روشی جدید جهت پیش‌بینی پراکنش مکانی دما و بارش در حوضه آبریز رودخانه قره‌سو (اردبیل)

نوع مقاله : مقاله پژوهشی

چکیده

استفاده از پراکنش‌های مکانی بارش و دما نقش مهمی در افزایش دقت خروجی مد‌ل‌های هیدرولوژیکی دارند. هدف از این مقاله تهیه پراکنش‌های مکانی دما و بارش در آینده در حوضه آبریز رودخانه قره‌سو است. حوضه آبریز مورد مطالعه در شمال غرب کشور و در استان اردبیل قرار دارد. این حوضه آبریز از نظر تولید محصولات کشاورزی در ایران دارای اهمیت بسیار است. در تهیه پراکنش‌های مکانی بارش و دما از روش‌های درونیابی شامل روش‌های وزنی عکس فاصله، توابع پایه شعاعی(RBF)، مکانی چند جمله‌ای و کریجینگ از نرم‌افزار ArcGIS استفاده شده است. بدین منظور ابتدا داده‌های ماهانه بارندگی و دما در حوضه آبریز رودخانه قره‌سو با استفاده از 10 ایستگاه هواشناسی در سال 2004 تهیه شد، سپس به منظور انتخاب روش مناسب برای تهیه پراکنش‌های مکانی بارش و دمای حوضه آبریز کارایی روش‌های زمین آمار مورد بررسی قرار گرفت. با محاسبه شاخص‌های میانگین خطا و ریشه میانگین مربعات خطا و مقایسه، روش وزنی عکس فاصله مناسب‌ترین روش برای تهیه پراکنش مکانی دما و روش RBF برای تهیه پراکنش‌های مکانی بارش در این حوضه شناخته شده است. در صورتیکه با کمک روشی بتوان پراکنش‌های مکانی بارش و دما در آینده را تهیه کرد، می‌توان پیش‌بینی‌های دبی را با استفاده از مدل‌های هیدرولوژیکی انجام داد. در این مقاله الگوریتم روشی بیان شده که می‌توان به کمک آن پراکنش‌های مکانی بارش و دما در آینده را تهیه کرد. برای پیش‌بینی پراکنش‌های مکانی دما و بارش در آینده نیاز به یک مدل پیش‌بینی‌کننده متغیرهای آب و هوایی است که در این مقاله از داده‌های مدل اقلیمی منطقه‌ای PRECIS استفاده شده است. خروجی داده‌های مدل PRECIS با قدرت تفکیک 50×50 کیلومتر بر اساس سناریوی B2 از سری سناریوی SERS و برای سال‌های 2071 تا 2100 است. نتایج پراکنش‌های مکانی دما در حوضه نشان می‌دهد که دما در تمامی حوضه آبریز رودخانه قره‌سو نسبت به دوره پایه بین 2 تا 5 درجه سانتیگراد افزایش می‌یابد و همچنین نتایج پراکنش‌های مکانی بارش در حوضه به دلیل افزایش و کاهش در ماه‌های مختلف سال روند خاصی را تسبت به دوره پایه نشان نمی‌دهد.

 

 

کلیدواژه‌ها


عنوان مقاله [English]

A new method for the forecasting of Spatial Distribution of Precipitation and Temperature in Gharehsoo River Watershed

چکیده [English]

Introduction: Precipitation and temperature patterns have especial role in the accuracy of hydrologic models. The future patterns of rainfall and temperature can lead to better hydrological predictions. Hence, according to their importance, we try to derive the future rain and temperature patterns of the Gharehsoo River’s watershed. This watershed has been placed in the northwest of Iran in Ardebil province and it has high amount of agriculture productions. Interpolation schemes are utilized in this study to determine the rain and temperature patterns. The utilized software package is ArcGIS software. These interpolation techniques are included of Inverse Distance Weighting (IDW), Global polynomial, Local polynomial, Radial Basis Functions (RBF), ordinary Kriging and simple Kriging. Firstly, we gather the monthly temperature and precipitation data of 10 synoptic stations in 2004. Then, the interpolation schemes are evaluated in order to determine the best temperature and precipitation patterns. The evaluation criteria in this study were Root Mean Square Error (RMSE) and Mean Error (ME). The results of evaluation of different interpolation schemes demonstrated that IDW and RBF method are the best schemes for the spatial modeling of temperature and precipitation patterns, respectively. Using these patterns, it is straightforward to predict runoff using hydrological models. In this paper, a new algorithm is proposed for the prediction of temperature and precipitation patterns for future (2100). To predict temperature and precipitation pattern, it is necessary to utilize of a predictor  model  to predict the amount of precipitation and temperature. Then the amount of precipitation and temperature are converted to spatial pattern of precipitation and temperature using the developed algorithm in this study. PRECIS model that is a regional climate model was utilized as predictor model in this study.

