تحليل بارش ماهانه بندر انزلي با استفاده از نظريه آشوب در شرايط تغيير اقليم

Analysis of Monthly Rainfall in the Bandar Anzali Using Chaos Theory under Climate Change Condition

توسعه شهر‌ها و شدت يافتن آلودگي دو عامل مهم تغيير اقليم است و اين تغيير كاربري اراضي و بدتر شدن وضعيت زيست‌محيطي باعث تغييرات مكاني و زماني بارش، دما، تبخير و تعرق مي‌شود. اين مسيله پيچيدگي متغيرهاي هيدرولوژيك را بيشتر و پيش‌بيني آن‌ها را سخت‌تر مي‌كند. نظريه آشوب ابزاري است كه بر مبناي رفتار آشوبناك و پيچيده بنا نهاده شده است و مي‌تواند براي داده‌هاي بارش با ضريب تغييرات بالا مناسب باشد. در اين پژوهش بارش ماهانه بندر انزلي در شرايط تاريخي و شرايط تغيير اقليم با اين نظريه بررسي شده است. بدين منظور دوره آماري 1993-2010 به‌عنوان دوره تاريخي و نتايج مدل LARS-WG تحت سه سناريوي (A1B)، (B1) و (A2) در دوره زماني (2020-2035) به‌عنوان دوره‌هاي آينده مد‌نظر قرار گرفت. نتايج بيانگر افزايش سيلاب و خشكسالي همراه با 14 درصد كاهش بارش در دوره آينده است و داده‌هاي توليدي و تاريخي داراي رفتار آشوبناك قطعي بوده و سناريوي A2 با بعد فراكتالي 13/4 بيشترين پيچيدگي را در مقايسه با ساير سري داده‌ها دارد.

Development of cities and the intensification of pollution are two important factors for climate change; on the other hand, changes in land usage and worsening environmental condition lead to the spatial and temporal variation in precipitation, temperature, and evapotranspiration etc., which make the hydrological variables more complex, and the prediction of them is more difficult. Chaos theory is a tool that proposed based on the chaotic and complex behavior and it can be appropriate for rainfall data with a higher variation coefficient. In this study, monthly rainfall of the Bandar Anzali in the historical and climate change condition has been considered by applying chaos theory. For this purpose, the period of 1993-2010 was chosen as historical period and the results of LARS-WG model under three scenarios (A1B), (B1), and (A2), in the period of 2020-2035 were considered as a future period. According to the results, flood and drought will increase with a 14 percent reduction in rainfall in the future period. Moreover, the historical and generated data series showed deterministic chaotic behavior and the A2 scenario with the fractal dimension of 4.13 showed the most complexity in comparison with others.