ارزیابی اثرات تغییر اقلیم بر منابع آب حوضه آبریز لار با استفاده از مدل swat و مقایسه نتایج آن با شبکه‌های بیزین و مدل‌های هوشمند هیبریدی

قرار گرفتن ایران بر کمربند خشک و نیمه‌خشک دنیا و همچنین سوء مدیریت منابع آبی، سبب ایجاد وضعیت هشدار دهنده کمبود آب در بسیاری از مناطق کشور شده است. پژوهش حاضر آثار ناشی از تغییر اقلیم را بر دما، بارندگی و رواناب در دوره‌های آتی با کمک مدل آماری lars-wg و مدل مفهومی هیدرولوژیکی swat برای حوضه آبریز لار مورد ارزیابی قرار می‌دهد. برای تخمین میزان دبی جریان رودخانه، به بررسی قابلیت عملکرد شبکه بیزین و مدل ترکیبی موجک شبکه عصبی هم پرداخته می‌شود. پس از واردکردن اطلاعات بارش و دمای منطقه، نسبت به شبیه‌سازی رواناب برای دو ایستگاه هیدرومتری گزلدره و پلور اقدام شده و رواناب خروجی ایستگاه پلور به‌عنوان نقطه کنترل بین سال‌های (1979-2018) مورد واسنجی و اعتبارسنجی قرار گرفت. به‌منظور ارزیابی کارایی از معیارهای ضریب تبیین و نشر سا تکلیف استفاده شده است. طبق پیش‌بینی مدل‌های اقلیمی، بیشترین افزایش دما در دوره انتهایی و تحت سناریوی اقلیمی rcp8.5 حدود 10 درصد افزایش دما در فصل بهار و زمستان را نشان می‌دهد. در نهایت از بین این مدل‌ها، مدل فیزیکی با پیش‌بینی متوسط سالیانه 6.04 مترمکعب بر ثانیه با توجه به دوره مشاهداتی، کاهش رواناب را نشان داد.

Evaluating the effects of climate change on Lar Basin Water Resources Using SWAT Model and comparing its results with Bayesian Networks and Hybrid Intelligent Models

Iran’s location on the arid and semiarid belt of the world, as well as the mismanagement of water resources, has created a warning situation of water shortage in many parts of the country. The present research evaluates the effects of climate change on temperature, rainfall and runoff in future periods with the help of LARSWG statistical model and SWAT hydrological conceptual model for Lar Basin. To estimate the flow rate of the river, the performance of Bayesian network and the combined waveletneural network model are also examined. After entering the rainfall and temperature information of the region, runoff was simulated for two hydrometric stations of Gozeldareh and Plour and the outflow runoff of Plour station between 1979 to 2018 was calibrated and validated as a control point. In order to evaluate the efficiency of the models, the criteria of NashSutcliffe and explanation coefficient are used. According to climate models, the highest temperature increase in the final period and under the RCP8.5 climate scenario shows about 10% increase in temperature in spring and winter. Finally, among these models, the physical model with an average annual prediction of 6.04 cubic meters per second according to the observation period, showed a decrease in runoff.