|
|
پیش بینی اثر تغییر اقلیم بر منابع آب زیرزمینی دشت میاندوآب و میزان رواناب رودخانه زرینه رود با تلفیق مدل اقلیمی و شبکه های عصبی مصنوعی
|
|
|
|
|
نویسنده
|
بهمنش جواد ,رضایی حسین ,آزاد نسرین ,شادان معصومه ,آقا جان زاده مینا
|
منبع
|
اولين كنگره بين المللي و چهارمين كنگره ملي آبياري و زهكشي ايران - 1398 - دوره : 1 - اولین کنگره بین المللی و چهارمین کنگره ملی آبیاری و زهکشی ایران - کد همایش: 98190-77464 - صفحه:0 -0
|
چکیده
|
در این تحقیق، اثر تغییر اقلیم بر منابع آب زیرزمینی و رواناب سطحی زرینه رود در دشت میاندوآب تحت سناریوی a2 با تلفیق مدل اقلیمی و شبکه های عصبی مصنوعی در دو دوره زمانی (2065-2046، 2099-2080) پیش بینی گردید. بدین منظور بهترین ترکیب پارامترهای ورودی مدل شبکه عصبی مصنوعی جهت برآورد رواناب و عمق آب زیرزمینی از میان پارامترهای هواشناسی مختلف انتخاب گردید. سپس از داده های هواشناسی پیش بینی شده توسط مدل اقلیمی lars-wg در سال های آینده به عنوان ورودی مدل شبکه عصبی منتخب استفاده شده و رواناب زرینه رود و عمق آب زیرزمینی دشت میاندوآب پیش بینی گردید. نتایج این تحقیق نشان داد که متوسط عمق سطح آب زیرزمینی بطور میانگین در دوره اول (2065-2046) 87/2 درصد و در دوره دوم (2099- 2080) 3/9 درصد افزایش می یابد. اما متوسط رواناب سالانه در دوره 2050 نسبت به دوره پایه 62/4 متر مکعب بر ثانیه افزایش و در دوره 2090 نسبت به دوره پایه 7/14 مترمکعب بر ثانیه کاهش خواهد یافت. آگاهی از وضعیت منابع آب سطحی و زیرزمینی حوضه دریاچه ارومیه و پیش بینی روند تغییرات این منابع تحت تاثیر تغییر اقلیم، می تواند نقش مهمی در برنامه ریزی برای احیای دریاچه ارومیه داشته باشد.
|
کلیدواژه
|
تغییر اقلیم، رواناب سطحی ،عمق آب زیرزمینی شبکه عصبی مصنوعی، مدل ریزمقیاس نمایی، مدل گردش عمومی
|
آدرس
|
, iran, , iran, , iran, , iran, , iran
|
پست الکترونیکی
|
m.aghajanzadeh@gmail.com
|
|
|
|
|
|
|
|
|
prediction of the effect of climate change on the groundwater resources of miandoab plain and artificial neural networksand zarrinehrud river run-off using combining climate model and artificial neural networks
|
|
|
Authors
|
|
Abstract
|
in the present study, the effect of climate change on groundwater resources and surface runoff of zarrineh rood in the miandoab plain under scenario a2 was predicted by combining climate model and artificial neural networks in two time periods (2046-2065, 2080-2099). for this purpose, the best combination of input parameters of artificial neural network model was selected for estimating runoff and depth of groundwater from different meteorological parameters. then, the meteorological data predicted by the lars-wg in the future years were used as inputs for the selected neural network model, and the zarnehrood runoff and groundwater depth of the miandoab plain were predicted. the results showed that the average depth of groundwater level increased by 2.87% on average in the first period (2046-2065) and 9.3% in the second period (2080-2099). however, the average annual runoff in the 2050 period will increase by 4.62 m3/s compared to the baseline period and will decrease by 14.7 m3 / s in the 2090 period. understanding the status of surface and groundwater resources of lake urmia basin and predicting the trends of these resources affected by climate change can have an important role in planning for lake urmia recovery.
|
Keywords
|
artificial neural network ,climate change ,groundwater depth ,surface runoff ,hadcm3 ,lars-wg.
|
|
|
|
|
|
|
|
|
|
|