 

Materials and methods:

a) case study: The studied area (Gharehsoo river watershed) is located in the Northwest of Iran, between longitudes coordinates 47°45’ and 48°42’ E, and between latitude coordinates 37°46’ and 38°34’ N. The Gharehsoo river watershed area is approximately 4100 km2 and plays significant agricultural role in Iran. the mountainous areas have been located in the western and southeastern parts of watershed. Furthermore, there are many pasture and agriculture lands in this watershed. Watershed elevation varies from 1170 m in Gharehsoo river outflow to 4732 m in Sabalan mountainous. The precipitation in the watershed is highly related to the topography and wind in the watershed.. The sea fronts and orographic conditions are the main factors for precipitation in the western and eastern parts of watershed. In the winter, the cold front of Mediterranean Sea, coupled with the local effects of Sabalan Mountains lead to orographic rainfalls. In summer, weather conditions are predominant of Caspian Sea front is the major factor for precipitation in the eastern part of catchment. Autumn and spring rainfalls are the results of interaction between African-Mediterranean and Caspian Sea fronts.

b) Data: Temperature and precipitation data are two basic climatologically variables, measured at meteorological stations. Monthly precipitation (mm) and temperature data for 2004 was provided through Iran Meteorological Organization. The number of stations in the watershed and near to watershed was 11 stations.

c) PRECIS Model

PRECIS (Providing Regional Climates for Impacts Studies) is a regional modeling system that can be run over any area of the globe on a relatively inexpensive, fast PC to provide regional climate information for impacts studies. The idea of constructing a flexible regional modeling system originated from the growing demand of many countries for regional-scale climate projections. Only a few modeling centers in the world have been developed RCMs (Regional Climate Models) and utilize them to generate projections over specific areas, because it needs high amount of computational effort and time. The Hadley Centre has configured the third-generation of Hadley Centre RCM, named PRECIS that is easy to set up. The past (1961-1990) and future climate SRES B2 scenario (2071-2100) were simulated by PRECIS model at a spatial resolution of 50×50 km for Iran.

 

Results and discussion: It’s necessary to have a series of precipitation and temperature patterns to produce monthly patterns for future. These series of maps are generated using the precipitation and temperature patterns of 2004. The hyetograph maps are calculated by the ration of total volume of precipitation in January and the area of watershed. The calculated total volume of precipitation in January using the precipitation pattern map was about 490 million m3. The ration of volume and the area of watershed was about 0.117 m. This number shows the average precipitation of January. Similarly, these operations can be performed for the other months of 2004. The unit hyetograph and thermograph maps are generated by dividing the precipitation and temperature patterns in 2004 to their corresponding monthly precipitation and temperature values. The precipitation and temperature data were extracted from the PRECIS model for 2100. The monthly temperature data of 2100 shows an increase of temperature about 2 to 5 degrees in future, but there is no specific trend in precipitation data. If the amount of the monthly temperature and precipitation of 2100 are divided by these amounts in 2004, the amount of B parameters are calculated for precipitation and temperature in different months. Finally, the precipitation and temperature patterns will be obtained by the product value of B parameters and unit hyetograph or thermograph maps in each month, respectively.

 

Conclusion: A new method was developed for reasonable prediction of spatial patterns of precipitation and temperature. This new method uses of the results of a Regional Climate Model (e.g. PRECIS model) coupled with the appropriate spatial modeling techniques (interpolation techniques). The derived precipitation and temperature patterns in 2100 in Gharehsoo River watershed show a reasonable similarity with the topography and the climate of the region, Hence This method can be introduced as an appropriate method for the hydrological forecasts and water resource management.

 

 

 

 

کلیدواژه‌ها [English]

  • prediction
  • spatial distribution of precipitation
  • spatial distribution of temperature
  • Gharesoo river watershed
  • PRECIS
  • interpolation techniques

 

1-    مقدمه

مبحث تغییر اقلیم از جنبه‌های مختلفی مورد توجه قرار گرفته و تاکنون تحقیقات متنوعی در رابطه با اثر تغییر اقلیم در منابع آب به انجام رسیده است (Wilby و همکاران، 1999). روش‌های مختلفی برای بررسی اثر تغییر اقلیم بر منابع آب بیان شده است که یکی از این روش‌ها استفاده از مدل‌های هیدرولوژیکی و مدل‌هایی که داده‌های اقلیمی آینده را تولید می‌کنند، است. آماده‌سازی دادههای اقلیمی با استفاده از روش‌های مختلفی انجام می‌شود که ما در این مقاله روش جدیدی را برای این کار ابداع کردیم. هدف اصلی این مقاله ارائه این روش جدید و خروجی پراکنش‌های مکانی دما و بارش در آینده می باشد. یکی از مد‌ل‌هایی که داده‌های اقلیمی آینده را تولید می‌کنند  مدل‌های گردش جهانی (GCM[1]) است (Watson، 1995). اگر چه، قدرت تفکیک مکانی GCMها برای مطالعات تغییر اقلیم و شبیه‌سازی حوضه‌های آبریز با استفاده از مدل‌های هیدرولوژیکی، کم به نظر می‌رسد، اما یکی از راه‌های رفع این مشکل، تفکیک مقیاس مکانی است. در محل‌هایی که مقدار پارامترهای اقلیمی مشخص نیستند و GCMها نتوانسته‌اند از آن محل داده تهیه کنند، استفاده از تفکیک مقیاس مکانی توصیه شده است (Wilby و همکاران، 1999). یک راه استفاده از تفکیک مقیاس مکانی، تفکیک مقیاس دینامیکی است که این مسئله در مدل‌های اقلیمی منطقه‌ای (RCM[2]) رعایت شده است (Hay و همکاران، 2002 و Hay و همکاران، 2003). مدل‌های اقلیمی منطقه‌ای به علت قدرت تفکیک مکانی بهتر از مدل‌های GCM (در حدود 50 کیلومتر) برای شبیه‌سازی عوارض زمین و کاربری اراضی مناسب‌ترند. ‌همچنین داده‌های بارشی که بوسیله مدل‌های اقلیمی منطقه‌ای تولید می‌شوند برای ورودی مدل‌های هیدرولوژیکی مناسب‌تر هستند (Gutowski و همکاران، 2003). یکی از مدل‌های اقلیمی منطقه‌ای، مدل PRECIS[3] است که با استفاده از این مدل، تحقیقات زیادی به منظور از پیش‌بینی‌ پارامترهای اقلیمی مختلف صورت پذیرفته است.

