پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 127 |
| تعداد شمارهها | 7,196 |
| تعداد مقالات | 77,227 |
| تعداد مشاهده مقاله | 157,192,919 |
| تعداد دریافت فایل اصل مقاله | 118,391,827 |
تحلیل حساسیت چند معادله تبخیرتعرق پتانسیل به متغیرهای اقلیمی در دو دوره پایه و آینده با بهرهگیری از روش سوبل | ||
| تحقیقات آب و خاک ایران | ||
| دوره 56، شماره 12، اسفند 1404، صفحه 3293-3313 اصل مقاله (1.41 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2026.407261.670061 | ||
| نویسندگان | ||
| مهدی وزیری1؛ نوذر قهرمان* 2 | ||
| 1گروه مهندسی آبیاری و آبادانی، دانشکده کشاورزی، دانشگاه تهران،کرج،ایران | ||
| 2گروه مهندسی آبیاری و آبادانی، دانشکده کشاورزی-دانشگاه تهران-کرج-ایران | ||
| چکیده | ||
| با توجه به پیچیدگی فرآیند تبخیرتعرق و اثرات برهمکنشی متغیرهای اقلیمی بر آن، انجام تحلیل حساسیت برای شناسایی مؤثرترین پارامترها، گامی اساسی در بهبود دقت مدلهای برآورد و کاهش عدمقطعیت محاسبات تبخیرتعرق است. تحلیل حساسیت بهویژه در شرایط تغییر اقلیم، ابزاری کلیدی برای درک واکنش تبخیرتعرق به تغییرات دما، تابش، رطوبت و باد محسوب میشود. در این پژوهش، حساسیت تبخیرتعرق پتانسیل (ETP) نسبت به دمای میانگین، دمای کمینه و بیشینه، سرعت باد، تابش خالص و رطوبت نسبی در هشت ایستگاه منتخب ایران طی دوره پایه (2024–2001) و دوره آینده (2100–2025) بررسی شد. بدین منظور از روش تحلیل حساسیت جهانی سوبل (Sobol) مبتنی بر تجزیه واریانس استفاده گردید که قادر است اثرات مستقل و تعاملی پارامترها را بر خروجی مدل آشکار سازد. دادههای اقلیمی دوره پایه از سازمان هواشناسی کشور و دادههای اقلیمی دوره آینده از مدلهای CNRM-ESM2-1 و INM-CM5-0 تحت سناریوهای SSP2-4.5و SSP5-8.5 پروژه CMIP6 استخراج شد. برای برآورد ETp از سه روش پنمن-مانتیث فائو56، روماننکو و تام–الیور در محیط پایتون با بسته PyET استفاده گردید. نتایج نشان داد که در بیشتر ایستگاهها، دمای بیشینه و رطوبت نسبی مؤثرترین متغیرها در کنترل تبخیرتعرق هستند. در دوره آینده، سهم متغیرهای دمایی افزایش و نقش تابش و باد کاهش یافت که بیانگر تأثیر مستقیم گرمایش جهانی و کاهش رطوبت جو بر فرآیند تبخیرتعرق است. در مناطق مرطوب شمالی، حساسیت بیشتر معادلات به دما در قیاس با تابش مشاهده شد، در حالی که در مناطق خشکِ مرکزی، افزایش حساسیت به رطوبت نسبی و دمای میانگین غالب بود. این نتایج نشان میدهد تغییر اقلیم میتواند ترازمندی انرژی–رطوبتی مؤثر بر ETP را در ایران تغییر دهد و لزوم بازنگری در مدلهای پیشبینی و مدیریت منابع آب را برجسته میکند. | ||
| کلیدواژهها | ||
| تبخیرتعرق پتانسیل؛ سوبل؛ PyET؛ تغییر اقلیم؛ CMIP6 | ||
| عنوان مقاله [English] | ||
| Sensitivity Analysis of Several Potential Evapotranspiration Equations to Climatic Variables in the Basetime and Future Periods Using the Sobol Method | ||
| نویسندگان [English] | ||
| mahdi vaziri1؛ NOZAR GHAHREMAN2 | ||
| 1Department of Irrigation and Reclamation Engineering, Faculty of Agriculture-University of Tehran -Karaj-Iran | ||
| 2Department of Irrigation and Reclamation Engineering-Faculty of Agriculture- University of Tehran-Karaj-Iran | ||
| چکیده [English] | ||
| Due to complexity of the evapotranspiration process and the interactive effects of climatic variables, conducting sensitivity analysis is essential for identifying the most influencing parameters and reducing uncertainties in ETp estimation models. Sensitivity analysis is particularly important under climate change conditions, as it provides insights into how ETp responds to variations in temperature, radiation, humidity, and wind speed. This study evaluates the sensitivity of (ETp) to mean, minimum, and maximum temperature, wind speed, net radiation, and relative humidity across eight selected stations in Iran during the baseline (2001–2024) and the future (2025–2100) period. The global Sobol sensitivity analysis method, based on variance decomposition, was applied to quantify both the individual and interaction effects of input parameters on model outputs. Baseline climate data were obtained from IRIMO and Future climatic data were obtained from the CNRM-ESM2-1 and INM-CM5-0 climate