تغییرات اقلیمی بر دما، بارش و رواناب حوضه درودززن استان فارس با استفاده از رویکرد میانگین گروهی چند تشبیهی

در این مطالعه اثر تغییرات اقلیمی بر دما، بارندگی و رواناب در حوضه درودزن در شمال شرق استان فارس بررسی شده است. تغییرات دما و بارندگی در دو دوره آتی میانی و دور با استفاده از مدل 15 مدل گردش عمومی جو فاز 3 (cmip3) ، تحت سه سناریو انتشار گازهای گلخانه ای a2، b1 و a1b ، ریز مقیاس نمای شده و مورد مطالعه قرار گرفت. تفاوت در میزان تغییرات دما و بارندگی در این دو دوره نسبت به مقادیر مشاهداتی در 15 مدل حاکی از وجود عدم قطعیت در نتایج می باشد. برای کاهش این عدم قطعیت و محدود کردن نتایج برای مدیریت و برنامه ریزی منابع آب، رویکرد گروهی مورد توجه قرار گرفت. برای تهیه رویکرد گروهی، از پارامترهای فایلهای سناریو 15 مدل فوق میانگین گرفته شد. به طوری که یک مدل جدید اقلیمی با عنوان میانگین گروهی چند مدله برای هر دوره به دست آمد. سپس روانابهای این دو دوره، تحت رویکرد مذکور، با استفاده از شبکه عصبی پیشخور تولید شد. نتایج نشان از افزایش میانگین ماهیانه دمای حداقل و حداکثر هر دو دوره تحت سه سناریو، دارد. در اکثر مدل ها، بارندگی در ماه های اولیه سال های میلادی کاهش و در فصل بهار افزایش، می یابد. به طور کلی میانگین بارندگی سالانه در این دو دوره تحت سه سناریوی انتشار، کاهش نشان داد. حداکثر مقدار کاهش در دوره آتی دور بود. علاوه بر این، رواناب دو دوره آتی نیز در اغلب سال ها کاهش نشان می دهد.

Climatic change impact assessment on temperature, precipitation, and runoff of Droudzan catchment area of Fars province using multimodel ensemble mean approach.

This study investigated the effects of climatic changes on temperature, rainfall, and runoff in the Doroudzan catchment in the northeast of Fars province, Iran. Temperature and rainfall changes in two future middle and far period downscaled and studied using 15 CMIP3 climatic models, under emission scenarios A2, B1and A1B, from the database of the LARS WG5.5 model. The difference in the amount of variations in temperature and rainfall in the periods and the observational amounts under the 15 models indicated the uncertainty of the changes values. To reduce this uncertainty and limit the results to the management and planning of water resources, an ensemble approach was considered. For the preparation of the ensemble approach, the parameters from the files of the 15 models file scenarios were averaged so that a climatic ensemble model could be obtained for each period. Then, the runoffs of the next two periods were produced using the FEEDFORWARD neural network. The results indicated an increase in the average monthly maximum temperature and the minimum temperature. The results also showed a decrease in the rainfall in the early months of the year as well as an increase in the rainfall in the spring in most scenarios. Generally, results showed a reduction in the average annual rainfall. The maximum amount of reduction was in far future far period. Besides, a reduction occurred in the average runoff of the catchment in the periods, values in the most years.