Lijuan و همکاران (2007) اقدام به شبیه‌سازی یکی از حوضه‌های آبریز رودخانه زرد در چین در یک دوره 15 ساله به کمک مدل PRECIS و مدل شبیه‌سازی رواناب LRM نمودند. نتایج مدل PRECIS نشان داد که این مدل می‌تواند در قسمت‌های جنوب شرقی و شمال غربی حوضه آبریز رودخانه زرد گرادیان پخش بارش را بخوبی مدل کند (Lijuan و همکاران، 2007).) اثرات پدیده تغییراقلیم بر منابع آب و پیش‌بینی تغییر رواناب آینده مخزن Danjiangkou با کمک مدل PRECIS در دوره‌های 2021 تا 2050 در این مطالعه مورد بررسی قرار گرفت (Chen و همکاران، 2007).Akhtar و همکاران (2008) اقدام به ارزیابی تغییرات در منابع آب بر اثر تغییر اقلیم در سه حوضه آبریز Hindukush–Karakorum–Himalaya پرداختند. آنها از داده‌ها، بین سال‌های 1961 تا 1990 و سناریوی A2 بین سال‌های 2071 تا 2100 بوسیله مدل PRECIS با قدرت تفکیک مکانی 25 کیلومتر استفاده کردند(Akhtar و همکاران، 2008). بابائیان و همکاران (1387) تغییرات اقلیم ایران را در دوره 2071-2100 میلادی با استفاده از مدل PRECIS مدلسازی و مورد تجزیه و تحلیل قرار دادند. در این تحقیق ابتدا شبیه‌سازی‌ها برای دو دوره آینده (2100-2071) و دوره پایه (1990-1961) اجرا شد و خروجی‌های بارش و دمای ماهانه مدل، انتخاب و سپس با مقایسه نتایج مدل در آینده با دوره پایه، نقشه‌های تغییر بارش، دما و رواناب تهیه شدند (بابائیان و همکاران، 1387). در مطالعه قویدل رحیمی و محمدخورشیددوست با استفاده از داده‌های ماهانه حاصل از محاسبه ضرایب مربوط به دما و بارش نقاط شبکه در مختصات ایستگاه تبریز و داده‌های ماهانه دما و بارش ایستگاه هواشناسی تبریز در یک دوره آماری 52 ساله از سال 1951-2003 آثار دو برابر شدن میزان دی اکسید کربن جو بر دما و بارش به عنوان مهمترین عناصر اقلیمی، شبیه سازی شده است (قویدل رحیمی و محمدخورشیددوست، 1387). کوچکی وهمکاران (1380) به منظور مطالعه خصوصیات رشدی گندم در شرایط دو برابر شدن غلظت رشد وتولید ارقام گندم به کمک یک مدل عمومی شبیه‌سازی رشد و نمو این گیاه در شرایط تغییر اقلیم پیش‌بینی وبا شرایط فعلی مقایسه گردید. داده‌های آب وهوایی مربوط به شرایط تغییر اقلیم(سال1400هجری شمسی) به وسیله مدل‌های عمومی گردش محاسبه شدند. اطلاعات گیاهی لازم نیز از آزمایش‌های مزرعه‌ای جمع آوری گردید. نتایج شبیه‌سازی نشان داد که تغییر اقلیم از طریق افزایش درجه حرارت باعث 26 روز کاهش در طول دوره رشد گندم در شرایط مشهد خواهد شد. شاخص‌های فیزیولوژیکی نظیر تعداد وسطح برگ‌ها نیز تحت تأثیر تغییر اقلیم قرار خواهد گرفت.

خروجی‌های مدل‌های اقلیمی منطقه‌ای محدودیت مقیاس مکانی و زمانی دارند، لذا آماده‌سازی داده‌های خروجی مدل‌های اقلیمی منطقه‌ای ‌برای استفاده در مدل‌های هیدرولوژیکی یک اقدام مهم به نظر می‌رسد،. روش‌های زیادی برای تفکیک مقیاس مکانی و زمانی این داده‌ها وجود دارد که در مورد تفکیک مقیاس مکانی می‌توان به روش‌های زمین آمار و در مورد تفکیک مقیاس زمانی می‌توان به روش تغییر دلتا اشاره کرد (Yonas  وPaulin ، 2005). از دیدگاه زمین آمار، هر نمونه تا فاصلة معینی با نمونه‌های اطراف خود در ارتباط است و در واقع بر طبق فرضیه‌های زمین آماری، احتمال میزان تشابه بین مقادیر مربوط به نمونه‌های نزدیک‌تر بیشتر است. بنابراین انتظار می‌رود که روش‌های زمین آماری، با در نظر گرفتن همبستگی و ساختار مکانی داده‌ها و قابلیت استفاده از روابط بین متغیرها، دارای دقت برآورد بیشتری باشند. مرور تحقیقات پیشین نیز نشان می‌دهد که روش‌های زمین آماری برای بررسی توزیع مکانی بارندگی و دما مورد استفاده قرار گرفته‌اند و در بیشتر موارد دارای دقت مناسبی بوده‌اند. خوش اخلاق و همکاران در ارزیابی اثر تغییر اقلیم بر رواناب سطحی رودخانه کارون تغییرات دما و بارش را در طول سه دهه اخیر در ایستگاه سینوپتیک اهواز و همچنین داده‌های دبی این رودخانه مورد بررسی قرار گرفته است. در این بررسی ارتباط میان دبی و بارش ودما برای مقادیر ماهیانه وسالانه با استفاده از روش همبستگی پیرسون مشخص شد که مقدار بارش سالانه روند افزایشی وکاهشی قابل قبولی را نشان نمی‌دهد در حالیکه دما ودبی بطور چشمگیری دارای روند افزایشی می‌باشد(خوش اخلاق و همکاران، 1389). Lucio در سال 2004 برای ریزگردانی داده‌های دمایی HadCM3‌ که یک مدل GCM‌ است از روش کریجینگ استفاده کرد. پراکنش‌های مکانی دمایی بدست آمده از این تحقیق، برای بررسی مخاطرات اقلیمی به کار گرفته شدند (Lucio، 2004). Fu و همکاران (2007) روش ابداعی خود را برای بوجود آوردن داده‌ها در تمام نقاط حوضه با دیگر روش‌های زمین آمار مقایسه و از این داده‌ها برای بررسی اثر تغییر اقلیم بر روی رواناب حوضه آبریز واشنگتن در آمریکا استفاده کردند. نتایج نشان داد که روش کریجینگ معمولی در مقایسه با دیگر روش‌ها مناسب‌ترین نتایج را ارائه می‌کند (Fu و همکاران، 2007). با جمع بندی مطالب فوق می‌توان گفت مدل PRECIS یک مدل مناسب برای پیش‌بینی‌های متغیرهای آب و هوایی است. از این رو در این تحقیق، با استفاده داده‌های سناریوی B2 مدل PRECIS و روش‌های زمین‌آمار اقدام به ارائه روشی جدید برای پیش‌بینی پراکنش‌های مکانی دمایی و بارش ماهانه آینده در حوضه آبریز رودخانه قره‌سو می‌شود.

 

2-    مواد و روش‌ها

2-1- منطقة مورد مطالعه

حوضه آبریز قره‌سو در استان اردبیل در محدوده جغرافیایی E ′44 ˚47 تا  E′42 ˚48 و  N′45 ˚37 تا  N′36 ˚38 قرار دارد. شکل 1 مدل ارتفاعی رقومی[4] و جزئیات کلی از حوضه را نشان می‌دهد. حداکثر و حداقل ارتفاعات در این محدوده بترتیب 4732 و 1170 متر از سطح دریا می‌باشد. مهمترین شهر واقع در این محدوده، شهر اردبیل است. رودخانه قره‌سو دارای طول 90 کیلومتر و خروجی حوضه آبریز در محل ایستگاه هیدرومتری سامیان می‌باشد  و مساحت حوضه آبریز آن حدود 4100 کیلومتر مربع می‌باشد. موقعیت جغرافیائی خاص منطقه مطالعاتی سبب گردیده است که حوضه آبریز قره‌سو در فصل‌های سرد سال تحت تاثیر توده‌های هوایی مهاجر از شمال، شمال غرب و غرب قرار گیرد. در فصل تابستان نیز گاهی سیستم‌های کم فشار باران زا بر این منطقه تاثیر گذاشته و بارندگی‌های تابستانه را در این مناطق باعث می‌گردد. بخش‌های شرقی حوضه تحت تاثیر اقلیم خزری قرار داشته و بر شرایط دمائی و رطوبتی آن اثر می‌گذارد و موجب تعدیل آب و هوا در این مناطق می‌شود.

 

2-2- داده‌های بارش و دمای ماهانه

در این تحقیق برای تهیه پراکنش‌های مکانی دمایی و بارش در حوضه آبریز مطالعاتی از اطلاعات مربوط به میانگین بارش دمای ماهانه سال 2004 در 11 ایستگاه در سطح حوضه استفاده شده است. بارش و دمای سال 2004 با داده‌های بارش و دما در یک دوره سی ساله در منطقه همبستگی بسیار بالایی (92/0) دارد که به دلیل این همبستگی می‌توان به داده‌های این سال اطمینان نمود. شکل 1 موقعیت ایستگاه‌های منطقه مطالعاتی را در حوضه آبریز قره‌سو نشان می‌دهد. تا حد ممکن باید در خارج از مرز منطقه نیز ایستگاه‌های انتخاب گردد این امر باعث می شود که در مرز حوضه برونیابی انجام نگیرد و خطا در محدوده حوضه افزایش نیابد. به منظور کاهش اثرات برونیابی در طی عملیات درونیابی، از تعدادی از ایستگاه‌های بیرون از حوضه آبریز نیز استفاده شده است.