models under the SSP2-4.5 and SSP5-8.5 scenarios of CMIP6. ETp was calculated using three methods FAO-56 Penman–Monteith, Romanenko and Thom-Oliver using the PyET package. Results indicated that Tmax and RH are the most influential variables in most stations. In the future period, the influence of temperature-related variables increases, while the role of radiation and wind decreases, confirming global warming and the reduction in atmospheric humidity effects on ET. A shift from radiation-dominated to temperature-dominated control was observed in humid northern regions, whereas increased sensitivity to relative humidity and mean temperature was evident in central arid regions. These findings suggest that revising water management strategies as a result of altered energy–moisture balance is essential, | ||
| کلیدواژهها [English] | ||
| Potential evapotranspiration, Sobol, PyET, Climate change, CMIP6 | ||
| مراجع | ||
|
Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration: Guidelines for computing crop water requirements (FAO Irrigation and Drainage Paper No. 56). Food and Agriculture Organization of the United Nations. Diop, S., Durand, J.-L., Morand, S., & Alimi, F. (2023). Four‑component net radiometers to quantify albedo and heat fluxes in conservation agriculture. Nature Reviews Earth & Environment, 4, 678. doi: 10.1038/s43017‑023‑00432‑x. Djaman, K., Irmak, S., & Rathje, W. R. (2015). Comparison of the FAO-56 Penman–Monteith and other evaporation estimation methods under limited data conditions. Journal of Irrigation and Drainage Engineering, 141(3), 04014068. Herman, J. D., Kollat, J. B., Reed, P. M., & Wagener, T. (2013). Technical note: Method of Morris effectively reduces the computational demands of global sensitivity analysis for distributed watershed models. Hydrology and Earth System Sciences, 17(12), 5109–5125. https://doi.org/10.5194/hess-17-2893-2013, 2013. Iooss, B., & Lemaître, P. (2015). Sobol’ sensitivity analysis: A tool to guide the development and use of models. Environmental Modelling & Software, 67, 1–13. Manzo, L., & Trishchenko, A. (2025). Improved representations of longwave surface emissivity to better estimate surface radiation fluxes. Journal of Geophysical Research: Atmospheres, 130. McMahon, T. A., Peel, M. C., Lowe, L., Srikanthan, R., & McVicar, T. R. (2013). Estimating actual, potential, reference crop and pan evaporation using standard meteorological data: A pragmatic synthesis. Hydrology and Earth System Sciences, 17(4), 1331-1363. https://doi.org/10.5194/hess-17-1331-2013. McVicar, T. R., Roderick, M. L., Donohue, R. J., Li, L. T., Van Niel, T. G., Thomas, A., Grieser, J., Jhajharia, D., Himri, Y., Mahowald, N. M., Mescherskaya, A. V., Kruger, A. C., & Dinpashoh, Y. (2012). Global review and synthesis of trends in observed terrestrial near-surface wind speeds: Implications for evaporation. Journal of Hydrology, 416–417, 182–205. https://doi.org/10.1016/j.jhydrol.2011.10.024. Phan Thi Ha, Le Van Trung, Nguyen Thi Thu Ha, Nguyen Thanh Long, & Hoang Thi Thu Hang. (2023). Trends of reference evapotranspiration and their sensitivity to meteorological parameters in Southeastern Vietnam using improved Sen trend analysis and Sobol method. Earth Science Informatics, 17, 325–342. https://doi.org/10.1007/s12145-023-01176-4. Pianosi, F., Beven, K., Freer, J., Hall, J. W., Rougier, J., Stephenson, D. B., & Wagener, T. (2016). Sensitivity analysis of environmental models: A systematic review with practical workflow. Environmental Modelling & Software, 79, 214–232. https://doi.org/10.1016/j.envsoft.2016.02.008. Razavi, S., & Gupta, H. V. (2016). A new framework for comprehensive, robust, and efficient global sensitivity analysis: 1. Theory. Water Resources Research, 52(1), 423–439. https://doi.org/10.1002/2015WR017558. Raziei, T., Saghafian, B., Paulo, A. A., Pereira, L. S., & Bordi, I. (2009). Spatial