نام پژوهشگر: مهدیه ماهانی

ارزیابی اثرات تغییر اقلیم بر منابع آب با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: رودخانه پلرود)
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده مهندسی عمران 1391
  مهدیه ماهانی   مسعودرضا حسامی کرمانی

یکی از چالشهای مهم در جهان کنونی رقابت برای دسترسی به منابع آب است که یکی از مهمترین عوامل تأثیرگذار بر منابع آب، پدیده تغییر اقلیم می باشد. لذا ارزیابی اثرات این پدیده بر فرآیندهای هیدرولوژیکی و به ویژه دبی رودخانه ها می تواند کمک فراوانی برای حل چالشهای مدیران و برنامه ریزان منابع آب در دوره های آتی باشد. در این تحقیق اثرات تغییر اقلیم بر دبی رودخانه پلرود واقع در استان گیلان مورد بررسی قرار گرفت. بدین منظور از خروجی دو مدل اقلیم جهانی تحت سناریوی انتشار a2 و همچنین داده های اقلیمی دما و بارش دو ایستگاه رشت و بندرانزلی استفاده شد. به منظور ریزمقیاس نمایی خروجی های دو مدل اقلیم جهانی، نرم افزار asd مورد استفاده قرار گرفته و پارامترهای دما و بارش برای سه دوره سی ساله 2040-2011، 2070-2041 و 2100-2071 پیش بینی شدند. در ادامه داده های پیش بینی شده دما و بارش و همچنین داده های دبی مشاهداتی ایستگاه هیدرومتری طول لات، به مدل شبکه عصبی، معرفی و تغییرات دبی در دوره های آتی مورد ارزیابی قرار گرفت. مقایسه پارامترهای اقلیمی مشاهداتی و شبیه سازی شده حاکی از آن بود که asd در مدلسازی دما توانایی بالایی از خود نشان داده است. میزان r2 (ضریب تعیین) به دست آمده در همه پارامترهای درجه حرارت و بارش برای مدل cgcm3 از مقادیر بالاتری نسبت به مدل hadcm3 برخوردار بود. این ضریب برای پارامتر بارش در مقایسه با پارامترهای درجه حرارت از مقادیر کمتری برخوردار بود. مقادیر پیش بینی شده برای پارامترهای درجه حرارت برای هر سه دوره سی ساله آینده در اکثر موارد دارای روندی افزایشی بودند. میزان این افزایش در مورد پارامتر درجه حرارت حداکثر و با استفاده از مدل cgcm3 برای ایستگاه رشت به میزان 48/0، 88/0 و 33/1 و برای ایستگاه بندرانزلی به میزان 70/، 07/1 و 55/1 درجه سانتی گراد بود. در مورد شاخص درصد روزهای مرطوب و میانگین پارامتر بارش با استفاده از مدل cgcm3، برای ایستگاه رشت تقریباً در اکثر ماه ها روند کاهشی، و برای ایستگاه بندرانزلی در ماه های سرد روند کاهشی و در ماه های گرم روند افزایشی مشاهده شد. در پیش بینی دبی با کمک شبکه عصبی مصنوعی که با استفاده از مدل cgcm3 انجام گرفت، ماه های گرم دارای روندی افزایشی و ماه های سرد روندی کاهشی به دنبال داشتند.