 

2-3- روش‌های درون‌یابی بارش و دما

در مورد بارش و دمای ماهانه در حوضه آبریز رودخانه قره‌سو، روش‌های درون‌یابی مختلف شامل روش‌هایIDW چندجمله‌ای کلی و محلی، RBF، کریجینگ ساده و کریجینگ معمولی توسط جوان (1389) مورد استفاده و قیاس قرار گرفته‌اند. نتایج نشان داده است که در مورد دمای ماهانه بهترین روش IDW است و در مورد بارش ماهانه بهترین روش درون‌یابی روش RBF از نوع Spline with Tension بوده است.

 

2-4- معرفی مدل

مدل PRECIS[5] یک مدل اقلیمی منطقه‌ای مناسب است که می‌تواند با کامپیوترهای شخصی اجرا و در سطحی از جهان که در آن سناریوهای تغییر اقلیم بیان شده، استفاده شود. این مدل توسط مرکز هادلی[6] برای بخش‌های محیطی، غذایی و فعالیت‌های روستایی گسترش یافته است. هدف از ساختن مدل PRECIS این بوده است که به طور رایگان در اختیار کشورهای در حال توسعه قرار گرفته و آنها بتوانند سناریوهای تغییر اقلیم را در مراکز ملی خود توسعه دهند. آنها می‌توانند از داده‌های محلی برای اجرای مدل در محلشان و پیش‌بینی معتبر از آن استفاده کنند (Jones و همکاران 2004). در مدل PRECIS از مدل HadAM3H که خود مولفه جوی مدل جفت شده جوی- اقیانوسی HadCM3 مرکز هادلی است، استفاده شده است (Gordon و همکاران، 2000). خروجی داده‌های مدل PRECIS به صورت ماهانه است. این مدل دارای قدرت تفکیک فضایی 50 و 25 کیلومتر، با 19 لایه در جو (از سطح زمین تا 30 کیلومتری در استراتوسفر) و چهار لایه در عمق خاک می‌باشد. در این مطالعه از داده‌های شرایط مرزی مدل گردش جهانی جو HadAM3P و سناریوی انتشار B2 برای تهیه پراکنش‌های مکانی دما و بارش استفاده شده که این داده‌ها از پژوهشکده اقلیم شناسی مشهد تهیه شده است. سناریویB2  جهانی را تصور می‌کند که تاکید بر راه‌حل‌های محلی برای پایداری اقتصادی، اجتماعی و زیست محیطی، رشد اقتصادی متوسط و نرخ رشد آلودگی کمتر از A2 دارد. یکی از دلایل انتخاب سناریو B2 در این تحقیق شبیه بودن آن به مسائل اقتصادی، اجتماعی و زیست محیطی در منطقه و همچنین اهمیت دادن روز به روز مسئولین کشور به مسئله محیط زیست است. دلیل دیگر این انتخاب آماده نبودن داده‌های مدل  PRECIS بر اساس سناریوی A2 بود.

 

 

شکل 1: حوضه آبریز رودخانه قره‌سو

2-5- الگوریتم استفاده از روش جدید

در این مرحله از تحقیق روند تهیه نقشه‌های هایتوگراف و ترموگراف و همچنین مراحل رسیدن به پراکنش‌های مکانی بارش و دما در سال‌های مختلف توضیح داده می‌شود. بعنوان نمونه روند تولید پراکنش‌های مکانی بارش توضیح داده می‌شود که تمام این مراحل نیز عینا برای پراکنش‌های مکانی دمایی نیز صدق می‌کند. شکل 2 الگوریتم تهیه پراکنش مکانی بارش ماهانه در دوره آتی را نشان می‌دهد.

 

 

شکل 2: الگوریتم تهیه پراکنش مکانی بارش ماهانه در دوره آتی

 

در مرحله اول داده‌های بارش ماهانه جمع آوری شده و وارد محیط GIS نرم‌افزار ArcGIS می‌شود. در مرحله بعدی با استفاده از روش RBF که بعنوان روش مناسب جهت درون‌یابی بارش ماهانه در حوضه آبریز رودخانه قره‌سو شناخته شده، نقشه پراکنش مکانی بارش آن ماه ترسیم می‌شود. توجه شود که در مورد دمای ماهانه، روش درون‌یابی مناسب روش IDW است. با استفاده از مدل پراکنش مکانی بارش در حوضه آبریز رودخانه قره‌سو مقدار حجم کل بارش از طریق محاسبه مقادیر بارش تمامی پیکسل‌های نقشه بارش محاسبه می‌شود. و چنانچه نسبت حجم کل بارش را بر مساحت تقسیم نمائیم ارتفاع متوسط بارش ماهانه محاسبه می‌شود. چنانچه نقشه پراکنش مکانی بارش هر ماه را بر ارتفاع میانگین بارش آن ماه تقسیم شود، نقشه هایتوگراف پایه ماهانه بدست می‌آید. میانگین بارش ماهانه در دوره‌های آتی برای ماه‌های مختلف را می‌توان از طریق مدل PRECIS تعیین نمود. از طرفی میانگین بارش در دوره پایه از روی میانگین بارش ماهانه سال 2004 که همبستگی زیادی با میانگین‌های سی ساله دارد اتخاذ شده است. اگر نسبت میانگین بارش هر ماه در دوره آتی به میانگین بارش هر ماه دوره پایه،B نامیده شود آنگاه از ضرب مقدار B مربوط به هر ماه در نقشه هایتوگراف پایه هر ماه، نقشه پراکنش مکانی بارش هر ماه برای دوره آتی ایجاد خواهد شد.

