پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,502 |
| تعداد مشاهده مقاله | 124,118,945 |
| تعداد دریافت فایل اصل مقاله | 97,225,143 |
اثر تغییر اقلیم بر تغییرات تراز آب زیرزمینی براساس گزارش پنجم کمیته بین الدول تغییر اقلیم در آبخوان رزن | ||
| تحقیقات آب و خاک ایران | ||
| دوره 53، شماره 5، مرداد 1401، صفحه 993-1008 اصل مقاله (1.91 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2022.337121.669179 | ||
| نویسندگان | ||
| محمد معین فلاحی1؛ سعید شعبانلو* 2؛ احمد رجبی3؛ فریبرز یوسفوند3؛ محمد علی ایزدبخش3 | ||
| 1دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران | ||
| 2دانشیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه،ایران | ||
| 3گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران | ||
| چکیده | ||
| تغییر اقلیم یکی از چالشهای عمده‌ای است که بر محیط زیست به ویژه ذخایر آب زیرزمینی تأثیر میگذارد. در این پژوهش به بررسی اثر تغییر اقلیم بر تراز آب زیرزمینی دشت رزن در دو دورهی20 ساله آتی پرداخته شد. هدف از این تحقیق بررسی اثر عدم قطعیت مدلهای اقلیمی در پیشبینی تراز سطح آب زیرزمینی تحت تاثیر تغییر اقلیم میباشد. برای شبیهسازی آبخوان، مدل آب زیرزمنی GMS به ترتیب برای دو دوره 18 ماهه واسنجی و صحتسنجی گردید. جهت بررسی اثر تغییر اقلیم بر نوسانات تراز آب زیرزمینی منطقه در دورهی آتی از مدلهایCMIP5 تحت سه سناریو Rcp 2.6، Rcp 4.5، Rcp 8.5 استفاده شد. برای در نظر گرفتن عدم قطعیت پیشبینی مدلهای تغییر اقلیم از روش سطوح احتمالاتی تغییرات بارش و دما استفاده شد. در روش سطوح احتمالاتی، از ترکیب خروجی 6 مدل تغییر اقلیم مختلف در 3 سناریوی مورد اشاره برای هر ماه، 18 مقدار پیشبینی برای تغییرات T∆ و ∆P در سالهای آتی تخمین زده شد. سپس با استفاده از توزیع مناسب در هر ماه مقادیر T∆ و ∆P آینده در سطوح احتمال 50 و 90 درصد برآورد گردید و در نهایت در دو سطح احتمالاتی 90 و 50 درصد با در نظر عدم قطعیت مدلهای گردش عمومی به پیشبینی متغیرهای اقلیمی بارش و دما پرداخته شد. نتایج پیشبینی متغیرهای اقلیمی برای سناریوهای Rcp 2.6، Rcp 4.5، Rcp 8.5 و دو سطح احتمال 90 و 50 درصد به ترتیب نشان دهنده تغییرات میانگین دما به میزان 65/0+، 653/0+، 653/0+، 04/0- و 6/0+ درجه سانتیگراد و تغییرات میانگین بارش به میزان 15/0-، 06/2-، 25/2+، 2/30- و 095/0- درصد طی دورهی 2045-2018 بود. نتایج کاربرد مدل GMS برای بررسی اثر تغییر اقلیم بر تغییرات تراز آبخوان نشان داد سطح آب زیرزمینی تحت سناریوهای ترکیبی Rcp 2.6، Rcp 4.5، Rcp 8.5 و دو سطح احتمالاتی 90 و 50 درصد برای دوره آتی 2018-2045 نسبت به دوره پایه 2018-1991به طور میانگین بین 55/1- تا 83/1- متر افت خواهد داشت. | ||
| کلیدواژه‌ها | ||
| تراز آب زیرزمینی؛ تغییر اقلیم؛ گزارش پنجم؛ عدم قطعیت؛ مدل GMS | ||
| عنوان مقاله [English] | ||
| The impact of climate change on groundwater level changes in future periods based on fifth report of ICCP (Case study: Razan Aquifer) | ||
| نویسندگان [English] | ||
| Mohammad Moein Fallahi1؛ saeid shabanlou2؛ ahmad rajabi3؛ fariborz yosefvand3؛ mohammad ali izadbakhsh3 | ||
| 1Ph.D. Candidate, Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran | ||
| 2Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran. | ||
| 3Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran | ||
| چکیده [English] | ||
| Climate change is one of the major challenges affecting the environment especially groundwater resources. In this study, the effect of the climate change on the Razan plain groundwater level in two 20-year periods is investigated. To simulate the aquifer, the GMS groundwater model is validated and verified for two 18-year period, respectively. To examine the climate change impact on groundwater level variations in the upcoming periods, the CMIP5 models are utilized by three scenarios including Rcp, Rcp 8.5, Rcp 4.5 and Rcp 2.6. To consider the uncertainty of the prediction of the climate change models, the probability level method for precipitation and temperature changes are used. In the probability level method, the combination of 6 climate change