بخشی از مقاله
چکیده
پدیده تغییر اقلیم از مباحثی است که امروزه بیش از پیش بر تمام ابعاد زندگی بشر تاثیر گذاشته است. از موضوعات مهم در مطالعات هیدرولوژی، پیشبینی پارامترهای اقلیمی با در نظر گرفتن تاثیرات تغییر اقلیم برای دوره آتی میباشد. یکی از روشهای معتبر در این مطالعات استفاده از دادههای مدل گردش جو یا GCM است، از طرفی خروجی این مدلها دارای دقت مکانی کافی برای مطالعات تاثیر تغییر اقلیم بر سیستمهای هیدرولوژی نمیباشد. جهت استفاده از دادههای GCM میبایست آنها را توسط تکنیکهای مختلف در سطوح ایستگاهی کوچکمقیاس نمود.
برای کوچک مقیاس کردن آماری میبایست از چندین متغیر پیشبینیکننده Predictor استفاده نمود،معمولا در مدلسازیها با تعداد زیادی از متغیرهای پیش بینی کننده آغاز می شودبخشی ازکار مدلسازی شامل شناسایی بهترین زیرمجموعه از متغیرهای پیش بینی کننده است. مدلسازی با تعداد زیادی متغیر پیش بینی کننده از دقت کمتری برخوردار است و پیش بینی ها نتایج ضعیف تری را بوجود می آورند بنابراین قبل از کوچکمقیاس کردن میبایست نوع متغیر پیشبینیکننده که تاثیر بیشتری در پیشبینی دارد انتخاب گردد.
در این پژوهش با استفاده از رابطهی بین متغیرهای پیشبینی-کننده با برآورد پارامتری و ضریب همبستگی ناپارامتری مانند پیرسون، اسپیرمن، کندال و همبستگی جزئی متغیرهای پیشبینی-کنندهی مناسب برای حوضهی مطالعاتی انتخاب میشوند. متغیرهایی باید انتخاب شوند که بهترین معرفی کننده ی پدیده ی تغیر اقلیم باشند. عدم پذیرش شاخص های مهم می تواند برعملکرد مدلسازی تاثیر نامطلوبی بگذارد.
.1 مقدمه
امروزه پیامدهای گرمایش زمین به یک چالش جهانی تبدیل شده و کشورهای مختلف را وادار به هماهنگی و اقدامات مشترک جهت سازگاری و کاهش اثرات آن نموده است. یکی از مهمترین این پیامدها تاثیر برروی الگوهای بارش در مناطق مختلف میباشد که کاهش میزان برف و افزایش بارشهای رگباری نمونهای از این تغییرات میباشند. بنابراین مطالعه تغییرات بارش در آینده میتواند در برنامهریزهای اقتصادی و توسعهای راهگشا باشد. به منظور بررسی دقیقتر این مسئله در سال 1988موسسهای به نام هیئت بین الدول تغیراقلیم به طور مشترک به وسیلهی سازمان جهانی هواشناسی وبرنامه محیط زیست سازمان ملل متحدتاسیس شد.
شروع فعالیت-های IPCC با ارائهی گزارشهای ویژه ارزیابی علل تغیراقلیم بود . طبق ارزیابی گزارش پنجم هیئت بین الدول تغیراقلیم - IPCC - AR5 میانگین تغیر دمای جهانی برای دوره ی 2016 تا 2035 به احتمال زیاد درمحدودهی 0.3 تا 0.7 درجه ی سانتیگراد نسبت به سال 1986تا 2005تغیر میکند و احتمالا تاپایان قرن 21 نسبت به دورهی 1850تا 1900بیشتر از 1.5 درجهی سانتیگراد افزایش یابد. این تغیرات آبو هوایی در بارشهای محلی و رژیمهای هیدرولوژیکی تاثیر گذارند. براساس این گزارش متوسط بارش سالانه تاپایان قرن 21در بسیاری از مناطق عرض میانی و مناطق خشک نیمهگرمسیری افزایش مییابد
برای انجام مطالعات تغییراقلیم بر منابع مختلف در دوره های آتی، ابتدا میبایست متغیرهای اقلیمی تحت تأثیر تغییرات گازهای گلخانه ای شبیه سازی شوند. روش های مختلفی برای این کار وجود دارد که معتبرترین آنها استفاده از دادههای مدل گردش عمومی جو - - GCM است .[2] مطالعات هیدرولوژیکی و مدیریت منابع آب نیاز به وضوح خوبی از اطلاعات آب و هوایی دارند. اما با توجه به رزولیشن بالای خروجیهای مدل GCM نرم افزارهایی که به طور مستقیم داده ها را در مقیاس حوضه ی محلی مدلسازی کنند محدود هستند.
