اخبار و اعلانات

 آمار

تعداد نشریات285
تعداد نشریات سازمان83
تعداد شماره‌ها3,084
تعداد مقالات34,405
تعداد مشاهده مقاله48,440,420
تعداد دریافت فایل اصل مقاله79,091,187
خالویی, سعیده, خلیقی, شهرام, احمدالی, خالد, ملکیان, آرش. (1402). اثر تغییر اقلیم بر مقدار رواناب تولیدی در منطقه هشت شهر شیراز. سامانه مدیریت نشریات علمی, 15(1), 55-67. doi: 10.22092/ijwmse.2022.352497.1853
سعیده خالویی; شهرام خلیقی; خالد احمدالی; آرش ملکیان. "اثر تغییر اقلیم بر مقدار رواناب تولیدی در منطقه هشت شهر شیراز". سامانه مدیریت نشریات علمی, 15, 1, 1402, 55-67. doi: 10.22092/ijwmse.2022.352497.1853
خالویی, سعیده, خلیقی, شهرام, احمدالی, خالد, ملکیان, آرش. (1402). 'اثر تغییر اقلیم بر مقدار رواناب تولیدی در منطقه هشت شهر شیراز', سامانه مدیریت نشریات علمی, 15(1), pp. 55-67. doi: 10.22092/ijwmse.2022.352497.1853
خالویی, سعیده, خلیقی, شهرام, احمدالی, خالد, ملکیان, آرش. اثر تغییر اقلیم بر مقدار رواناب تولیدی در منطقه هشت شهر شیراز. سامانه مدیریت نشریات علمی, 1402; 15(1): 55-67. doi: 10.22092/ijwmse.2022.352497.1853

اثر تغییر اقلیم بر مقدار رواناب تولیدی در منطقه هشت شهر شیراز

مهندسی و مدیریت آبخیز
مقاله 5، دوره 15، شماره 1، فروردین 1402، صفحه 55-67    اصل مقاله (1.28 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/ijwmse.2022.352497.1853
نویسندگان
سعیده خالویی1؛ شهرام خلیقی* 2؛ خالد احمدالی3؛ آرش ملکیان2
1کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران
2دانشیار، دانشکده منابع طبیعی، دانشگاه تهران
3استادیار دانشکده منابع طبیعی، دانشگاه تهران
چکیده
امروزه اثرات تغییر اقلیم در چرخه‌ هیدرولوژی حوضه و اثر در تغییرات رژیم هیدرولوژیکی، موضوع مهم پژوهشی شده است. عموما برای تعیین کمیت تاثیر تغییرات اقلیم بر رژیم هیدرولوژیکی، نتایج مدل‌های گردش عمومی جو (GCMs) همراه با مدل‌های هیدرولوژیکی استفاده می‌شوند. در این تحقیق، داده‌های روزانه دماهای کمینه و بیشینه، بارش و ساعات آفتابی ایستگاه سینوپتیک شیراز با استفاده از مدل آماری LARSE_WG6.0 شبیه‌سازی شد و پس از اطمینان از کارایی این مدل در شبیه‌سازی متغیرهای هواشناسی مذکور در حوزه آبخیز شیراز، برای بررسی تاثیر پدیده تغییر اقلیم بر رواناب منطقه مورد مطالعه داده‌های دو سناریوی مدل HadGEM2-ES در دو دوره با مدل آماری‌ LARSE_WG کوچک مقیاس شد. در مرحله بعد، رواناب منطقه با استفاده از مدل SWMM شبیه­‌سازی شد و نتایج آن با رواناب اندازه‌گیری شده مقایسه شد. بدین منظور، دو واقعه برای واسنجی و یک واقعه برای اعتبارسنجی مورد استفاده قرار گرفت. بر اساس آماره‌های همبستگی (R)، ریشه مربعات خطا (RMSE) و ضریب کارایی نش-ساتکلیف (NSE) مدل از کارایی مناسبی برای شبیه‌­سازی رواناب برخوردار است. سپس، داده‌های بارش مدل  LARSE_WG به مدل SWMM وارد شده و تغییرات رواناب در دوره‌های آتی نسبت به دوره پایه محاسبه شد. طبق سناریوهای اقلیمی RCP4.5 و RCP8.5 پیش‌­بینی می‌شود که بارش در دوره 2040-2021، 16.10 تا 8.88 و در دوره ‌2080-2061، 14.49 و 19.73 درصد افزایش خواهد داشت. بنابراین، با فرض عدم تغییر کاربری در سطح منطقه هشت شهر شیراز از این لحاظ حجم رواناب 13.35 تا 21.48 درصد افزایش خواهد یافت.
