The Impact of Drought on Changes and Prediction of the Hydrological Characteristics of the Kashafroud River Basin

Document Type : Original Article

Authors

1 - hydraulic Structures of Ferdowsi University of Mashhad

2 water science and engineering. ferdowsi university of mashhad- mashhad -Iran

3 Associate Professor at Department of Water Engineering, Ferdowsi University of Mashhad

Abstract

Many disasters such as flood, drought and changes in meteorological parameters are threating our planet, which mostly caused by climate change and global warming. By monitoring and accurate prediction of climatic and hydrological variables, these are the effective ways to make strategic decision. By studying the most effective meteorological parameters on river flow, besides, studying the changes in river flow for Kashafroud basin by monitoring and predicting hydrological drought (for time period of 2018-2047); it was tried to display a picture of changes for future condition of basin. In this study, for estimating the effective parameters on river flow for annual time scale, two synoptic datasets (Mashhad and Golmakan) and two hydrometric station datasets (Oulang and Moushang) for time period of 1987 to 2014, were used. In Mashhad synoptic station (upstream), the most effective parameters in significant level of 5%, maximum temperature, precipitation, and sunshine hours were calculated. In Golmakan synoptic station, which is almost located in downstream, the precipitation and sunshine hours that is effective parameters on flow, were calculated as well. For the base time period, for both Mashhad and Golmakan synoptic stations, 2001 and 2008 were the driest years. By using LARS-WG with HadCM3 model and A2 scenario, future metrological parameters were simulated. The results showed that in upcoming years, for Mashhad synoptic station, significant flow will be occurred in comparison with the base flow for last 30 years; such that the maximum flow rate of 5.5 cubic meters per second will be expected for future Mashhad synoptic station. Conversely, the flow reduction and hydrological drought in comparison with the base flow, were observed.

Keywords

References

کاراموز،م.، عراقی نژاد،ش.1384.هیدرولوژی پیشرفته، انتشارات امیرکبیر.تهران.1384
شکری،س.، هوشمند،ع. فصلنامه علمی پژوهشی اکوبیولوژی تالاب. دانشگاه آزاد اسلامی واحد اهواز. 6. 33: 57-68
اسدی،م،. 1395. تاثیر خشک­سالی بر منابع آب (مطالعه موردی: حوضه آبخیز طرق) اولین همایش ملی مدیریت بحران، ایمنی، بهداشت، محیط زیست و توسعه پایدار، موسسه آموزش عالی مهر اروند و مرکز راهکارهای دستیابی به توسعه پایدار.تهران.
خزانه­داری،ل.، کوهی،م.، زابل عباسی،ف.، قندهاری،ش. 1389. بررسی روند خشک­سالی در ایران طی سی سال آینده (2039-2010)، تهران: چهارمین کنفرانس منطقه­ای تغییراقلیم، 29 آذر - یکم دی 1389.
علیزاده،ا. 1387. کتاب اصول هیدرولوژی، انتشارات آستان قدس رضوی. 145-121.
خوش­اخلاق،ف.، افشارمنش،ح.، شفیعی،ز.، آقاعلیخانی،م. 1389. ارزیابی اثر تغییر اقلیم بر هیدرولوژی آب­های سطحی، مطالعه­ی موردی: رودخانه­ی کارون. موسسه­ی ژئوفیزیک، مقالات پوستری، فیزیک فضا، چهاردهمین کنفرانس ژئوفیزیـک ایـران،تهران.192-210.
تیموری،م.، فتح­زاده،ع. جغرافیا و توسعه: 1393. 12 . 34:99-107.
شریعتی،م. 1395. تاثیر تغییرات آب و هوایی بر منابع آب(مطالعه موردی رودخانه زرینه‌رود)، ششمین کنفرانس ملی مدیریت منابع آب ایران. کردستان. دانشگاه کردستان
صالح­نیا،ن.، موسوی بایگی،م.، انصاری،ح.1392. پیش­بینی خشک­سالی با استفاده از نمایه شدت خشک­سالی پالمر به کمک خروجی مدل ریزمقیاس­نماییLARS-WG و  HadCM3(مطالعه موردی حوضه نیشابور). نشریه آبیاری و زهکشی ایران. 7: 103-93.
علیزاده،ا،. آشگر طوسی،ش. 1387.توسعه یک مدل برای پایش و پیش­بینی خشک­سالی. ویژه آب و خاک. جلد22 . شماره1: 5-15.
مدرسی،ف.، عراقی­نژاد،ش.، ابراهیمی،ک.، خیاط خلقی،م.1389 . بررسی منطقـه­ای پدیده تغییر اقلیم با استفاده از آزمون­های آماری مطالعه­ی موردی: حوضه آبریز گرگان­رود - قـرهسو. آب و خاک علوم و صنایع کشاورزی. 489 . 3: 24ـ.4.
مرید،س.، پایمزد،ش. 1386. مقایسه روش­های هیدرولوژیکی و هواشناسی جهت پایش روزانه خشک­سالی، علوم و فنون کشاورزی و منابع طبیعی. جلد11.شماره42: 333-335
Amad,S,. S,Simonovic.2005. Artificial neural network model for generating hydrograph from hydro –meteorological parameters. Journal of hydrology, 18(2): 236-250.
Ababaei,B., Karimi,B., Mirzaei,F. 2010. Evaluation of a Stochastic Weather Generator in Different Climates, Computer and Information Science. 3. 3:91-101
Garen,D.C. 1993. Revised Surface Water Supply Index (SWSI) for Western United States. Journal of Water Resources Planning and Management. 119. 4 : 437-454.
Heim,R.J. 2010. Canad Drought Indices and   Definitions Study and SWSI (Surface Water SupplyIndex)Study,NOAA/NESDIS/National Climatic Data Center Asheville, North Carolina,USA.GEO-DRI Drought Monitoring Worksh Winnipeg, Manitoba, Canada.10-11.
Loukas,A., Vasiliades,L., Tzabiras,J. 2008. Climate change effects on drought severity, Department of Civil engineering, University of Thessaly, 38334 Volos, Greece, Adv. Geosci. 17: 23-29.
Mullan,B., Porteous,A., Wratt,D., Hollis,M. 2005. Changes in drought risk with climate change, NIWA Client Report: WLG2005-23,NIWA Project: MFE05305, Prepared for Ministry for the Environment (NZ Climate Change Office) Ministry of Agriculture and Forestry.
Semenov,M., Barrow,E. 1997. Use Of A Stochastic Weather Generator In The Development Of Climate Change Scenarios Climatic Change,Kluwer Academic Publishers. Printed in the Netherlands. 35:397-414
Sheffield,J., WoodE,F., Roderick,M,L. 2012. Little Change in Global Drought over the Past 60 Years. Nature 491(7424): 435-438.
Tokarczyk,T. 2013. Classification of   Low Flow and Hydrological Drought for a   River Basin. Acta Geophysica. 61.2: 404-  421.
Yu,P.S., Yang,T.C and Wu,C.K. 2002. Impact of climate change on water    resources in southern Taiwan. Journal of Hydrology. 260:161-175.
Iranian Journal of Irrigation & Drainage
Volume 12, Issue 2 - Serial Number 68
July and August 2018
Pages 239-247

Files

Share

How to cite

Statistics