models and three mentioned scenarios for each month, 18 values of predictions for ∆T and ∆P changes in the next year are estimated. Then, using the proper distribution in each month, the next ∆T and ∆P are estimated in the probability levels of 90 and 50 percent and the general circulation uncertainties are evaluated in these two probability levels to forecast climate variables including precipitation and temperature. The results of forecasting climatic variables for the Rcp 2.6, Rcp 4.5, Rcp 8.5 scenarios and two levels of probability of 90 and 50%, respectively, display changes in the average temperature of + 0.65, + 0.653, + 0.653, - 0.04 and +6.6 ° C and changes in average precipitation are -0.15, -0.06, +2.25, -30.2 and -0.095 percent during the period 2045-2018. Finally, using the GMS model, the effect of climate change on aquifer level changes under these scenarios are determined. The results show that the groundwater level under the combined scenarios Rcp 2.6, Rcp 4.5, Rcp 8.5 and two probability levels of 90 and 50% for the next period 2018-2045 compared to the base period of 1991-1998 will drop between -55.5 to -1.83 meters on average. | ||
| کلیدواژه‌ها [English] | ||
| Groundwater level, Climate change, Fifth report, Uncertainty, GMS model | ||
| مراجع | ||
|
Acharyya, A. (2014). Groundwater, Climate Change and Sustainable Well Being of the Poor: Policy options for South Asia, China and Africa. Procedia-Social and Behavioral Sciences 157, 226–235. Ansari, H., Khadivi, M., Salehnia, N., and Babaeian, I. (2014). Evaluation of Uncertainty LARS Model under Scenarios A1B, A2 and B1 in Precipitation and Temperature Forecast (Case Study: Mashhad Synoptic Stations). Iranian Journal of Irrigation & Drainage, 8(4), 664-672. (In Farsi) Ansari, S., Massah Bavani, A., Roozbahani, A. (2016). Effects of Climate Change on Groundwater Recharge (Case Study: Sefid Dasht Plain). Water and Soil, 30(2), 416-431. (In Farsi) Azari, A., Zeynoddin, M., Ebtehaj, I., Sattar, A., Gharabaghi, B. and Bonakdari, H. (2021). Integrated preprocessing techniques with linear stochastic approaches in groundwater level forecasting. Acta Geophysica, 69(4), 1395-1411. Changnon, S.A., Huff, F.A., and Hsu, C.F. (1988). Relations between precipitation and shallow groundwater in Illinois. Journal of Climate, 1, 1239– 1250. Costa, D., Zhang, H. and Levison, J. Impacts of climate change on groundwater in the Great Lakes Basin: A review. Journal of Great Lakes Research, 47(6), 1613-1625. https://doi.org/10.1016/j.jglr.2021.10.011. Crosbie, R.S., Scanlon, B.R., Mpelasoka, F.S., Reedy, R.C., Gates, J.B., and Zhang, L. (2013). Potential climate change effects on groundwater recharge in the High Plains Aquifer, USA, Water Resour. Res., 49(7), 3936-3951. Epting, J., Michel, A., Affolter, A. and Huggenberger, P. (2021). Climate change effects on groundwater recharge and temperatures in Swiss alluvial aquifers. Journal of Hydrology X, 11(3), 100071. https://doi.org/10.1016/j.hydroa.2020.100071. GMS User Manual 10.4. (2019). Online User Manual, https://www.xmswiki.com/wiki/GMS:GMS_User_Manual_10.4. Gulacha, M.M., and Mulungu, D.M.M. (2017). Generation of climate change scenarios for precipitation and temperature at local scales using SDSM in Wami-Ruvu River Basin Tanzania. Physics and Chemistry of the Earth, 100, 62-72. Guzman, S. M., Paz, J. O., Tagert, M. L. M. and Mercer, A. E. (2019). Evaluation of Seasonally Classified Inputs for the Prediction of Daily Groundwater Levels: NARX Networks Vs Support Vector Machines. Environmental Modeling & Assessment, 24(2), 223-234. Hosseinikhah, M., Zeinivand, H., Haghizadeh, A., and Tahmasebipour, N. (2014). Validation of Global Climate Models (GCMS) Temperature and Rainfall Simulation in Kermanshah, Ravansar and West Islamabad Stations. Iranian journal of Ecohydrology, 1(3), 195-206. (In Farsi) IPCC, (2014). Summary for policmarkers. In: Climate Change. 