عنوان

ارزیابی اثر تغییراقلیم بر نوسانات تراز آب زیرزمینی در دوره‌های آتی

Number

پ۲۹۸۶۴

.Language of Text, Soundtrack etc

per

Title Proper

ارزیابی اثر تغییراقلیم بر نوسانات تراز آب زیرزمینی در دوره‌های آتی

First Statement of Responsibility

سارینا امامی

Name of Publisher, Distributor, etc.

کشاورزی

Date of Publication, Distribution, etc.

۱۴۰۲

Specific Material Designation and Extent of Item

۱۰۴ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

علوم و مهندسی آب

Date of degree

۱۴۰۲/۰۶/۲۹

Text of Note

پیش‌بینی تراز آب زیرزمینی اهمیت بسیار زیادی در مدیریت و برنامه‌ریزی منابع آبی دارد و روش‌هایی که بتوانند برآورد دقیقی از آن داشته باشند همواره مورد توجه پژوهشگران بوده است. در این پژوهش جهت بررسی تأثیر تغییر اقلیم بر تراز آب زیرزمینی دشت شبستر، ابتدا مدل‌سازی تغییرات تراز آب زیرزمینی به‌صورت ماهانه در دورۀ پایه(2022-2013) با استفاده از مدل‌های MLP، WNN و MLPSSO-Wavelet انجام شد که از داده‌های نه سال اول برای آموزش و داده‌های سال آخر جهت صحت‌سنجی مدل‌ها استفاده شد و بهترین مدل با استفاده از معیارهای ضريب تبیین(R2)، ریشۀ میانگین مربع خطا(RMSE) و میانگین خطای مطلق(MAE) تعیین شد. بارش و دمای ایستگاه سینوپتیک شبستر در آینده با استفاده از مدل CanESM2 تحت سناريوهای RCP2.6 و RCP8.5 پیش‌بینی و با استفاده از مدل LARS-WG ريزمقياس‌سازي شدند. نتایج این تحقیق نشان داد که تراز آب زیرزمینی دشت شبستر با افت 42/4 متری، از 64/1303 متر در سال 2003 به 22/1299 متر در سال 2022 رسیده است. نتایج ارزیابی مدل‌ها نشان داد که مدل MLPOSSO-Wavelet با مقادیر 83/0R2=، 74/0RMSE= و 71/0MAE= در مرحلۀ صحت‌سنجی، دقت بیشتر و عملکرد بهتری نسبت به مدل‌های دیگر دارد. مطابق نتایج تحت هر دو سناریو، در سه ماه‌ فوریه، جولای و اکتبر در دورۀ آتی(2040-2021)، میانگین بارش نسبت به دورۀ پایه کاهش و در نه ماه دیگر افزایش خواهد یافت. در مورد دما نیز به‌جز سناریو RCP8.5 و در ماه ژوئن که میانگین دما نسبت به همان ماه در دورۀ پایه کاهش را نشان می‌دهد، در 11 ماه دیگر و تحت هر دو سناریو، افزایش دما در آینده پیش‌بینی می‌شود و بیش‌ترین افزایش دما(43/237 درصد) نسبت به دورۀ پایه، در ماه ژانویه و تحت سناریو RCP2.6 خواهد بود. تراز آب زیرزمینی دشت شبستر تحت سناریو RCP2.6 در شش ماه ابتدایی کاهش و در شش ماه دوم نسبت به دورۀ پایه افزایش خواهد یافت. تحت سناریو RCP8.5 فقط در ماه‌های ژانویه، فوریه و دسامبر کاهش تراز آب زیرزمینی پیش‌بینی می‌شود. بیش‌ترین کاهش تراز آب زیرزمینی، تحت هر دو سناریو، در ماه ژانویه اتفاق خواهد افتاد. با توجه به تغییرات اقلیمی و بحران آب، توجه بیشتر به این پدیده و تأثیرات آن امری ضروری می‌باشد.

Text of Note

In recent decades, the topic of climate change has become one of the most important topics due to its various adverse effects in the environmental, economic, social and even political fields. Recent predictions and research show that the climate change will cause the dependence and need of the majority of the world's people on groundwater resources to meet public needs in the not-so-distant future. Therefore, it is very important to predict the changes in the groundwater level and accurately diagnose the behavior of the aquifer against the changes in the climatic parameters. In this research, the effects of climate change on the groundwater level of Shebaster plain aquifer, using several intelligent models including Multi-Layer Perceptron (MLP), Wavelet-ANN(WNN) and optimized Wavelet-ANN model with Sperm Swarm Optimization model (MLPSSO-Wavelet) is investigated. For this purpose, firstly, the modeling of changes in the groundwater level on a monthly basis in the base period (2013-2022) is done, the data of first nine years are used for training and the data of the last year are used for testing the models. In the following, the climate data obtained from the CanESM2 model, which is examined under the RCP2.6 and RCP8.5 emission scenarios. In order to downscale that data, the LARS-WG downscaling model is used. The accuracy and performance of models are checked using the Coefficient of determination (R2), Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) indexes. The results of this research showed that the groundwater level of Shabestar Plain aquifer has dropped by 4.42 meters, from 1303.64 in 2003 to 1299.22 in 2022. The MLPSSO-Wavelet model with R2=0.83, RMSE=0.74 and MAE=0.71 in the test phase has more accuracy and better performance than other models. Under both scenarios, in the three months; February, July and October, the average precipitation will decrease compared to the base period and will increase in the other nine months. except for June under the RCP8.5 scenario, in the other 11 months and under both scenarios, increase in temperature is predicted in the future, and the maximum increase (237.43%) compared to the base period, in January and under the RCP2.6 scenario is predicted. Under the RCP2.6 scenario, the groundwater level will decrease in the first six months and increase in the second six months compared to the base period. Under the RCP8.5 scenario, only in January, February, and December, the groundwater level is expected to decrease, and in other months, the groundwater level will increase compared to the base period. It is predicted that the maximum drop of the groundwater level, under both scenarios, will occur in January. Considering the water crisis, climate changes and the drop in the level of groundwater in different plains, it is necessary to pay more attention to climate change and its effects. It is suggested to use other intelligent models for predicting the groundwater level in future researches.

Variant Title

Evaluation of Climate Change Effect on Groundwater Level Fluctuations in Future Periods

Entry Element

امامی‏،

Part of Name Other than Entry Element

سارینا ‏

Relator Code

تهیه کننده

Entry Element

دربندی،

Entry Element

قربانی،

Entry Element

صمدیان فرد،

Part of Name Other than Entry Element

‏صابره

Part of Name Other than Entry Element

‏محمد علی

Part of Name Other than Entry Element

‏سعید

Dates

استاد راهنما

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏تبریز