توصيفگر ها :
تغييراقليم , مدل هيدرولوژيك , مدل بارش-رواناب GR4J , واسنجي متغير با زمان , مونته كارلو
چكيده فارسي :
تغييرات آبوهوايي مانند گرمشدن كره زمين در حال حاضر به دليل انتشار گازهاي گلخانهاي ادامه دارد. بررسي و لحاظ تأثيرات تغيير اقليم
در برنامهريزي منابع آب همچنان ضروري به نظر ميرسد. به دليل ارتباط مستقيم ميان چرخهي آبشناسي و سامانه اقليم، تغييرات در اقليم
بر چرخهي آبشناسي تأثيرگذار خواهد بود. بنابراين اين تغييرات در سيستم اقليمي به طور قابلتوجهي بر متغيرهاي اقليمي مانند بارش و دما
تأثير ميگذارد.
جهت شبيهسازي رفتار متغيرهاي اقليمي و بهطور خاص دبي آب سطحي در دورههاي پيشرو GR4J در اين تحقيق مدل بارش-رواناب
تحت تاثير سناريوهاي مختلف تغييراقليم استفاده شده است.
پارامترهاي اين مدل ابتدا با دادههاي تاريخي حوضه بهصورت متغير با زمان واسنجي شده است و پس از آن مدل جهت بررسي رفتار متغيرهاي
اقليمي استفاده شده است. در اين مطالعه روش واسنجي متغير با زمان مونته كارلو با روش استاتيك شيب گراديان مقايسه شده است. همچنين
از فيلتر كالمن همادي براي بررسي و كاهش عدم قطعيت استفاده شده است.
چندين محدوديت در مطالعههاي مشابه پيشين نظير در نظر نگرفتن پارامترهاي متغير با زمان براي مدل، انتخاب ناحيه مطالعاتي محدود، عدم
مدلسازي مناسب جهت بازنمايي صحيح عدمقطعيت سناريوهاي تغييراقليم و عدمقطعيت دادههاي تاريخي وجود دارد. در اين مطالعه با
واسنجي متغير با زمان پارامترهاي مدل، توسعه مدل به نحوي كه عدمقطعيت را بازنمايي كند و انتخاب حوضه مطالعاتي بهنحوي كه دادههاي
تاريخي زيادي را دارا باشد، چالشهاي مرتبط با محدوديتهاي ذكر شده حل شده است.
حوضه مطالعاتي در اين پژوهش دشت نيشابور است. دادههاي تاريخي بارش، دما و ساير دادههاي مورد نياز مدل جهت شبيهسازي دبي آب
سطحي از ايستگاههاي مختلف جمعآوري شده و جهت واسنجي و عملكرد بهتر مدل استفاده شده است.
در نهايت مقدار معيار نش-ساتكليف طي اعتبارسنجي روش استاتيك شيب گراديان 0.32 و براي روش واسنجي متغير با زمان 0.737 بهدست
آمد كه نشان از برتري مطلق روش واسنجي متغير با زمان توسط الگوريتم مونتهكارلو دارد.
0.54 و 0.518 متر مكعب بر ثانيه ، ميانگين رواناب به ترتيب 0.574 ،SSP3- و 7.0 SSP2-4.5 ،SSP1- در بررسي سه سناريوي اقليمي 2.6
3 نسبت به ميانگين رواناب در گذشته و افزايش طبق سناريو - 2 و 7.0 - محاسبه شد، كه نشاندهنده كاهش ميانگين رواناب طبق 2 سناريو 4.5
1-2.6 نسبت به ميانگين رواناب در گذشته ميباشد. اما ميزان اوجهاي بسيار كمتري را در آينده طبق هر 3 سناريو نسبت به دادههاي رواناب
تاريخي ميتوان مشاهده كرد.
چكيده انگليسي :
Climate change, such as global warming, continues due to greenhouse gas
emissions. Considering the impacts of climate change in water resources planning is
essential. Given the close relationship between the hydrological cycle and the climate
system, any change in the climate will affect the hydrological cycle. Therefore, these changes
in the climate system significantly influence climatic variables such as precipitation and
temperature.
In this study, the GR4J rainfall-runoff model was used to simulate the behavior of climatic
variables, specifically surface water flow, in future periods under the impact of different
climate change scenarios.
The parameters of this model were first calibrated using historical basin data with timevariable
calibration, and then the model was used to assess the behavior of climatic variables.
In this study, the time-variable calibration method using Monte Carlo was compared with
the static gradient descent method. Additionally, an ensemble Kalman filter was used to
examine and reduce uncertainty.
Several limitations in previous similar studies include the lack of time-variable parameter
consideration for the model, the selection of a limited study area, inadequate modeling to
accurately represent the uncertainties of climate change scenarios, and the uncertainty of
historical data.
In this study, by time-variable calibration of the model parameters, developing the model to
represent uncertainty, and selecting a study basin with extensive historical data, the
challenges associated with the mentioned limitations have been addressed.
The study area in this research is the Nishabur Plain. Historical data on precipitation,
temperature,and other necessary data for the model to simulate surface water flow were
collected from various stations and used to calibrate and improve the model’s performance.
Ultimately, the Nash-Sutcliffe efficiency (NSE) during the validation phase was 0.32 for the
static gradient method and 0.737 for the time-variable calibration method, demonstrating the
absolute superiority of the time-variable calibration method using the Monte Carlo
algorithm.
In the analysis of three climate change scenarios, SSP1-2.6, SSP2-4.5, and SSP3-7.0, the
mean runoff was calculated to be 0.574, 0.545, and 0.518 cubic meters per second,
respectively, indicating significant variations in hydrological responses to climate changes
across different models.
