تاثیر عدم قطعیت خروجی مدل های اقلیمی در پیش بینی تغییرات تراز سطح آب زیرزمینی

Authors

همت سلامی

دانشگاه بهشتی حمیدرضا ناصری

دانشگاه بهشتی علیرضا مساح بوانی

پردیس ابوریحان، دانشگاه تهران

abstract

با توجه به عدم قطعیت­های موجود در خروجی مدل­های اقلیمی در این تحقیق از خروجی 16 مدل اقلیمی برای پیش­بینی تغییرات تراز سطح آب زیرزمینی در آبخوان دشت همدان-بهار در دوره آتی استفاده شده است. برای این منظور مدل­های مختلف اقلیمی بر مبنای توانایی آنها در شبیه­سازی متغیرهای اقلیمی در دوره پایه (2000-1970) وزن­دهی شده­ و سپس بر مبنای وزن مدل­های اقلیمی و مقادیر پیش­بینی شده توسط آنها در دوره آتی (2045-2015) تغییرات بارندگی و دما در سطوح احتمال مختلف 10، 50 و 90 درصد محاسبه شده است. با استفاده از داده­های اقلیمی ایستگاه سینوپتیک همدان و مقدار تغییرات پیش­بینی شده بارش و دما در سطوح احتمال مختلف، برای سناریو انتشار a2، مقادیر بارش و دما توسط مدل lars-wg به شکل روزانه تولید شده است. با توجه به مقادیر پیش­بینی شده بارش و رواناب تخمین زده شده توسط شبکه عصبی مصنوعی، تغییرات تراز سطح آب زیرزمینی در سطوح ریسک مختلف شبیه­سازی شده است. میزان افت متوسط سالانه تراز آب زیرزمینی در دوره 20 ساله مشاهداتی 72/0 متر می­باشد و این میزان برای سطوح احتمال 10، 50 و 90 درصد به ترتیب 53/0، 1/1 و 3/1 متر می­باشد. با توجه به اینکه ضخامت متوسط زون اشباع در شرایط کنونی آبخوان حدود 50 متر می­باشد لذا با حفظ شرایط کنونی برداشت از منابع آب زیرزمینی و وقوع مقادیر پیش­بینی شده تغییرات تراز سطح آب زیرزمینی به خصوص در سطح ریسک 50 و 10 درصد، عملاً در 30 سال آینده آبخوان دشت همدان-بهار از بین خواهد رفت.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی اثر عدم قطعیت خروجی مدل های گردش عمومی در پیش بینی متغیرهای هواشناسی استان گلستان

به­منظور بررسی اثر عدم قطعیت خروجی مدل­های HadCM3 و ECHO-G بر پیش­بینی دمای حداقل و حداکثر، بارش و شدت خشکسالی (شاخص SPI) استان گلستان طی دوره 2045-2016 نسبت به دوره 2015-1986، خروجی این مدل­ها توسط مدل <strong...

full text

پیش بینی زمانی و مکانی تراز آب زیرزمینی دشت داورزن

هدف از این پژوهش تخمین مقدار تراز آب زیرزمینی در نقاط مختلف دشت داورزن واقع در استان خراسان رضوی در یک ماه آینده است. جهت پیش ­بینی زمانی از روش پرسپترون چندلایه‌ شبکه­ عصبی و برای پیش ­بینی مکانی از روش کریجینگ استفاده شده است. داده­ های ورودی شامل سری زمانی تراز آب زیرزمینی است که به ­مدت هشت سال از مهر 82 تا اسفند 89 به صورت ماهیانه اندازه­گیری شده است. ابتدا به ­منظور تعیین میزان دقت مدل، ت...

full text

ارزیابی مدل شبکه های بیزین در پیش بینی ماهانل سطح آب زیرزمینی (مطالعۀ موردی: آبخوان بیرجند)

اساس برنامه‌ریزی‌های منابع آب بر پایۀ حجم آب قابل استحصال در آبخوان است و برآورد دقیق این حجم از آب زیرزمینی، کمک شایانی به توسعه می‌کند. در این مطالعه، از مدل‌های بیزین با استفاده از دو ساختار خوشه‌بندی و صریح برای شبیه‌سازی سطح آب زیرزمینی آبخوان بیرجند استفاده شد. پنج متغیر تغذیۀ آبخوان، سطح ایستابی، دما، تبخیر و برداشت از آب زیرزمینی در ماه قبل به‌عنوان متغیرهای ورودی به شبکۀ بیزین و سطح آب...

full text

اثر نوسانات اقلیمی ‌و برداشت آب بر تغییرات ‌تراز آب زیرزمینی دشت دامنه

     دشت دامنه واقع در منطقة فریدن اصفهان از جمله مناطقی است که کشاورزی مکانیزة آن کاملاً وابسته به آب‌‌های زیر زمینی آبخوان دامنه است. خشکسالی‌­‌های اخیر و پایین رفتن سطح ایستابی، کشاورزی این منطقه را با خطر شدید روبه‌رو کرده است.در این پژوهش از داده­‌های اقلیمی هفت ایستگاه هواشناسی حوضة آبریز دامنه و داده­‌های مربوط به ‌تراز آب زیر زمینی در دورة آماری مشترک 20 ساله (90-1370) برای مطالعة اثر عن...

full text

پیش بینی تغییرات سطح آب زیرزمینی دشت همدان-بهار با مدل سری های زمانی

دشت همدان- بهار، یکی از چهاردشت منطقه همدان است. وسعت گسترش سفره آبدار اصلی موجود در آبرفت های این دشت، حدود 520 کیلومترمربع می باشد. این سفره، از طریق نفوذ مستقیم از ریزش های جوی، نفوذ از جریان های سطحی، آب برگشتی از مصارف کشاورزی، شرب و صنعت و هم چنین ورودی های زیرزمینی تغذیه و از طریق برداشت از آب زیرزمینی برای مصارف مختلف و هم چنین خروجی زیرزمینی تخلیه می گردد. روند کلی هیدروگراف معرف آب زی...

full text

تحلیل عدم قطعیت مدل های شبکه عصبی و نروفازی در پیش بینی جریان رودخانه

پیش بینی آورد رودخانه در مدیریت منابع آب از اهمیت فراوانی برخوردار است، اما به دلیل عدم قطعیت بالا در عواملی که فرآیند بارش- رواناب را سبب می‌گردند، همواره با مشکلاتی همراه بوده است. یکی از روش‌هایی که می‌تواند این مشکل را تا حدی کاهش دهد، تحلیل‌ عدم قطعیت پیش‌بینی‌های انجام شده می‌باشد. این تحلیل‌ها در مدل‌های آماری سابقه طولانی دارند، ولی برای مدل‌های شبکه عصبی و نروفازی کمتر مورد استفاده قرا...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های دانش زمین

جلد ۷، شماره ۲۶، صفحات ۰-۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023