ارزیابی تاثیر تغییرات اقلیمی بر برآورد تبخیر-تعرق مرجع و مقایسه آن با داده‌های لایسیمتری(مطالعه موردی دشت بردسیر)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گرو ه مهندسی عمران آب، دانشگاه آزاد اسلامی واحد کرمان

2 دانشجوی دکتری مهندسی عمران، مدیریت منابع آب، دانشگا آزاد واحد کرمان

3 استادیار گروه تولیدات گیاهی دانشکده کشاورزی بردسیر

چکیده

تغییرات اقلیمی با تأثیر بر دما و بارش، نقش نسبتاً به سزائی در تغییرات نیازآبی گیاهان دارد. هدف از این تحقیق پیش‌بینی دما و بارش در دوره آینده‌ی نزدیک و ارزیابی اثر تغییرات اقلیمی بر تبخیر-تعرق و نیازآبی یونجه درمنطقه بردسیر کرمان است. بهترین معادله برای برآورد تبخیر-تعرق واقعی در منطقه، با استفاده از داده‌های اندازه‌گیری شده توسط دستگاه لایسیمتر در یک دوره‌ی هفت ماهه جهت واسنجی، ارائه گردید. به این منظور شش معادله‌ی پرکاربرد به علاوه تکنیک شبکه-های عصبی مصنوعی تحت چهار سناریوی مختلف مورد بررسی قرار‌گرفتند. بهترین معادله از میان معادلات ارائه شده، معادله بلانی کریدل با شاخص‌های نیکویی برازش (R2=0.884) و RMSE=0.11)) و بهترین سناریوی شبکه عصبی مصنوعی، سناریوی دمای میانگین روزانه با شاخص‌ نیکویی برازش (R2=0.802) و ((RMSE=1.516 به‌دست‌آمد. به این ترتیب معادله بلانی کریدل به عنوان مرجع جهت پیش‌بینی انتخاب شد. در ادامه با استفاده از مدل GFDL-ESM2M جهت شبیه‌سازی بارش و دمای آینده نزدیک(2020-2050) استفاده گردید. از داده‌های مشاهداتی دما و بارش ایستگاه‌های هواشناسی منطقه برای دوره‌ی پایه 2016-1987 استفاده شد. توسط سه سناریوی خوش بینانه RCP2.6، حد وسط RCP6 و بدبینانه RCP8.5، روند تغییرات دما و بارش برای دوره‌ی آینده نزدیک (2020-2050 ) استخراج گردید. نتایج نشان داد که میانگین دما برای سه سناریوی یاد شده به ترتیب 2.5، 2.8 و3.1 درجه سلسیوس در سال 2050 افزایش می‌یابد و بارش، تقریبا بدون تغییر خواهد ماند. به این لحاظ انتظار می‌رود که نیاز آبی بخش کشاورزی منطقه در آینده‌ی نزدیک به ترتیب 3.64، 4.69و 5.25 میلیمتر در سال افزایش یابد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of Climate Change Effect on Estimation of Reference Evapotranspiration and Comparison with Lysimetric Data (case study, Bardsir plain)

نویسندگان [English]

  • navid jalalkamali 1
  • morteza rajabi 2
  • mehdi naghizade 3
1 Assistant Professor, Water Science Engineering Department, Islamic Azad University, Kerman Branch
2 Ph.D.Candidate Faculty of Civil Engineering, Water Resources Management, Islamic Azad University, Kerman Branch
3 3. Assistant Professor, Plant Production Department, Agricultural Faculty of Bardsir, Shahid Bahonar University of Kerman
چکیده [English]

Climate change has relatively great effects on water demand of plants by changing temperature and precipitation pattern. this investigation aims was to predict temperature and precipitation in The new future and to evaluate their effects on evapo-transpiration and water demand of alfalfa plant in Bardsir region in kerman province. The best equation for estimating real evaporation-transpiration in the region was derived by using measured data obtained by a lysimetric device in during 7 months. For this purpose, 6 common equations were studied in addition to artificial neural network techniques under different scenarios. The best equation among the presented ones was Blaney-Criddle with R2= 0.884, RMSE=0.11 and the best artificial neural network scenario was mean daily temperature scenario with R2=0.802, RMSE=1.516. Therefore, the Blaney-Criddle equation was selected as a reference for prediction. Then, the GFDI-ESM2M model was used to simulate precipitation and temperature for the near future 2020-2050. Observed Temperature and precipitation data. which were obtained from a weather station in the region, were used for the reference period of 1987-2016. Temperature and precipitation changes trends were by extracted three scenarios; under optimistic RCP2.6, medium RCP6 and pessimistic RCP8.5 scenarios, during 2020-2050. The results showed that the mean temperature for mentioned three scenarios increased by 2.5, 2.8 and 3.1 Celsius degree in the 2050 respectively, and precipitation remained virtually unchanged. In this regard, it is expected that agricultural water demand will increase 3.64, 4.69 and 5.25 mm per year, respectively compared with the reference period.

کلیدواژه‌ها [English]

  • "Climate change Scenarios RCP"
  • "Artificial neural network"
  • " Reference water demand "