2014: Impacts, Adaptation, and Vulnerability. Part a: Global and Sectoral Aspect. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change camberidge University Press, cambridge, United Kingdom and New York, NY, USA, 1-132. Kamal, A., and Massahbavani, A. (2012). The Uncertainty Assessment of AOGCM & Hydrological Models for Estimating Gharesu Basin Temperature, Priciitation, and Runoff Under Climate Change Impact. Iranian Water Research Journal, 5(9), 39-49. (In Farsi) Kamkar, V., Azari, A. and Fatemi, S. E. (2021). Estimation of recharge and flow exchange between river and aquifer based on coupled surface water-groundwater model. Iranian Journal of Soil and Water Research, 52(7), 1779-1793. (In Farsi) Karamouz, M., Abolpour, A., and Nazif, S. (2011). Evaluation of the impact of climate change on groundwater resources of Rafsanjan. 4th Iranian Conference of Water resources management, Tehran, Amirkabir University, May 3th and 4th. (In Farsi) Kersic, N. (1997). Quantitative Solution in Hydrology and Groundwater Modeling. Lewis Publishers. Kumar, C.P., and Singh, S. (2015). CLIMATE CHANGE EFFECTS ON GROUNDWATER RESOURCES. Octa Journal of Environmental Research, Oct. Jour. Env. Res. 3(4), 264-271. Lemieux, J., Hassaoui, J., Molson, J., Therrien, R., Therrien, P., Chouteau, M., and Ouellet, M. (2015). Simulating the impact of climate change onthe groundwater resources of the Magdalen Islands. Journal of Hydrology, 3, 400–423. Nadiri, A. A., Naderi, K., Khatibi, R., and Gharekhani, M. (2019). Modelling groundwater level variations by learning from multiple models using fuzzy logic. Hydrological sciences journal, 64(2), 210-226. New, M., and Hulme, M. (2000). Representing uncertainty in climate change scenarios: a Monte-Carlo approach. Integrated Assessment 1, 203–213. Nyembo, L. O., Larbi, I., Mwabumba, M., Selemani, J. R., Dotse, S. Q., Limantol, A. M. and Bessah, E. (2022). Impact of climate change on groundwater recharge in the lake Manyara catchment, Tanzania. Scientific African, 15(10), e01072. https://doi.org/10.1016/j.sciaf.2021.e01072. Ruiz-Ramos, M., and Minguez, M.I. (2010). Evaluating uncertainty in climate change impacts on crop productivity in the Iberian Peninsula. Climate Research, 44, 69-82. Sadat Ashofte, P., and Bozorg Hadad, O. (2014). A New Probabilistic Approach for Evaluation of the Effects of Climate Change on Water Resources. Water Resources Engineering, 6(19), 51-66. (In Farsi) Shrestha, S., Bach, T.V., and Pandey, V.P. (2016). Climate change impacts on groundwater resources in Mekong Delta under representative concentration pathways (RCPs) scenarios. Environmental Science and Policy, 61, 1–13. Taylor, R.G., et al. (2012). Ground water and climate change، NATURE CLIMATE CHANGE, 3, 322–329. Wilby, R., and Harris, I, (2006). A framework for assessing uncertainties in climate change impacts: low flow scenarios for the River Thames. UK, Water Resources Research, 42(2), 1-10. Zeinali, M., Azari, A. and Heidari, M. (2020a). Simulating Unsaturated Zone of Soil for Estimating the Recharge Rate and Flow Exchange Between a River and an Aquifer. Water Resources Management, 34, 425–443. Zeinali, M., Azari, A. and Heidari, M. (2020b). Multiobjective Optimization for Water Resource Management in Low-Flow Areas Based on a Coupled Surface Water–Groundwater Model. Journal of Water Resource Planning and Management (ASCE), 146(5), 04020020. Zektser, I.S., and Loaiciga, H.A. (1993). Groundwater fluxes in the global hydrologic cycle: Past, present, and future. Journal of Hydrology, 144, 405– 427. | ||
|
آمار تعداد مشاهده مقاله: 430 تعداد دریافت فایل اصل مقاله: 367 |
||