این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آبیاری و زهکشی، جلد ۱۹، شماره ۱، صفحات ۱۵-۲۸
عنوان فارسی ارزیابی اثر تغییر‌اقلیم بر تراز آب زیرزمینی با استفاده از مدل بهینه‌سازی ازدحام اسپرم (مطالعه موردی:آبخوان دشت شبستر)
چکیده فارسی مقاله با توجه به محدودیت منابع آب زیرزمینی در ایران، محاسبه دقیق، استفاده صحیح، تنظیم و نگهداری این منابع از اهمیت بالایی برخوردار است. یکی از روش‌های مؤثر برای مدیریت و بهره‌برداری بهینه از این منابع در حال و آینده، استفاده از مدل‌سازی است. در این پژوهش مدل‌سازی تغییرات تراز آب زیرزمینی به‌صورت ماهانه در دورۀ 2022-2013 با مدل‌های MLP، WNN و MLPSSO-Wavelet انجام شد که از داده‌های نه سال اول برای آموزش و سال آخر جهت اعتبارسنجی استفاده شد و بهترین مدل با استفاده از معیارهای ضریب تبیین (R2)، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) تعیین گردید. بارش و دمای ایستگاه سینوپتیک شبستر در دوره آینده (2040-2021) با استفاده از مدل CanESM2 تحت سناریوهای RCP2.6 و RCP8.5 که ارتباط منطقی و مناسبی با ویژگی های اقلیمی مشاهداتی دارند پیش‌بینی و با استفاده از مدل LARS -WG ریزمقیاس‌سازی شدند. در دورۀ آتی، تحت هر دو سناریو و در ماه‌های فوریه‌، جولای و اکتبر میانگین بارش کاهش و در نه ماه دیگر افزایش خواهد یافت. برای دما نیز به‌جز سناریو RCP8.5 و ماه ژوئن، در 11 ماه دیگر و تحت هر دو سناریو، افزایش دما پیش‌بینی می‌شود و بیش‌ترین افزایش دما (43/37 درصد)، در ماه ژانویه و تحت سناریو RCP2.6 خواهد بود. تراز آب زیرزمینی آبخوان دشت شبستر با افت 42/4 متری، از 64/1303 متر در سال 2003 به 22/1299 متر در سال 2022 رسیده است. مطابق نتایج، مدل MLPOSSO-Wavelet با 83/0R2=، 74/0RMSE= و 71/0MAE= در مرحلۀ اعتبارسنجی، دقت بیشتری نسبت به مدل‌های دیگر دارد. تراز آب زیرزمینی دشت شبستر تحت سناریو RCP2.6 در شش ماه ابتدایی کاهش و در شش ماه دوم نسبت به شش ماه اول افزایش خواهد یافت. تحت سناریو RCP8.5 فقط در ماه‌های ژانویه، فوریه و دسامبر کاهش تراز آب زیرزمینی پیش‌بینی می‌شود و بیش‌ترین کاهش در ماه ژانویه اتفاق خواهد افتاد.
کلیدواژه‌های فارسی مقاله پیش‌بینی،شبکۀ عصبی،مدل‌سازی،LARS-WG،
عنوان انگلیسی ٍEvaluation of Climate Change Effect on Groundwater Level in Using Sperm Swarm Optimization Model (Case Study:Shabester Plain Aquifer)
چکیده انگلیسی مقاله با توجه به محدودیت منابع آب زیرزمینی در ایران، محاسبه دقیق، استفاده صحیح، تنظیم و نگهداری این منابع از اهمیت بالایی برخوردار است. یکی از روش‌های مؤثر برای مدیریت و بهره‌برداری بهینه از این منابع در حال و آینده، استفاده از مدل‌سازی است. در این پژوهش مدل‌سازی تغییرات تراز آب زیرزمینی به‌صورت ماهانه در دورۀ 2022-2013 با مدل‌های MLP، WNN و MLPSSO-Wavelet انجام شد که از داده‌های نه سال اول برای آموزش و سال آخر جهت اعتبارسنجی استفاده شد و بهترین مدل با استفاده از معیارهای ضریب تبیین (R2)، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) تعیین گردید. بارش و دمای ایستگاه سینوپتیک شبستر در دوره آینده (2040-2021) با استفاده از مدل CanESM2 تحت سناریوهای RCP2.6 و RCP8.5 که ارتباط منطقی و مناسبی با ویژگی های اقلیمی مشاهداتی دارند پیش‌بینی و با استفاده از مدل LARS -WG ریزمقیاس‌سازی شدند. در دورۀ آتی، تحت هر دو سناریو و در ماه‌های فوریه‌، جولای و اکتبر میانگین بارش کاهش و در نه ماه دیگر افزایش خواهد یافت. برای دما نیز به‌جز سناریو RCP8.5 و ماه ژوئن، در 11 ماه دیگر و تحت هر دو سناریو، افزایش دما پیش‌بینی می‌شود و بیش‌ترین افزایش دما (43/37 درصد)، در ماه ژانویه و تحت سناریو RCP2.6 خواهد بود. تراز آب زیرزمینی آبخوان دشت شبستر با افت 42/4 متری، از 64/1303 متر در سال 2003 به 22/1299 متر در سال 2022 رسیده است. مطابق نتایج، مدل MLPOSSO-Wavelet با 83/0R2=، 74/0RMSE= و 71/0MAE= در مرحلۀ اعتبارسنجی، دقت بیشتری نسبت به مدل‌های دیگر دارد. تراز آب زیرزمینی دشت شبستر تحت سناریو RCP2.6 در شش ماه ابتدایی کاهش و در شش ماه دوم نسبت به شش ماه اول افزایش خواهد یافت. تحت سناریو RCP8.5 فقط در ماه‌های ژانویه، فوریه و دسامبر کاهش تراز آب زیرزمینی پیش‌بینی می‌شود و بیش‌ترین کاهش در ماه ژانویه اتفاق خواهد افتاد.
کلیدواژه‌های انگلیسی مقاله پیش‌بینی,شبکۀ عصبی,مدل‌سازی,LARS-WG
نویسندگان مقاله سارینا امامی |
دانشجوی کارشناسی ارشد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

صابره دربندی |
گروه مهندسی آب، دانشگاه تبریز

محمد علی قربانی |
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

سعید صمدیان فرد |
گروه مهندسی آب، دانشگاه تبریز

نشانی اینترنتی https://idj.iaid.ir/article_213390_35ee314400626c717be390d46f11c785.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات