علی شبستانی - دانشگاه علوم کشاورزی و منابع طبیعی ساری
عبداله درزی نفت چالی - استادیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی ساری
فاطمه کاراندیش - استادیار گروه مهندسی آب دانشگاه زابل

مقدمه و هدف افزایش جهانی گازهای گلخانه ای به دلیل متاثر ساختن متغیرهای مهم هواشناسی و هیدرولوژیکی همانند تبخیر- تعرق پتانسیل، می تواند تهدیدی جدی برای کشاورزی پایدار در شرایط وقوع تغییراقلیم محسوب شود. تبخیر- تعرق پتانسیل یکی از عوامل کلیدی موثر بر تولید محصولات کشاورزی است و نداشتن درک مناسب از مقدار آن می تواند امنیت آب و غذا را به مخاطره بیندازد. به همین دلیل در این پژوهش، مقدار این متغیر مهم تا سال 2100 تحت سناریوهای مختلف انتشار در مدل های گردش عمومی جو (GCMs) برآورد شد. مواد و روش ها بر اساس خروجی های بدست آمده از 15 مدل GCMs تحت سه سناریوی A1B، A2 وB1، تاثیر وقوع گرمایش جهانی بر میزان تبخیر-تعرق پتانسیل و عدم قطعیت های حاکم در پیش بینی آن در شهرستان شیراز تحلیل شد. داده های بزرگ مقیاس مدل های GCMs با مدل آماری LARS-WG در ایستگاه شیراز در سه بازه ی زمانی 2040-2011 (دوره ی ابتدایی)، 2070-2041 (دوره ی میانی)و 2100-2071 (دوره ی انتهایی) ریزمقیاس شدند. بدین منظور، ابتدا مدل با استفاده از داده های هواشناسی روزانه در دوره ی پایه (2010-1981) واسنجی و صحت-سنجی شد و سپس برای ریزمقیاس سازی استفاده شد. توانایی مدل های تجربی، رگرسیون خطی و روش های هوش مصنوعی شامل سیستم استنتاج عصبی فازی و ماشین های بردار پشتبان در برآورد تبخیر- تعرق پتانسیل در مقایسه با روش فائو پنمن-مانتیث ارزیابی شد. سپس میزان تبخیر-تعرق پتانسیل در آینده با استفاده از مدل منتخب برآورد شد. در نهایت، دامنه ی عدم قطعیت برای مقادیر برآورد شده ی تبخیر- تعرق پتانسیل تحت مدل های مختلف GCMs در مقیاس های زمانی سالانه، فصلی و ماهانه تعیین شد. نتایج و بحث نتایج آزمون t و مقدار آماره های ارزیابی نشان داد مدل ریزمقیاس ساز منتخب، توانایی قابل قبولی در تخمین مولفه های بارش و دماهای کاردینال تا سال 2100 دارد. روش ماشین های بردار پشتیبان بر اساس معیارهای جذر میانگین مربعات خطا (mm 42/0) و ضریب کارآیی مدل (97/0)، کم ترین خطا را در تخمین تبخیر- تعرق پتانسیل داشت که نشان دهنده تناسب این روش برای برآورد این پارامتر در اقلیم آینده-ی شیراز می باشد. در حد فاصل سال های 2100-2011، مقایسه ی میانگین نتایج 35 ترکیب از مدل های منتخب (15 مدل GCMs تحت سه سناریوی انتشار) و همچنین میانه های توابع توزیع احتمال در سه سناریوی A1B، A2 و B1 با مقدار آن ها در دوره پایه، حاکی از افزایش تبخیر-تعرق پتانسیل در مقیاس های زمانی سالانه، فصلی و ماهانه بود. دوره های میانی و انتهایی قرن 21 ام (6/15-3/10 درصد)، فصل های پربارش (9/31-4/5 درصد) و همچنین ماه های دسامبر، ژانویه و فوریه (45-5/8 درصد) بیش ترین افزایش در میزان تبخیر- تعرق پتاسیل را در مقایسه با دوره ی پایه تحت گرمایش جهانی خواهند داشت. بررسی توابع توزیع تجمعی احتمال نشان داد دامنه ی عدم قطعیت در تخمین تبخیر- تعرق پتانسیل در مقیاس های سالانه، فصلی و ماهانه به ترتیب در محدوده های 250-180، 7/132-1/47 و 4/56-6/19 میلی متر قرار دارد. نتیجه گیری یافته های این پژوهش نشان می دهد افزایش تقاضای اتمسفری در ماه های پربارش می تواند با کاهش ذخیره ی رطوبتی خاک برای کشت های بهاره و افزایش کمبود آب سبز در کشت های پاییزه، کشاورزی را در هر دو بخش دیم و آبی به مخاطره بیندازد که این امر مستلزم برنامه ریزی برای مواجه با این چالش جهانی است. با این وجود، باید در نظر داشت که ریسک پذیری برنامه ریزی های بلندمدت به دلیل عدم قطعیت های بیش تر در تخمین تبخیر- تعرق پتانسیل بیش تر از مقیاس های زمانی کوتاه مدت خواهد بود.

واژگان کلیدی: توابع توزیع احتمال, شیراز, گرمایش جهانی, ماشین های بردار پشتیبان, مدل های GCM