بنابراین اغلب برای حل این مشکل از روش ریزمقیاس نمایی استفاده می کنند. مطالعات هیدرولوژیکی و مدیریت منابع آب نیاز به وضوح خوبی از اطلاعات آبوهوایی دارند. اما با توجه به رزولیشن بالای خروجیهای مدل GCM نرم افزارهایی که به طور مستقیم داده ها را در مقیاس حوضهی محلی مدلسازی کنند محدود هستند. بنابراین اغلب برای حل این مشکل از روش ریزمقیاسنمایی استفاده میکنند.
خروجیهای CMIP5 برای کاربرد در مطالعات حوضهآبریز نیازمند به ریزمقیاس شدن دارند. تکنیک های ریزمقیاسی دو نوع هستند: ریز مقیاس نمایی آماری و دینامیکی. روش ریزمقیاسنمایی آماری از روابط بین متغیرهای جوی ارائه شده توسط GCM - یعنی فشار سطح دریا - و متغیرهای محلی اندازه گیری شده مانند بارش - شناخته شده به عنوان پیش بینی - برای تبدیل مقیاس درشت به مقیاس ریزتر، در پیش بینی آب و هوای آینده استفاده میکند .[4] ریزمقیاس دینامیکی شامل تاثیر الگوی جهانی آبو هوا بر آبو هوای محلی است. در بسیاری از مطالعات بررسی تغییراقلیم از روش آماری بهعلت سهولت در اجرا وکم هزینه بودن استفاده میشود
در این پژوهش از ریزمقیاس نمایی آماری استفاده میکنیم. در این نوع ریزمقیاسنمایی روابط کمی بین متغیرهای پیش بینی کننده که از پایگاه NCEP - National Center Enviroment Prediction - استخراج میشوند، و متغیرهای محلی - بارش - را بدست می-آوریم و برای پیشبینیهای آینده از این روابط استفاده میکنیم. از آنجایی که 26متغیر پیشبینیکننده وجود دارد و این 26متغیرروابط مختلفی با دادههای پیش بینی شونده دارند لذا متغیری که تاثیر بیشتری در پیشبینیها دارد با استفاده از رابطهی بین متغیرهای پیشبینیکننده با برآورد پارامتری و ضریب همبستگی ناپارامتری مانند پیرسون، اسپیرمن، کندال و همبستگی جزئی متغیرهای پیشبینیکنندهی مناسب برای حوضهی مطالعاتی انتخاب میشوند.[6]و در نهایت متغیرهایی که انتخاب شدند در پیش بینی ها استفاده میشود.
2. مواد و روش
2.1 منطقهی مطالعاتی
رود زرد در ناحیه جنوب غربی ایران و در منطقه شرق و شمال شرقی شهر رامهرمز در محدوده جغرافیایی 49 40 تا 50 29 طول شرقی و 31 05 تا 31 42 عرض شمالی واقع شده است. موقعیت این حوضه در شکل - 1 - نشان داده شده است. رودخانه زرد یکی از شاخه های مهم رودخانه اله بوده و با شبکه رودخانهای متراکم در بخش باغملک - جانکی - شهرستان ایذه واقع گردیده است. . رودخانه زرد به جنوب باختری جریان می یابد و نیاز آبی روستاهای رود زرد کافی، رود زرد سادات، کریم و جره را برطرف مینماید و در نزدیکی روستای رود زرد با رودخانه اعلا تلاقی کرده و رودخانه اله را تشکیل میدهد. طول رودخانه زرد تا محل ایستگاه هیدرومتری ماشین حدود 77/4 کیلومتر و مساحت حوضه آن در حدود 889/2 کیلومترمربع میباشد.
شکل - . - 1 موقعیت حوزهی آبریز
2.2 جمعآوری دادههای مشاهداتی
دادههای بارش مشاهداتی دورهی 2002 تا 2012 برای هر 13ایستگاه مورد استفاده در حوضهی مطالعاتی رودزرد از سازمان آب و برق خوزستان تهیه گردید. بدین منظور از دادههای تاریخی ثبت شده در 13 ایستگاه بارانسنجی استفاده شد. مشخصات ایستگاههای مورداستفاده در جدول1.2 آمده است.همچنین دادههای متغیرهای پیش بینی کننده در پایگاه NCEP قابل استخراج هستند.
جدول 1.2مشخصات ایستگاههای حوضه
3.2 جمع آوری دادههای NCEP/NCAR
دادههای تحلیل مجدد - NCEP/NCAR - متغیرهای پیشبینیکننده هستند که شامل درجه حرارت، ارتفاع ژیوپتانسیل، رطوبت نسبی، مولفه باد ناحیهای و باد نصف النهاری میباشند. این مجموعه دادهها نشان دهنده حالت جو و زمین است که نتایج مدل پیش بینی عددی آب و هوا - - NWP و داده های مشاهده شده از سال 1948 تا حال حاضر را ترکیب میکند. این دادهها به طور مداوم به روز شده و با شبکه ی رزولیشن 2/5 2/5 درجه - که تقریبا معادل 250در 250کیلومتر است - کل جهان را پوشش میدهند. این دادهها در پایگاه NCEP قابل استخراج هستند.
