ارزیابی تاثیر تغییرات اقلیمی بر برآورد تبخیر-تعرق مرجع و مقایسه آن با داده‌های لایسیمتری(مطالعه موردی دشت بردسیر)

تغییرات اقلیمی با تاثیر بر دما و بارش، نقش نسبتاً به سزائی در تغییرات نیازآبی گیاهان دارد. هدف از این تحقیق پیش‌بینی دما و بارش در دوره آینده‌ی نزدیک و ارزیابی اثر تغییرات اقلیمی بر تبخیرتعرق و نیازآبی یونجه درمنطقه بردسیر کرمان است. بهترین معادله برای برآورد تبخیرتعرق واقعی در منطقه، با استفاده از داده‌های اندازه‌گیری شده توسط دستگاه لایسیمتر در یک دوره‌ی هفت ماهه جهت واسنجی، ارائه گردید. به این منظور شش معادله‌ی پرکاربرد به علاوه تکنیک شبکههای عصبی مصنوعی تحت چهار سناریوی مختلف مورد بررسی قرار‌گرفتند. بهترین معادله از میان معادلات ارائه شده، معادله بلانی کریدل با شاخص‌های نیکویی برازش (r^2=0.884) و rmse=0.11)) و بهترین سناریوی شبکه عصبی مصنوعی، سناریوی دمای میانگین روزانه با شاخص‌ نیکویی برازش (r^2=0.802) و ((rmse=1.516 به‌دست‌آمد. به این ترتیب معادله بلانی کریدل به عنوان مرجع جهت پیش‌بینی انتخاب شد. در ادامه با استفاده از مدل gfdl-esm2m جهت شبیه‌سازی بارش و دمای آینده نزدیک(2020-2050) استفاده گردید. از داده‌های مشاهداتی دما و بارش ایستگاه‌های هواشناسی منطقه برای دوره‌ی پایه 2016-1987 استفاده شد. توسط سه سناریوی خوش بینانه rcp2.6، حد وسط rcp6 و بدبینانه rcp8.5، روند تغییرات دما و بارش برای دوره‌ی آینده نزدیک (2020-2050 ) استخراج گردید. نتایج نشان داد که میانگین دما برای سه سناریوی یاد شده به ترتیب 2.5، 2.8 و3.1 درجه سلسیوس در سال 2050 افزایش می‌یابد و بارش، تقریبا بدون تغییر خواهد ماند. به این لحاظ انتظار می‌رود که نیاز آبی بخش کشاورزی منطقه در آینده‌ی نزدیک به ترتیب 3.64، 4.69و 5.25 میلیمتر در سال افزایش یابد.

Evaluation of Climate Change Effect on Estimation of Reference Evapotranspiration and Comparison with Lysimetric Data (case study, Bardsir plain)

Climate change has relatively great effects on water demand of plants by changing temperature and precipitation pattern. this investigation aims was to predict temperature and precipitation in The new future and to evaluate their effects on evapotranspiration and water demand of alfalfa plant in Bardsir region in kerman province. The best equation for estimating real evaporationtranspiration in the region was derived by using measured data obtained by a lysimetric device in during 7 months. For this purpose, 6 common equations were studied in addition to artificial neural network techniques under different scenarios. The best equation among the presented ones was BlaneyCriddle with R2= 0.884, RMSE=0.11 and the best artificial neural network scenario was mean daily temperature scenario with R2=0.802, RMSE=1.516. Therefore, the BlaneyCriddle equation was selected as a reference for prediction. Then, the GFDIESM2M model was used to simulate precipitation and temperature for the near future 20202050. Observed Temperature and precipitation data. which were obtained from a weather station in the region, were used for the reference period of 19872016. Temperature and precipitation changes trends were by extracted three scenarios; under optimistic RCP2.6, medium RCP6 and pessimistic RCP8.5 scenarios, during 20202050. The results showed that the mean temperature for mentioned three scenarios increased by 2.5, 2.8 and 3.1 Celsius degree in the 2050 respectively, and precipitation remained virtually unchanged. In this regard, it is expected that agricultural water demand will increase 3.64, 4.69 and 5.25 mm per year, respectively compared with the reference period.