کلیدواژه‌ها
حجم و عمق رواناب؛ سناریوهای اقلیمی؛ شبیه‌سازی رواناب؛ گردش عمومی جو؛ مدل SWMM
عنوان مقاله [English]
The effect of climate change on runoff produced in some part of Shiraz
نویسندگان [English]
Saeideh Khaloei1؛ Shahram Khalighisigaroodi2؛ khaled ahmadauli3؛ arash malekian2
1MSc of Watershed Management,, Faculty of Agriculture and Natural Resources, University of Tehran, Karaj, Iran
2Associate Professor, Faculty of Agriculture and Natural Resources, University of Tehran, Iran
3Assistant Professor, Faculty of Agriculture and Natural Resources, University of Tehran, Iran, Karaj, Tehran
چکیده [English]
Recently, the effects of climate change on the hydrological cycle and regime have become an important research topic. The results of atmospheric general circulation models (GCMs) together with hydrological models are used to determine the impacts of climate change on hydrologic regime. The daily minimum and maximum temperatures, rainfall and sunshine hours of the Shiraz synoptic station were simulated using the LARSE_WG6.0 statistical model. The efficiency of the model for simulating climate variables was determined using historical data of Shiraz station. To investigate climate change on runoff, two scenarios of the HadGEM2-ES model for two periods were downscaled using the LARSE_WG model. In the next step, runoff was simulated using the SWMM model and its results were compared with the measured runoff. For this purpose, 2 events were used for calibration and one event for validation. Based on coefficient correlation (R), root mean square error (RMSE) and Nash-Sutcliffe efficiency (NSE), the model has a suitable efficiency for simulating runoff. Then, LARSE_WG downscaled data were used in SWMM model and the runoff changes in future periods compared to present. According to RCP4.5 and RCP8.5 climate scenarios, precipitation will increase from 16.10 to 8.88% in 2021-2040 and 14.49% and 19.73% in 2061-2080. Therefore, assuming no change in landuse in Shiraz district 8, the volume of runoff will increase from 13.35 to 21.48 percent.
کلیدواژه‌ها [English]
Climate scenarios, General atmospheric circulation, Runoff simulation, Runoff volume and depth, SWMM Model
مراجع
  1. Abdo, K.S., B.M. Fiseha, T.H.M. Rientjes, A.S.M. Gieske and A.T. Haile. 2009. Assessment of climate change impacts on the hydrology of Gilgel Abay Catchment in Lake Tana Basin, Ethiopia. Hydrological Processes: An International Journal, 23(26): 3661-3669 (in Persian).
  2. Abyar, Sh., M. Abbasi, R. Najafabadi, R. Fattahi Nafchi and H. Samadi Boroujeni. 2019. Investigating the ability of SWMM Model in designing urban runoff collection network, case study: Shahrekord. 3rd Iranian National Hydrology Conference, Tabriz (in Persian).
  3. Angel, S., J. Parent, D.L. Civco, A. Blei and D. Potere. 2011. The dimensions of global urban expansion: estimates and projections for all countries, 2000–2050. Progress in Planning, 75(2): 53-107.
