بررسی اثر تغییر اقلیم بر مدیریت بحران سیلاب

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.

Investigating the Effect of Climate Change on Flood Emergency Management

In this Paper, the Effect of Climate Change on Flood Emergency management was investigated in Tajan plain area. First the detection of climate change event was evaluated by using Nonparametric tests and The largescale variations of atmospheric general circulation models with HadCM3 climate model under the A2 scenario were received in the four periods 20011971, 20402011, 20702041 and 21002071.For downscaling of the atmospheric general circulation models data at the regional level that it was used of statistical downscaling models SDSM5.5.1, artificial neural network and proportional methods. Based on the results of the statistical trend tests,it had been observed there are significant trend in the meteorological data changes of area and occurred phenomenon of ​​climate change in the area. The overall results of SDSM model and proportional method indicate that the decrease in rainfall and increase in the temperature are in future periods. The results of artificial neural network model were not satisfactory, because of the above error to simulate the temperature at an observation period. Also, the predicted temperature and precipitation data had high and significant correlation respectively with historical data at 95 percent confidence level. Finally, we can conclude that the increase in temperature and precipitation at some Seasons of year in future time periods Due to snow melting due to temperature increase at the end of summer and beginning of autumn and precipitation increase at winter and autumn Seasons The value of probability flooding occur at this seasons of the year is on the rise.