بررسي ماهيت آشوبناكي بارش ماهانه شهر تبريز درشرايط تغيير اقليم

The chaotic nature of monthly rainfall in the Tabriz under climate

افزايش روز افزون جمعيت، تغيير كاربري اراضي و توسعه فعاليتهاي صنعتي از جمله عوامل بوجود آمدن تغيير اقليم مي باشد از اينرو مطالعه تاثير اين پديده بر فرايندهاي هيدرولوژيكي بويژه بارش، از مهمترين مسايل مرتبط با مهندسي آب بشمار مي رود. ،در اين تحقيق بارش ماهانه شهر تبريز در شرايط تاريخي و شرايط تغيير اقليم با استفاده از مفاهيم نظريه آشوب بررسي شده است . به منظور برآورد زمان تاخير و فضاي حالت از روش تابع خود همبستگي و براي تخمين بعد آشوبي از روش بعد همبستگي استفاده گرديد . بدين منظور دوره آماري سالهاي 1971- 2000 بعنوان دوره تاريخي و نتايج حاصل از مدل مولد LARS-WG تحت دو سناريو در سه دوره (2011- 2030،2046-2065و2080-2099) بعنوان دوره هاي آتي مد نظر قرار گرفت. نتايج نشان داد كه داده هاي دوره تاريخي با داشتن بعد فراكتالي 96/5 از آشوب پذيري خوبي برخوردارند و داده هاي سناريو A2 در هر سه دوره با بعد فراكتال كمتر، داراي آشوب پذيري بهتري تسبت به داده هاي مشاهداتي هستند و اين در حالي است كه همه سري داده هاي سناريويB1 ، كاملا"رفتار تصادفي را از خود نشان مي دهند.

Population increase, changes in land usage and industrial activitiesʹ development have caused climate changes in different regions of the Earth. So studying these effects on rainfall process which is one of the most important components of water engineering studies. To considering ,extraordinary capabilities in chaos theory for modeling nonlinear and complex hydrological phenomena such as rainfall. In this study, monthly precipitation of Tabriz in the historical condition and climate change condition has been studied with this theory. For estimate lag time and phase state is using autocorrelation function and for chaos dimension applying correlation dimension method. Thus, the statistical period 1971-2000 as a historical period is chosen and the results of the LARS-WG model under two scenarios are (B1) and (A2) in three periods (2011-2030, 2046-2065 and 2080-2099) as future periods. Results show historical period data with the fractal dimension of 5/96 which has a good chaotic nature. In scenario A2, three series of data, has chaotic nature and their fractal dimension is lower of historical data while in scenario B1, The three periods have stochastic behavior.