  4. Arman, N., A. Shahbazi, M. Faraji and S. Dehdari. 2019. The effect of urban development on runoff production using the SWMM Model, case study: Izeh City. Journal of Watershed Engineering and Management, 11(3): 758-750 (in Persian).
  5. Babaeian, I. and Z. Najafinik. 2006. Assessment of LARS-WG Model to simulate meteorological parameters in Khorasan Province, 1961-2003 statistical period. Journal of Nivar, 62: 49-65 (in Persian).
  6. Badieizadeh, S., A. Bahrehmand, A. Dehghani and N. Nora. 2015. Urban flood management through surface runoff simulation using SWMM Model in Gorgan City in Golestan Province. Journal of Soil and Water Conservation Research, 22(4): 26-39 (in Persian).
  7. Cacho, O., R. Hean, K. Ginoga, R. Wise, D. Djaenudin, M. Lugina and N. Khasanah. 2008. Economic potential of landuse change and forestry for carbon sequestration and poverty reduction. Part 1, Australian Centre for International Agricultural Research, Canberra, 33-67.
  8. Cibin, R., K.P. Sudheer and I. Chaubey. 2010. Sensitivity and identify ability of stream flow generation parameters of the SWAT Model. Journal of Hydrological Processes, 24: 1133-1148.
  9. Delghandi, M. and R. Moazenzadeh. 2017. Investigating spatiotemporal variations of precipitation and temperature over Iran under climate change condition considering AOGCM models and emission scenarios uncertainty. Ecohydrology, 3(3): 321-331 (in Persian).
  10. Einloo, F., A. Selajgeh, Sh. Khaliqi Sigaroodi, A. Malekian and M. Ahadnejad. 2016. Investigation of the effect of urban development on runoff volume changes using precipitation model-SWMM runoff, case study: Zanjan urban watershed. Iranian Journal of Watershed Management Science and Engineering, 10(95): 15-23.
  11. Ghaderi, N., K. Soleimani, A. Kavian and M. Rashidpour. 2020. Utilization of SWMM Model in determining the collection and extraction capacity of runoff in Babolsar City, Mazandaran Province. Watershed Engineering and Management, 12(4): 1055-1064 (in Persian).
  12. Goodarzi, M., B. Motamed Vaziri and M. Mir Hosseini. 2019. Evaluation of changes in meteorological parameters due to climate change using Lars climate generator: a case study of Cannes. Iran Watershed Management Science and Engineering, 13(44): 25-36 (in Persian).
  13. Janga, S., M. Chob, J. Yoonc, Y. Yoond, S. Kime, G. Kimf, L. Kimg and H. Aksoyh. 2007. Using SWMM as a tool for hydrologic impact assessment. Desalination, 212(1): 344-356.
  14. Khazaei, M., M. Bayazidi and A. Sharafati. 2017. The effect of climate change on annual temperature and rainfall in Zanjan Province by examining uncertainties. Echo Hydrology, 4: 860-847 (in Persian).
  15. Komozep, T. and O. Chung. 2014. The effects of climate change on the water resources of the Geumho River Basin, Republic of Korea. Journal of Hydro-Environment Research, 8(4): 358–366.
  16. Kling, H., M. Fuchs and M. Paulin. 2012. Runoff conditions in the upper Danube Basin under an ensemble of climate change scenarios. Journal of Hydrology, 424: 264-277.
  17. Laouacheria F., S. Kechida and M. Chabi. 2019. Modelling the impact of design rainfall on the urban drainage system by storm water management model. Journal of Water and Land Development, 40(I–III): 119–125.
  18. Lowe, S.A. 2010. Sanitary sewer design using EPA storm water management model. Computer Applications in Engineering Education, 18(2): 203–212.
  19. Minville, M., F. Brissette and R. Leconte. 2008. Uncertainty of the impact of climate change on the hydrology of a nordic watershed. Journal of Hydrology, 358(1-2): 70-83.
