنوان یکی از چالش های اساسی قرن حاضر، موجب دگرگونی در چرخه های هیدرولوژیکی در مقیاس های جهانی و منطقه ای شده و پیامدهای آن به ویژه در مناطق خشک و نیمه خشک آشکارتر است. هدف این پژوهش، ارزیابی تغییرات آتی رواناب در حوضه آبریز خرم آباد با استفاده از داده های به روز اقلیمی و مدل های داده محور می باشد. بدین منظور، داده های گزارش ششم ارزیابی هیئت بین دولتی تغییر اقلیم (IPCC) تحت سناریوهای اجتماعی–اقتصادی مشترک SSP۱-۲.۶ (خوش بینانه) و SSP۵-۸.۵ (بدبینانه) برای دوره های زمانی ۲۰۶۹-۲۰۴۰ و ۲۰۹۹-۲۰۷۰ مورد استفاده قرار گرفت. ریزمقیاس نمایی متغیرهای اقلیمی با بهره گیری از روش عامل تغییر انجام شد. برای شبیه سازی رواناب آینده، دو مدل داده محور شامل شبکه عصبی مصنوعی (ANN) و رگرسیون چندگانه (MR) توسعه داده شد. نتایج نشان دادند که مدل های CMIP۶ در شبیه سازی دمای دوره تاریخی عملکرد بهتری نسبت به بارش دارند که بیان گر عدم قطعیت بیش تر در پیش بینی بارش است. هم چنین تحلیل داده های ریزمقیاس نمایی شده حاکی از کاهش بارش و افزایش دمای متوسط بلندمدت ماهانه در هر دو سناریوی اقلیمی می باشد. در بخش مدل سازی آب شناسی، ANN در مقایسه با مدل MR، دقت بالاتری در شبیه سازی رواناب و بازنمایی روابط غیرخطی میان متغیرهای اقلیمی از خود نشان داد. پیش بینی های حاصل از مدل ANN کاهش قابل توجه رواناب را در تمامی دوره ها و سناریوهای آینده نشان می دهند که بیان گر افزایش تنش آبی و ضرورت برنامه ریزی هدفمند برای مدیریت پایدار منابع آب در حوضه مورد مطالعه است.

کلیدواژه ها:

منابع آب ، سناریوهای SSP ، شبیه سازی رواناب ، شبکه عصبی مصنوعی ، رگرسیون چندگانه