ارزیابی اثر تغییر اقلیم، تحت تاثیر عدم قطعیت روش‌های ریز مقیاس‌گردانی: مطالعه‌ی موردی حوضه قرآن طالار

در دهه‌های گذشته، در نتیجه‌ی فعالیت‌های انسانی و طبیعی، میزان گاز‌های گلخانه‌ای در نیوار افزایش یافته و در نتیجه، دمای کره‌ی زمین روند افزایشی را به خود گرفته است. افزایش دمای کره‌ی زمین به نوبه‌ی خود، باعث تغییرات معنی‌داری در حیطه‌های مرتبط، به ویژه منابع آب و رواناب شده است، بنابراین، مطالعه و شبیه سازی تغییرات عناصر اقلیمی (به ویژه دما و بارش) می‌تواند در برنامه‌ریزی‌های مدیریت منابع آب کشور، بسیار با اهمیت باشد. در حال حاضر، معتبر‌ترین ابزار جهت تولید نمایشنامه‌های اقلیمی، نرم‌افزار‌های سه بعدی جفت شده اقیانوس نیوار گردش عمومی جو (aogcm) است. در این تحقیق، تاثیر عدم قطعیت مربوط  به نرم‌افزار‌های aogcm و همچنین روش های ریز مقیاس گردانی نرم افزار های اقلیمی در حوضه‌ی قرآن طالار  در دوره‌ی 2011-2040 میلادی تحت نمایشنامه انتشار a2 و b2 نرم‌افزار hadcm3  مورد بررسی قرار گرفت. در این راستا از دو نرم افزار ریز مقیاس گردانی: چندگانه‌ی خطی sdsm و نرم‌افزار شبکه‌ی عصبی مصنوعی استفاده گردید و سرانجام sdsm به عنوان بهترین نرم افزار انتخاب شد.  نتایج به دست آمده نشان دادند که در دوره‌ی آتی، میزان بارش در ایستگاه قرآن‌طالار در نمایش نامه‌های a2 و b2 hadcm3 به ترتیب 7 و 6 درصد افزایش خواهد یافت. اندازه ی دما ی حوضه، 0/34 تا 0/86 درجه‌ی سانتی‌گراد افزایش خواهد گرفت. با توجه به افزایش بارش و دما در دوره‌ی آتی در 2 نمایش نامه ی a2 و  b2  موجب می گردد رواناب نیز افزایش یابد.

Uncertainty analysis of the statistically downscaling Precipitation and Temptation on the Qorantalar

One consequence of a significant increase in the manmade greenhouse gases in recent decades has been a global rise in air temperature with the commensurate rise in the atmospheric heat energy, which in turn affects the hydrologic cycle. Thus a drastic change in the amount, distribution and timing of the hydrologic events is logical. Therefore, preparation for the future waterrelated events dictates an implication of detailed studies on the prediction of the future rise in temperature and the resultant change in precipitation. The AtmosphereOcean General Circulation Model (AOGCM) is considered to be the most reliable software   for the predicting the weatherrelated events. The statistical downscaling method (SDSM) and the Artificial Neural Networks (ANN) were tested to remove the uncertainty related to the AOGCM. Of a few software used for downscaling, SDSM was proved to be the most reliable for predicting the 20112040 changes in air temperatures and precipitation under the A2, B2 scenarios of the HadCM3 for the Qorantalar Watershed. Results indicated that there would be an increase of 7% and 6% in the precipitation amount, and 0.34 and 0.86 degrees Celsius in temperature using the A2 and B2 scenarios, respectively.