  20. Modarresi, F., Sh. Iraqinejad, K. Ebrahimi and M. Kholqi. 2011. Investigation of the effect of climate change on the annual discharge of rivers. Journal of Water and Soil (Agricultural Science and Resources), 25(6): 1377-1396 (in Persian).
  21. Mohammadlou, M., A. Hagizzadeh, H. Zeiniwand and N. Tahmasebipour. 2014. Assessment of the effects of climate change on the trend of Barandozchay sea drainage changes in West Azarbaijan Province using general barley rotation models. Ecodiology, 1(1): 25- 34 (in Persian).
  22. Moriasi, D.N., J.G. Arnold, M.W. Van Liew, R.L. Bingner, R.D. Harmel and T.L. Veith. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. American Society of Agricultural and Biological Engineers, 50: 885-900.
  23. Nasiri, B. and Z. Yarmoradi. 2017. Predicting the climatic parameters changes of Lorestan Province in the next 50 years using the HADCM3 Model. Scientific-Research Quarterly of Geographical Data (SEPEHR), 26(101): 143-154 (in Persian).
  24. Noori, M., M. Zarghami, M.B. Sharifi and M. Heydari. 2013. Utilization of LARS-WG Model for modelling of meteorological parameters in Golestan Province of Iran. Journal of River Engineering, 1: 19-35 (in Persian).
  25. Pourasmail, M. 2018. Investigation of flood vulnerability of urban areas based on multi-criteria decision making methods, case study: Azimiyeh area of Karaj. MSc Thesis, University of Tehran, 128 pages (in Persian).
  26. Rashidpour, M., K. Soleimani, K. Shahedi and W. Karimi. 2017. Flood simulation in surface runoff drainage network, case study of Shahrzad River Basin of Babolsar-Mazandaran River. Watershed Management Research Journal, 8(15): 19-38 (in Persian).
  27. Rostami Khalaj, M., M. Mahdavi, Sh. Khalighi Sigarodi and A. Salajaghe. 2012. Sensitivity analysis
    of the variables influencing the urban flooding using SWMM Model. Journal of Watershed
    Management, 3(5): 12-23 (in Persian).
  28. Samuel, K., L. Michele, E. Warburton, G. Archervan and P.W. Graham. 2013. Impacts of climate change on water resources in southern Africa: a reviewstudy of Vernonia. Oregon, USA, 46:137–146.
  29. Shahbazi, A., Sh. Khalighi Sigaroodi, A. Malekian and A. Salajeghe. 2013. Sensitivity analysis of input parameters of SWMM urban runoff management model, case study: Mahdasht City. Watershed Management Research (Research and Construction), 30(1): 67-75 (in Persian).
  30. Semenov, M.A., R.J. Brooks, E.M. Barrow and C.W. Richardson. 1998. Comparison of the WGEN and LARS-WG stochastic weather generators in divers climates. Korea Meteorological Research Institute, Climate Research, Lab, 75 pages.
  31. Soleimani, K. 1394. Hydrology and quantitative modeling of urban floods in GIS and SWMM. Haraz University Press, Remote Sensing Association and Iran GIS, 322 pages (in Persian).
  32. Wilby, R.L. and I. Harris. 2006. A framework for assessing uncertainties in climate change impacts: low‐flow scenarios for the River Thames, UK. Water Resources Research, 42(2): 25-39.
  33. Wu, H and B. Chen. 2015. Evaluating uncertainty estimates in distributed hydrological modeling for the Wenjing River Watershed in China by GLUE, SUFI-2 and Para Sol methods. Ecological Engineering, 76: 110-121.
  34. Zaghloul, N.A. and B.L. Al Mutairi. 2010. Water harvesting of urban runoff in Kuwait. Civil Engineering, 17(3): 236-249.
آمار
تعداد مشاهده مقاله: 788
تعداد دریافت فایل اصل مقاله: 409


counter
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب