بررسی اثر تغییر اقلیم بر مدیریت بحران سیلاب

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد علوم و مهندسی آب،

2 استاد

3 استادیار مهندسی عمران

چکیده

در این پژوهش اثر تغییر اقلیم بر مدیریت بحران سیلاب در منطقه‏‏ی دشت تجن مورد بررسی قرار گرفته است. ابتدا آشکارسازی رخداد تغییر اقلیم با استفاده از آزمون‏های ناپارامتری صورت گرفت و متغیر‏های بزرگ مقیاس مدل گردش عمومی جو با مدل اقلیمی  HadCM3تحت سناریوی A2 در چهار دوره‏ی زمانی 2001-1971، 2040-2011، 2070-2041 و 2100-2071 دریافت شدند. برای کوچک مقیاس‏سازی داده‏های مدل گردش عمومی جو در سطح منطقه از روش‏های کوچک مقیاس‏سازی آماری SDSM5.5.1، شبکه‏ی عصبی مصنوعی و روش تناسبی استفاده شد. بر اساس نتایج به‏دست آمده از آزمون‏های آماری روند، مشاهده شد که روند معنی‏داری در تغییرات داده‏های هواشناسی منطقه وجود دارد و پدیده‏ی تغییر اقلیم در منطقه رخ داده است. نتایج کلی مدل  SDSMو روش تناسبی، نشان‏دهنده‏ی کاهش در مقدار بارندگی و افزایش در مقدار دما در دوره‏های آتی است. نتایج مدل شبکه‏ی عصبی مصنوعی به علت درصد خطای بالا برای شبیه‏سازی دما در دوره‏ی مشاهده‏ای رضایت‏بخش نبود. همچنین داده‏های پیش‏بینی شده‏ی دما و بارش با داده‏های تاریخی همبستگی بالا و معنی‏داری در سطح اطمینان 95 درصد داشتند. در آخر می‏توان نتیجه گرفت که به علت افزایش دما و بارش در برخی فصول سال در دوره‏های زمانی آتی به دلیل ذوب برف در اثر افزایش دما در انتهای فصل تابستان و ابتدای پاییز و افزایش بارش در زمستان و پاییز میزان احتمال وقوع سیلاب در این فصول از سال رو به افزایش است.  

کلیدواژه‌ها


 

 

  1. علیزاده، ا. (1387). اصول هیدرولوژی کاربردی. انتشارات دانشگاه امام رضا (ع)، چاپ بیست و پنجم، فصل 7، 285-286 .
  2. Karamouz.M., Fallahi.M., Nazif.S., and Rahimi Farahani. M., )April, 2009(. Long Lead Rainfall Prediction Using Statistical Downscaling and Artificial Neural Network Modeling, Transaction A: Civil Engineering, Sharif University of Technology, Vol. 16, No. 2, 165-172.
  3. Chu.j.T.,  Xia.J., Xu.C.Y., and Singh.V.P., (2010). Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios in Haihe River, China. Theor Appl Climatol, Springer-Verlag, 99, 149–161.
  4. Von Storch. H., (1995(. Misuses of statistical analysis in climate research. In: Storch HV, Navarra A, editors. Analysis of climate variability: applications of statistical techniques. Berlin: Springer, 11-26.
  5. Yu. P. S., Yang. T. C., and Chou. C. C., (2002). Effects of climate change on evapotranspiration from paddy fields in southern Taiwan. Climatic Change, 54, 165-179.
  6. Yue, S., Hashino. M., )2003(.Temperature trends in Japan: 1900-1996. Theoretical and applied Climatology, 75, 15-27
7-     Partal. T., Kahya. E., (2006). Trend analysis in Turkish precipitation data. Hydro    Process 20:2011–2026 PDA (Provincial Directorate of Agriculture) Official web sites. http://www.aydintarim.gov.tr/ aydinili.htm. Accessed 9 April 2008.

8.    Xu. C. y., (1999). From GCMs to river flow: A review of downscaling methods and hydrologic modeling approaches. Progress in physical Geography, 23, 2, 229-249.

9.     Wilby. R. L., and Dawson. C. w., (2007). SDSM4.2-User Manual.

10-    سلیمانی ننادگانی. م، (1389). بررسی اثر تغییر اقلیم بر نیاز خالص آبیاری گندم. پایان‏نامه‏ی مقطع کارشناسی ارشد دانشکده مهندسی فناوری و کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، تهران.

11-   Sajikumar. N., Thandaveswara. B.S., )1999(. Non Liner rainfall runoff Model using artificial neural network. Journal of Haydrology, 216, 32-35.

12-   اسفندیاری درآباد. ف؛ حسینی. ا؛ آزادی مبارکی. م.؛ حجازی زاده. ز. (1389). پیش‏بینی میانگین دمای ماهانه ایستگاه سینوپتیک سنندج با استفاده از مدل شبکه‏ی عصبی مصنوعی پرسپترون چند لایه. فصلنامه‏ی علمی پژوهشی انجمن جغرافیای ایران، دوره‏ی جدید، سال هشتم، شماره‏ی 27، 45-65.