پیشبینی اثرات تغییر اقلیم بر منابع آب زیرزمینی با استفاده از روشهای هوش مصنوعی (مطالعه موردی: دشت تالش)
با توجه به افزایش گازهای گلخانهای و به دنبال آن بحرانهای آبی و اقلیمی متعدد، پیشبینی دقیق تغییرات سطح آب زیرزمینی در مدیریت منابع آب مهم و ضروری است. لذا در این مطالعه به بررسی تغییرات اقلیمی دشت تالش تحت سناریوهای RCP با استفاده از Lars-WG و منابع آبی آن از مدلهای SVR و ANN با استفاده از پارامت...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | fas |
Published: |
University of Tehran, College of Aburaihan
2022-08-01
|
Series: | مدیریت آب و آبیاری |
Subjects: | |
Online Access: | https://jwim.ut.ac.ir/article_88206_c0b65b1b88de8063315e31bb69375ac4.pdf |
Summary: | با توجه به افزایش گازهای گلخانهای و به دنبال آن بحرانهای آبی و اقلیمی متعدد، پیشبینی دقیق تغییرات سطح آب زیرزمینی در مدیریت منابع آب مهم و ضروری است. لذا در این مطالعه به بررسی تغییرات اقلیمی دشت تالش تحت سناریوهای RCP با استفاده از Lars-WG و منابع آبی آن از مدلهای SVR و ANN با استفاده از پارامترهای پمپاژ از آبخوان، تبخیروتعرق پتانسیل، دمای کمینه و بیشینه، بارش طی بازه زمانی (1410-1400) پرداخته شد. نتایج تغییرات میانگین دمای کمینه و بیشنه تحت سناریوهای RCP حاکی از افزایش دما به میزان 9/0 و 69/0 درجهسانتیگراد میباشد. همچنین بررسی دقت مدلهای SVR و ANN نشان می-دهد که AUC در مرحله آموزش و آزمایش در مدل ANN حداکثر مقادیر AUC برابر با 876/0 و 769/0 محاسبه گردید در حالی که مدل SVR حداکثر مقادیر آن برابر 867/0 و 819/0 برآورد گردید، لذا SVR دقت پیشبینی بهتری دارد. همچنین در طی بازه زمانی (1399-1384) سطح آب زیرزمینی به میزان 10 سانتیمتر و در مدل SVR و ANN به ترتیب به میزان 9 و 6 سانتیمتر بهطور متوسط طی بازه زمانی ذکر شده کاهش سطح ایستابی داشته است. همچنین در بازه زمانی (1410-1400) در مدلهای SVR و ANN به ترتیب به میزان 18، 20 و 21 سانتیمتر، 20، 21 و 23 سانتیمتر به ترتیب تحت سناریوهای RCP2.6، RCP4.5 و RCP8.5 کاهش سطح آب زیرزمینی رخ داده است. از اینرو پیشنهاد میگردد در دشت تالش توجه به الگوی کشت متناسب با منابع آبی در نقاط مختلف دشت در اولویت برنامهریزان بخش کشاورزی قرار گیرد. |
---|---|
ISSN: | 2251-6298 2382-9931 |