 

3-    نتایج و بحث

شکل‌های 3 و 4 به ترتیب نقشه‌های پراکنش دما و بارش را در ماه ژانویه در حوضه آبریز قره‌سو نشان می‌دهند. این نقشه‌ها برای تمامی ماه‌های سال ایجاد شدند. همانطور که در شکل 4 نیز مشاهده می‌شود که بیشترین مقادیر بارش در قسمت‌های از غرب حوضه ودر قسمت‌های شرقی آن اتفاق می‌افتد که می‌توان علت آنرا به ترتیب نزدیکی به کوه‌های سبلان و دریای خزر دانست. در تهیه پراکنش‌های مکانی  بارش و دمای ماهانه در آینده، به یک سری نقشه هایتوگراف و ترموگراف پایه از بارش و دما نیاز است. این سری نقشه‌ها با استفاده از پراکنش‌های مکانی بارش و دمای ماهانه از سال 2004 ایجاد می‌شوند که بعنوان مثال 2 نمونه از آنها در شکل‌های 3 و 4 ارائه شده‌اند. شکل 5 نمونه‌ای از یک نقشه هایتوگراف پایه بارش و شکل 6 نقشه ترموگراف پایه دما را نشان می‌دهد که مربوط به ماه ژانویه سال 2004 می‌باشند. نقشه هایتوگراف پایه شکل 5 از طریق تقسیم کران نقشه پراکنش مکانی بارش بر حجم کل بارش حوضه در ماه ژانویه به سطح حوضه محاسبه شده است که در ماه ژانویه حجم کل بارش که از روی نقشه پراکنش مکانی بارش (شکل 3) محاسبه شده برابر 68/489567260 مترمکعب بوده است که چنانچه بر سطح حوضه آبریز 4167172753 مترمربع تقسیم شود عدد 117/0 متر بدست می‌آید. این عدد بیانگر میانگین بارش ماه ژانویه می‌باشد. چنانچه نقشه پراکنش مکانی بارش شکل 3 بر عدد117/0 متر (میانگین بارش ماه ژانویه) تقسیم شود، نقشه هایتوگراف پایه شکل 5 حاصل می‌شود. نقشه ترموگراف پایه شکل 6 هم با روش مشابه هایتوگراف ایجاد شده است. مدل PRECIS‌ می‌تواند مقادیر بارش و دمای ماهانه را برای سال‌های آتی محاسبه کند. داده‌های دما و بارش آینده از مدل PRECIS گرفته شده است.

 

 

شکل 3- پراکنش مکانی دما در ماه ژانویه در سال 2004 ایجاد شده توسط روش درون‌یابی IDW

 

 

 

 

شکل4: پراکنش مکانی بارش در ماه ژانویه در سال 2004 ایجاد شده توسط روش درون‌یابی RBF

 

 

شکل 5- پراکنش مکانی هایتوگراف پایه بارش ماه ژانویه‌ در سال 2004

 

شکل 6- پراکنش مکانی ترموگراف پایه دما ماه ژانویه‌ در سال 2004

 

نتایج محاسبات مدل PRECIS‌ برای بارش و دمایی سال 2100 به ترتیب در جداول 1و 2 ارائه شده‌اند. در این جداول میانگین‌های ماهانه محاسبه شده برای دوره پایه نیز ارائه شده است که از طریق تقسیم حجم محاسبه شده از روی نقشه پراکنش مکانی بارش بر سطح حوضه محاسبه شده‌اند. چنانچه مقادیر دما و بارش ماهانه سال 2100 بر میانگین‌های دما و بارش سال 2004 تقسیم شوند مقادیر B‌ محاسبه می‌شوند. این مقادیر برای بارش و دمای ماه‌های مختلف سال محاسبه شده‌اند. چنانچه مقدار B هر ماه برای بارش یا دما در مقدار نقشه‌های هایتوگراف پایه یا ترموگراف پایه آن ماه ضرب شود نقشه‌های پراکنش مکانی بارش یا دمای آن بدست می‌آید. این عملیات برای ماه‌های مختلف سال اجرا شده است و شکل‌های 7 و 8 به ترتیب نقشه‌های بارش و دمای ماه‌های مختلف سال 2100 را نشان می‌دهد.

 

جدول 1- میانگین‌های ماهانه بارش در سال 2100 و 2004

سال

ژانویه

فوریه

مارس

آوریل

می

ژوئن

ژولای

آگوست

سپتامبر

اکتبر

نوامبر

دسامبر

2100

04/5

8/5

99/1

25/4

96/1

61/0

0

0

65/0

52/1

85/0

22/3

2004

3/12

9/18

8/41

2/73

7/14

48/7

4/3

1/1

7/1

6/12

2/32

7/23

B

41/0

3/0

04/0

05/0

13/0

08/0

0

0

38/0

12/0

02/0

13/0

 

جدول 2- میانگین‌های ماهانه دما در سال 2100 و 2004

سال

ژانویه

فوریه

مارس

آوریل

می

ژوئن

ژولای

آگوست

سپتامبر

اکتبر

نوامبر

دسامبر

2100

56/1

58/3

38/10

78/11

7/18

23/23

89/29

08/31

79/24

76/19

45/15

02/6

2004

1/3

2/3

2/6

9/6

7/13

4/17

8/17

4/19

8/15

3/12

4/7

8/2-

B

5/0

12/1

67/1

71/1

36/1

34/1

68/1

6/1

57/1

61/1

09/2

15/2-

     

 

     

 

     

 

     

 

                               

شکل 7- پراکنش‌های مکانی بارش ماهانه سال 2100 در حوضه آبریز رودخانه قره‌سو

     
     
     
     

شکل 8- پراکنش‌های مکانی دمای ماهانه سال 2100 در حوضه آبریز رودخانه قره‌سو

نتایج پراکنش‌های مکانی دمایی حوضه نشان می‌دهد که در تمامی فصول، این سناریو افزایش دما را برای حوضه آبریز رودخانه قره‌سو نسبت به دوره پایه پیش‌بینی می‌کند. این افزایش دما برای فصل زمستان برابر 2 تا 4 درجه سانتیگراد، فصل بهار 2 تا 5 درجه، فصل تابستان 3 تا 5 درجه و برای فصل پاییز 2 تا 4 درجه سانتیگراد خواهد بود. ماکزیمم مقدار دما در ماه آگوست و مینیمم مقدار آن در ژانویه رخ داده است. نتایج پراکنش‌های مکانی بارش حوضه نشان می‌دهد که بارش در ماه‌های مختلف سال با افزایش و کاهش به مواجه است. مقدار بارش در پنج ماه ژانویه، فوریه، مارس، سپتامبر و دسامبر در دوره آتی از دوره پایه بیشتر است. یکی از دلایل آن این است که بارندگی در یک منطقه، تابع عوامل مختلفی بوده و همچنین وجود نوسانات درونی در سیستم اقلیم بخصوص در مقیاس‌های زمانی کوتاه (فصلی، ماهانه و روزانه) در بارندگی می‌تواند باعث ایجاد انحراف در شبیه‌سازی‌ها گردد.

 

4-    نتیجه‌گیری

تهیه مناسب پراکنش‌های مکانی دمایی و بارش در مطالعات هیدرولوژیکی و تغییر اقلیم حوضه‌های آبریز اهمیت بسیاری دارد. برای تهیه این پراکنش‌های مکانی لازم است دما و بارش در داخل حوضه درون‌یابی شود. همچنین پیش‌بینی پراکنش‌های مکانی دما و بارش با وجود اثر تغییر اقلیم کمک زیادی در بخش هیدرولوژی و منابع آب می‌کند. در این مقاله به منظور تهیه پراکنش‌های مکانی بارش و دما حوضه آبریز رودخانه قره‌سو در پایان قرن 21، خروجی مدل اقلیمی منطقه‌ای PRECIS‌ با سناریوی پیش فرض B2 در مقیاس 50×50 کیلومتر مورد استفاده قرار گرفت. برای ریز گردانی داده‌ها از روش‌های زمین‌آمار استفاده شد. روش‌های زمین آمار مورد استفاده در این تحقیق برای تهیه پراکنش‌های مکانی بارش و دما در سال 2004، روش‌های IDW، چندجمله‌ای کلی و محلی، RBF، کریجینگ ساده و کریجینگ معمولی بودند. نتایج نشان داد که برای تهیه پراکنش مکانی دما در این حوضه از روش IDW و برای تهیه پراکنش مکانی بارش از روش RBF‌ استفاده کرد. در این مقاله با استفاده از روش جدیدی که در قسمت الگوریتم تحقیق بیان شده است پراکنش‌های مکانی بارش و دما در حوضه آبریز رودخانه قره‌سو تهیه شده‌اند. پراکنش‌های مکانی دما و بارش برای آینده با کمک نقشه‌های هایتوگراف و ترموگراف و همچنین داده‌های خروجی مدل PRECIS تهیه شدند. این پراکنش‌های مکانی بوسیله نرم‌افزار ArcGIS‌ بصورت ماهانه ایجاد شده‌اند. پراکنش‌های مکانی ایجاد شده نشان می‌دهند که بیشترین مقادیر بارش در قسمت‌های غربی و شرقی حوضه اتفاق افتاده که علت آنرا می‌توان به ترتیب نزدیکی به کوه‌های سبلان و دریای خزر دانست. نتایج پراکنش‌های مکانی دما در حوضه نشان می‌دهد که دما در تمامی حوضه آبریز رودخانه قره‌سو نسبت به دوره پایه بین 2 تا 5 درجه سانتیگراد افزایش می‌یابد. همچنین نتایج پراکنش‌های مکانی بارش در حوضه به دلیل افزایش و کاهش در ماه‌های مختلف سال روند خاصی را تسبت به دوره پایه نشان نمی‌دهد. پراکنش‌های مکانی پیش‌بینی بارش و دما تهیه شده در این حوضه آبریز نشان می‌دهند که تطابق مناسبی با توپوگرافی و اقلیم منطقه دارند و می‌توان از آنها در پیش‌بینی‌های هیدرولوژیکی استفاده کرد.

 

5-    سپاس‌گزاری

از سازمان هواشناسی کشور، پژوهشکده اقلیم شناسی و اداره کل هواشناسی خراسان رضوی به خاطر کمک شایانی در به ثمر نشاندن این تحقیق داشته‌اند کمال تشکر را دارم.



[1] - Global or General Climate Models

[2] - Regional Climate Models

[3] - Providing Regional Climates for Impacts Studies

[4] - Digital Elevation Model

[5] - Providing Regional Climates for Impacts Studies

[6] - Hadley Centre

بابائیان، ا. مدیریان، ر. و کریمیان، م.، 1387، ارزیابی تغییرات اقلیمی ایران در دوره 2071-2100 با استفاده از مدل اقلیمی PRECIS، سومین کنفرانس مدیریت منابع آب ایران، دانشگاه تبریز، تبریز، ایران.
خوش اخلاق، ف. افشار منش، ح. شفیعی، ز. آقاعلیخانی، م.، 1389، ارزیابی اثر تغییر اقلیم برهیدرولوژی آبهای سطحی، مطالعه موردی:رودخانه کارون، چهاردهمینکنفرانسژئوفیزیکایران، تهران، موسسه ژئوفیزیک، مقالات پوستری، فیزیک فضا، 21-23 صفحه 192-195.
خورشیددوست، ع. م.، قویدل رحیمی، ی، 1387، ارزیابی تغییر اقلیم تبریز در شرایط دو برابر شدن دی اکسید کربن جو با استفاده از مدل گردش عمومی پیوندی ECHAM 4، سومین کنفرانس مدیریت منابع آب، 23 تا 25 مهرماه 1387،  دانشگاه تبریز.484-483.
کوچکی، ع، ر. نصیری محلاتی، م. کمالی، غ، زند، ا. و شریفی، خ،ر.،1380، شبیه سازی رشد فنولوژی وتولید ارقام گندم در اثر تغییر اقلیم در شرایط مشهد، مجله بیابان. 6(2)، 128-117.
Akhtar, M., Ahmad, N, and M. J. Booij., 2008.The impact of climate change on the water resources of Hindukush–Karakorum–Himalaya region under different glacier coverage scenarios, Journal of Hydrology,355, pp. 148–163.
Chen, H., Shenglian, Guo., Chong-yu, Xu., and Vijay, P. Singh., 2007,.Historical temporal trends of hydro-climatic variables and runoff response to climate variability and their relevance in water resourcemanagement in the Hanjiang basin. Journal of Hydrology, 344, pp. 171–184.
Fu, G., Barber, M. E., and Chen, Sh., 2007. Impacts of Climate Change on Regional Hydrological Regimes in the Spokane River Watershed. Journal of Hydrologic Engineering, 12(5), pp 452–461.
Gutowski, W.J., Decker, S.G., Donavon, R.A., Pan, Z., Arritt, R.W., and Takle, E.S., 2003. Temporal-spatial scales of observed and simulated precipitation in central US climate. Journal of Climate, 16, pp. 3841–3847.
Gordon CC, Cooper R, Senior CA, Banks H, Gregory JM, Johns TC, Mitchell JFB, and Wood RA., 2000. The simulation of SST, sea ice extents and ocean heat transports in a version of the Hadley Centre coupled model without flux adjustments. Clim Dyn, 16, pp. 147–168.
Hay, L.E., Clark, M.P., Wilby, R.L., Gutowski, W.J., Leavesley, G.H., Pan, Z., Arritt, R.W., and Takle, E.S., 2002. Use of regional climate model output for hydrological simulations. Journal of Hydrometeorology, 3, pp. 571–590.
Hay, L. E., and Clark, M. P., 2003. Use of statistically and dynamically downscaled atmospheric model output for hydrologic simulations in three mountainous basins in the western United States. Journal of Hydrology, 282, pp. 56–75.
Jones, R. G., Noguer, M., Hassell, D. C., Hudson, D., Wilson, S. S., Jenkins, G. J., and Mitchell, J. F. B., 2004. Generating High Resolution Climate Change Scenarios Using PRECIS, Met Office Hadley Centre, Exeter, UK, 40 p.
Lijuan, C., Dong, W-J., Xu, Y-L., Zhang, Y. and Sparrow, M., 2007. Validating the runoff from the PRECIS model using a large-scale routing model. Advances in Atmospheric Sciences, 24, (5), pp. 855-862.
Lucio,P. S., 2004. Geostatistical assessment of HadCM3 simulations via NCEP reanalyses over Europe, Journal of Atmos, Sci. Let, (5), pp 118–133.
Watson, R. T., Zinyowera, M. C. and Moss, R. H., 1996. Climate Change 1995: Impacts, Adaptations, and Mitigations of climate change, Cambridge University Press, 889 p.
Wilby, R. L., Hay, L. E., and Leavesley, G. H., 1999. A comparison of downscaled and raw GCM output: implications for climate change scenarios in the San Juan River basin, Colorado, Journal of. Hydrology, 225, pp. 67–91.
Yonas, B. D., and Paulin, C., 2005. Hydrologic impact of climate change in the Saguenay watershed:comparison of downscaling methods and hydrologic models, Journal of Hydrology, 307 , pp. 145–163.