آينده نگري و ارزيابي تأثيرات تغيير اقليم بر رواناب حوضه قره‌سو

Predicting and Assessing climate change impacts on Surface Runoff in Qarasu Golestan

داده‌هاي روزانه شبيه‌سازي شده توسط مدل‌هاي گردش عمومي براي آينده را مي‌توان به عنوان ورودي مدل‌هاي هيدرولوژيكي لحاظ كرده و نتايج آن را در برنامه‌هاي بلند‌مدت توسعه منابع آب منظور نمود. در اين تحقيق، داده‌هاي روزانه دماي حداقل، حداكثر، بارش و ساعات آفتابي ايستگاه سينوپتيك گرگان در دوره 1999-1970 با استفاده از مدل آماري LARS-WG شبيه‌سازي شد وپس از اطمينان از كارآيي مدل، در شبيه‌سازي پارامترهاي هواشناسي مذكور، جهت بررسي تاثير پديده تغيير اقليم بررواناب، داده‌هاي سه سناريوي A2 (سناريوي حداكثر)،A1B (سناريوي حد وسط) و B1 (سناريوي حداقل) مدل HadCM3 در دو دوره 2030-2011 و 2099-2080 با مدل آماري LARS-WG كوچك مقياس گرديد و سپس، ميزان ‌رواناب با استفاده از مدل هيدرولوژيكي IHACRES شبيه‌سازي و پس از واسنجي(از1978 تا 1979 با مقدار ضريب تعيين 66/0) و اعتبارسنجي اين مدل (30 دسامبر 1979 تا 29 دسامبر 1980 بامقدار ضريب تعيين 65/0)، داده‌هاي دما و بارش خروجي به مدل IHACRES وارد شده و تغييرات رواناب ناشي از تغيير اقليم در دوره‌هاي آتي نسبت به دوره پايه محاسبه گرديد. نتايج نشان داد در دوره‌هاي آتي، ميانگين دماي حوضه آبخيز قره‌سو به ميزان 56/0 تا 04/1 درجه سلسيوس افزايش مي‌يابد. مقدار بارش نيز در مقايسه با دوره پايه به ميزان 28/10 تا 71/23 درصد افزايش نشان مي‌دهد. هم‌چنين مقدار رواناب سه سناريو در دو دوره مورد بررسي در مقايسه با دوره پايه 35/29 تا 8/44 درصد افزايش يافته كه اين افزايش رواناب در دوره 2030-2011 نسبت به دوره 2099-2080 بيش‌تر است.

Climate change impacts are very dependent on regional geographic features and local climate variability. Impact assessment studies on climate change should therefore be performed at local or at most at the regional level for the evaluation of possible consequences. However, climate scenarios are produced by Global Circulation Models with spatial resolutions of several hundreds of kilometers. For this reason, downscaling methods are needed to bridge the gap between the large scale climate scenarios and the fine scale where local impacts happen. A stochastic weather generator, however, can serve as a computationally inexpensive tool to produce multiple-year climate change scenarios at the daily time scale which incorporate changes in both mean climate and in climate variability. In paper, LARS-WG model were used to downscale GCM outputs and then assessment of the performance were done for generated daily data of precipitation, minimum and maximum temperature and sunshine hours. Study area is Ghare-su basin in Gorgan and the station is called Gorgan synoptic station. The first step is running the model for the 1970-1999 period. Then mean of observation and synthetic data were compared. T-test was used in the 95% significance level, and the difference between observation and synthetic data was not significant. Finally monthly mean of observation and synthetic data were compared using Statistical parameters such as NA, RMSE & MAE. As a final result, it is found that performance of model is appropriate for generating daily above listed data in Ghare-su basin. So, it is possible to predict the climatic parameters from GCM output using LARS-WG model. Also minimum and maximum temperatures have highest and sunshine hours have lowest correlation.