patterns and temporal variability of drought in Western Iran. Water Resources Management, 23(3), 439-455. https://doi.org/10.1007/s11269‑008‑9282‑4. Riahi, K., van Vuuren, D. P., Kriegler, E., Edmonds, J., O’Neill, B. C., Fujimori, S., Bauer, N., Calvin, K., Dellink, R., Fricko, O., Lutz, W., Popp, A., Crespo Cuaresma, J., K.C., S., Leimbach, M., Jiang, L., Kram, T., Rao, S., Emmerling, J., Ebi, K., … Tavoni, M. (2017). The shared socioeconomic pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global Environmental Change, 42, 153‑168. https://doi.org/10.1016/j.gloenvcha.2016.10.009. Saltelli, A., Annoni, P., Azzini, I., Campolongo, F., Ratto, M., & Tarantola, S. (2010). Variance based sensitivity analysis of model output. Computer Physics Communications, 181(2), 259–270. https://doi.org/10.1016/j.cpc.2009.09.018. Saltelli, A., Tarantola, S., Campolongo, F., & Ratto, M. (2008). Sensitivity Analysis in Practice: A Guide to Assessing Scientific Models. John Wiley & Sons. doi: 10.1002/0470870958 Scheff, J., & Frierson, D. M. W. (2014). Scaling potential evapotranspiration with greenhouse warming. Journal of Climate, 27(4), 1539-1558. https://doi.org/10.1175/JCLI-D-13-00233.1. Sobol, I. M. (2001). Global sensitivity indices for nonlinear mathematical models and their Monte Carlo estimates. Mathematics and Computers in Simulation, 55(1-3), 271–280. https://doi.org/10.1016/S0378-4754(00)00270-6. Sobol’, I. M. (1993). Sensitivity estimates for nonlinear mathematical models. Mathematical Modeling and Computational Experiments, 1(4), 407–414. Tabari, H., & Hosseinzadehtalaei, P. (2011). Analysis of trends in temperature data in arid and semi-arid regions of Iran. Global and Planetary Change, 79(1–2), 1-10. https://doi.org/10.1016/j.gloplacha.2011.07.008. Vautard, R., Cattiaux, J., Yiou, P., Thépaut, J.-N., & Ciais, P. (2010). Northern Hemisphere atmospheric stilling partly attributed to an increase in surface roughness. Nature Geoscience, 3(11), 756-761. https://doi.org/10.1038/ngeo979. Verma, M., Fisher, J. B., Mallick, K., Ryu, Y., Kobayashi, H., Guillaume, A., Moore, G., Ramakrishnan, L., Hendrix, V., Wolf, S., Sikka, M., Kiely, G., Wohlfahrt, G., Gielen, B., Roupsard, O., Toscano, P., Arain, A., & Cescatti, A. (2016). Global Surface Net‑Radiation at 5 km from MODIS Terra. Remote Sensing, 8(9), 739. https://doi.org/10.3390/rs8090739 Vremec, M., Collenteur, R. A., & Birk, S. (2024). PyEt v1.3.1: A Python package for the estimation of potential evapotranspiration. Geoscientific Model Development, 17(18), 7083–7103. https://doi.org/10.5194/gmd-17-7083-2024, 2024. Xu, C. Y., & Singh, V. P. (2005). Evaluation of three complementary relationship evapotranspiration models by water balance approach to estimate actual regional evapotranspiration in different climatic regions. Journal of Hydrology, 308(1–4), 105–121. https://doi.org/10.1016/j.jhydrol.2004.10.024. Yahyavi Dizaj, A., Akbari Azirani, T., Khaledi, Sh., & Javan, Kh. (2023). Seasonal analysis of reference evapotranspiration and its sensitivity to meteorological elements in Iran. Journal of Water and Soil (Ab va Khak), 37(4), 643–657. https://doi.org/10.22067/jsw.2023.83328.1307. Yang, Y., Roderick, M. L., Zhang, S., McVicar, T. R., & Donohue, R. J. (2019). Hydrologic implications of vegetation response to elevated CO₂ in climate projections. Nature Climate Change, 9(1), 44–48. https://doi.org/10.1038/s41558-018-0361-0. Zeng, P., Sun, F., Liu, Y., & Feng, Y. (2021). Changes of potential evapotranspiration and its sensitivity across China under future climate scenarios. Atmospheric Research, Article 105763. https://doi.org/10.1016/j.atmosres.2021.105763. | ||
|
آمار تعداد مشاهده مقاله: 142 تعداد دریافت فایل اصل مقاله: 130 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب