پژوهشهای تغییرات آب و هوایی

پایش تغییرات آبی در سکونتگاه های انسانی و به ویژه روستایی به دلیل اهمیت و نقش حیاتی آن در پایداری و همچنین اثرگذاری آن بر محیط طبیعی روستا امری حیاتی است. پژوهش حاضر با بهره گیری از تصاویر چندطیفی و حرارتی لندست-5 و لندست-8 به بررسی اثر تغییرات حاصل از خشک شدن رودخانه زاینده رود بر دمای سطح زمین و پوشش گیاهی را در سال های 1990 تا 2023 پرداخته است. بدین منظور از دو شاخص تفاضلی نرمال شده آب (NDWI) و تفاضلی نرمال شده گیاه (NDVI)، دمای سطح زمین (LST) و هات اسپات (Hot Spot) استفاده و تغییرات آنها در سه سطح حریم رودخانه، محدوده یک کیلومتری رودخانه و سکونتگاه های روستایی بررسی شد. بر اساس نتایج، دو سال 2000 و 2008 به عنوان سال هایی که جریان رودخانه در آنها خشک تر از بقیه سال ها بوده شناسایی و سال های 1990، 2013، 2018، 2022 و 2023 نیز بعنوان سال های با جریان آب بیشتر شناسایی شدند. نتایج نشان داد در سال های خشک مقادیر NDWI و NDVI میل به مقادیر مثبت کوچک و در سال های تر میل به مقادیر منفی کوچکتر داشتند. همچنین سال های خشک دارای LST بیشتر بوده و مساحت بیشتری از کلاس های گرم دمایی را به خود اختصاص داده بودند. سال های خشک همچنین نسبت به سال های تر، دارای تعداد بیشتری از نقاط داغ نسبت به نقاط سرد بودند. نتایج حاصل از همبستگی بین پارامترها همچنین بیانگر ارتباط منفی بین LST با NDVI و NDWI در همه سال ها و ارتباط مثبت NDVI و NDWI در سال های خشک تر بود. همچنین همبستگی فاصله از رودخانه صرفا در سال 1990 با LST مثبت و با NDWI منفی و در زیر 100 متر معنادار بود. نتایج مطالعه حاضر به منزله زنگ خطری برای برنامه ریزی و مدیریت صحیح منابع آبی و رودخانه های کشور مفید است.

بارش یکی از مهم ترین مولفه های هیدرولوژی و هواشناسی است که پیش بینی مقادیر آن در زمینه های مختلفی همچون کشاورزی، شرب، صنعت، بهداشت، اقلیم و محیط زیست از اهمیت ویژه ای برخوردار است. با توجه به اینکه وقوع، نوع و میزان بارش به عوامل بسیار زیادی بستگی دارد، مدل سازی و پیش بینی مقدار بارش همواره دارای پیچیدگی ها و چالش های فراوان بوده است. در این پژوهش از داده های پارامترهای هواشناسی ایستگاه همدیدی تبریز شامل دماهای کمینه، بیشینه و میانگین، رطوبت نسبی میانگین، فشار هوای میانگین، سرعت باد بیشینه و بارش در مقیاس های زمانی روزانه و ماهانه در یک دوره 35 ساله (2020-1986) استفاده شد. از روش های یادگیری ماشین و یادگیری جمعی شامل شبکه عصبی مصنوعی پرسپترون چندلایه (MLP)، جنگل تصادفی (RF)، آدابوست (AB)، تقویت گرادیان (GB)، درختان اضافی (ET) و مدل رگرسیون درخت تصمیم (DTR) برای مدل سازی بارش استفاده شد. بدین منظور 70 درصد از داده ها برای آموزش و 30 درصد از داده ها نیز برای آزمون مدل ها در نظر گرفته شدند. برای ارزیای مدل های مورد استفاده، از معیارهای آماری ضریب همبستگی (R)، جذر میانگین مربعات خطاها (RMSE)، میانگین خطای مطلق (MAE) و کلینگ گوپتا (KGE) استفاده شد. مطابق نتایج این تحقیق در مقیاس روزانه مدل MLP با 993/0R=، 184/0RMSE= میلی متر، 184/0MAE= میلی متر و 82/0KGE= و مدل ET با 986/0R=، 324/0RMSE= میلی متر، 324/0MAE= میلی متر و 75/0KGE= و در مقیاس ماهانه به ترتیب مدل MLP با 999/0R=، 153/0RMSE= میلی متر، 222/0MAE= میلی متر و 88/0KGE= و مدل ET با 981/0R=، 266/0RMSE= میلی متر، 197/0MAE= میلی متر و 71/0KGE= از بیشترین دقت و کمترین خطا برخوردارند. به طورکلی نتایج این پژوهش نشان دهنده عملکرد بسیار مناسب مدل های یادگیری ماشین و یادگیری جمعی در مدل سازی بارش در هر دو مقیاس زمانی روزانه و ماهانه است.

تبخیر از تشت به عنوان یک پارامتر کاربردی در زمینه های مختلف، مانند برآورد هدر رفت آب از دریاچه ها و مخازن سدها و همچنین برآورد نیاز آبی گیاهان به ویژه در مناطقی که اطلاعات لایسیمتری وجود ندارد، کاربرد دارد. مدل سازی این پارامتر می تواند در زمینه بازسازی داده های گم شده و برنامه ریزی های درازمدت منابع آب و توسعه کشاورزی کارساز باشد. در این پژوهش با به کارگیری یک مدل هوش مصنوعی (برنامه ریزی بیان ژن) و دو مدل سری زمانی (فوریه و آریما)، تبخیر از تشت در ایستگاه سد زاینده رود در دوره زمانی 1344 تا 1396 (53 سال) مدل سازی شد. سری زمانی داده های تبخیر از تشت در مقیاس روزانه برای ماه های گرم سال (خرداد، تیر، مرداد، شهریور و مهر)، به عنوان ورودی مدل های فوریه و آریما و 4 الگوی مختلف شامل استفاده از داده های روزانه تبخیر 1 ماه قبل، 2 ماه قبل، 3 ماه قبل و 4 ماه قبل، به عنوان ورودی مدل برنامه ریزی بیان ژن استفاده شد. نتایج نشان داد که مدل برنامه ریزی بیان ژن تنها در ماه مهر نتایج قابل قبولی دارد و برای ماه های دیگر نتایج از نظر شاخص های آماری قابل قبول نمی باشد. میزان خطای برآود تبخیر روزانه در ماه مهر 38/0 میلی متر بر روز (معادل 7/2 درصد) بدست آمد. این میزان خطا بر اساس ضریب تبیین 84/0 و ضریب نش- ساتکلیف (ضریب کارایی مدل) 83/0، قابل قبول ارزیابی شد. بر خلاف مدل برنامه نویسی بیان ژن، مدل فوریه در تمام ماه های مورد مطالعه نتایج قابل قبول ارائه داد. مقادیر خطای برآورد تبخیر روزانه در این روش بین 02/1 تا 7/0 میلی متر بر روز به دست آمد که معادل 2/5 تا 8/8 درصد است. مقایسه نتایج دو مدل فوق با نتایج مدل آریما نیز نشان داد مقادیر خطای مدل آریما در تمام ماه ها بیشتر (4/9 تا 6/19 درصد) از مدل های فوریه و برنامه ریزی بیان ژن است. بنابراین بهترین مدل برای برآورد تبخیر روزانه از تشت، در ماه مهر مدل برنامه ریزی بیان ژن و در بقیه ماه ها مدل فوریه می باشد. ارزیابی دقت و توانایی برآورد داده های حدی تبخیر روزانه نیز نشان داد، مدل فوریه در تخمین داده های حدی، دارای توانایی بالاتری نسبت به دو مدل دیگر است. بنابراین می توان این مدل را جهت برآورد تبخیر روزانه در ایستگاه سد زاینده رود و همچنین بازسازی داده های گم شده توصیه نمود.

در این مطالعه از خروجی مدل های اقلیمی CMIP6 برای پیش نگری تغییر در تاریخ آخرین سرمازدگی بهاره و تعداد روزهای سرمازدگی در طول فصل رشد پسته استفاده شد. به این منظور ابتدا 5 مدل اقلیمی شامل BCC-CSM2-MR، CNRM-CM6-1، CMCC-CM2-SR5،GFDL-ESM4  و MRI-ESM2-0 انتخاب شده و داده های دمای حداقل این مدل ها با مقادیر مشاهداتی در 6 ایستگاه انار، کرمان، رفسنجان، شهربابک، سیرجان و زرند در مناطق پسته خیز کرمان و برای دوره پایه (1990-2014) مقایسه گردید. معیارهای خطاسنجی نشان داد که از بین مدل های اقلیمی مدل CNRM-CM6-1 در ایستگاه های انار (r=0.74، ME=-0.89)، کرمان (r=0.73، ME=-1.19)، رفسنجان (r=0.81، ME=-1.88)، سیرجان (r=0.75، ME=-0.43) و زرند (r=0.74، ME=-2.71) و مدل GFDL-ESM4 در ایستگاه شهربابک (r=0.75، ME=1.42) بهتر از بقیه مدل ها دمای حداقل را تخمین می زنند. پس از تعیین بهترین مدل برای هر ایستگاه، از خروجی آن برای تعیین تعداد روزهای سرمازدگی و آخرین سرمازدگی بهاره (بر مبنای آستانه 4 درجه) در دوره پایه و آینده (نزدیک (2026-2050)، میانی (2051-2075) و دور (2076-2100)) و برای 4 سناریوی SSP1-2.6، SSP2-4.5، SSP3-7.0 و SSP5-8.5 و ارزیابی تغییرات رخ داده استفاده شد. نتایج نشان داد که آخرین سرمازدگی بهاره در دوره های آینده نسبت به دوره پایه زودتر اتفاق خواهد افتاد و تعداد روزهای سرمازدگی نیز کاهش خواهد یافت. بر اساس آزمون مقایسه میانگین، تغییر در تاریخ وقوع آخرین سرمازدگی بهاره در تمام ایستگاه ها در دوره های آینده میانی و دور و در سناریوهای SSP3-7.0 و SSP5-8.5 از نظر آماری معنی دار است (P_value<0.05). تغییر در تعداد روزهای سرمازدگی نیز در تمام ایستگاه ها و تمام سناریوها معنی دار است. بر این اساس باید اثرات این تغییرات بر مراحل فنولوژی پسته را در ارائه برنامه های مدیریتی مورد توجه قرار داد.

مناطق ساحلی مهمترین و حساس ترین مناطق به اثرات ناشی از تغییر اقلیم بویژه افزایش سطح آب دریا می باشند که پیامد های وخیم و آسیب های ناشی از آن را با درجه اطمینان بالاتری تجربه می کنند. هدف از این تحقیق ارزیابی آسیب پذیری مناطق ساحلی واقع در محدوده منطقه ویژه اقتصادی انرژی پارس (عسلویه و کنگان) نسبت به  افزایش سطح آب خلیج فارس است. داده های مورد استفاده در این تحقیق شامل داده های جزر و مدی ایستگاه های کنگان، بوشهر و امام حسن، مدل رقومی ارتفاعی، داده های ارتفاعی و تصاویر ماهواره ای سنتینل 2 به منظور ساخت ترکیب رنگی حقیقی با اندازه تفکیک مکانی 10 متر می باشد. نقشه آب گرفتگی منطقه مورد مطالعه در صورت افزایش نیم، یک و دو متری سطح آب دریا تهیه شد. نتایج نشان داد که بیشترین آسیب پذیری افزایش سطح آب دریا مرتبط با مجتمع های پتروشیمی نزدیک به ساحل می باشد. منطقه پارس جنوبی یک در نواحی  رویش جنگل های مانگرو و صنایع  پایین دستی در معرض بیشترین آسیبپ پذیری قرار دارد به طوری که حتی با نیم متر افزایش سطح آب دریا اراضی قابل توجهی به زیرآب خواهد رفت. عدم توجه به خطر بالا آمدن سطح آب دریا می تواند در آینده خسارت اقتصادی هنگفتی را به شرکت های پتروشیمی و صنایع مرتبط همچنین به اکوسیستم های حساس و شکننده ساحلی وارد سازد. بنابراین استراتژی مدیریتی منطقه ای برای کاهش این آسیبپ پذیری امری ضروری است. یکی از راه های مقابله با این آسیبپ پذیری، ساخت تپه های رگه ای و استفاده از موج شکن های معلق در زیر آب  به همراه گرون های T شکل در سواحل تحت خطر آب گرفتگی است.  

گرد و غبار حاصل از رسوبات برجای مانده از پسروی دریاچه ارومیه، می تواند منجر به هسته زایی یخ شده و به این طریق خصوصیات ابرهای شکل گرفته را تحت تاثیر قرار دهد. با توجه به این که این جنبه از اثرات طولانی مدت گرد و غبار حاصل از بستر دریاچه ارومیه به ندرت مورد توجه قرار گرفته است، هدف از پژوهش حاضر، مطالعه نقش گرد و غبار حاصل از پهنه های ماسه ای واقع در غرب دریاچه در هسته زایی یخ و تعیین خصوصیات خاکی اثرگذار بر آن می باشد. نمونه های گرد و غبار در چهار ماه مختلف در طی فصل خشک و با تله های رسوب گیر جمع آوری شدند. خصوصیات فیزیکوشیمیایی نمونه ها از جمله توزیع اندازه ذرات، ماده آلی، به همراه ترکیب شیمیایی و کانی شناسی نمونه ها با روش های مرسوم، اندازه گیری شدند. برای انجام مطالعات هسته زایی یخ، از روش انجماد غوطه وری با استفاده از دستگاه کالری سنج اسکن تفاضلی استفاده شد. دمای یخ زدگی ناهمگن بین 6/244 تا 8/247 درجه کلوین و درصد یخ زدگی ناهمگن بین 46 الی 73 درصد در نمونه های گرد و غبار، حاکی از پتانسیل بالای گرد و غبار حاصل از پهنه های ماسه ای در هسته زایی یخ است. بر اساس نتایج حاصل از این پژوهش ، تغییرات در میزان فعالیت هسته زایی یخ در نمونه ها تحت تاثیر خصوصیات فیزیکوشیمیایی نمونه ها می باشد. مقدار فعالیت هسته زایی، همبستگی منفی با هدایت الکتریکی، درصد شن متوسط، کانی های آراگونیت و هالیت داشت. در مقابل، همبستگی مثبت با درصد رس، سیلت، شن ریز و کانی هایی همچون کلسیت و کوارتز دیده شد. بنابراین، فعالیت هسته زایی بالاتر در انتهای فصل خشک، می تواند ناشی از مقدار شوری کمتر در این نمونه ها باشد. افزایش تولید ریزگرد از سطوح با میزان بالای املاح، می تواند به میزان چشم گیری فعالیت هسته زایی یخ را نسبت به گرد و غبارات غیرنمکی، کاهش دهد و از این طریق منجر به تغییر در خصوصیات ابرها و در نهایت تغییر در میزان بارندگی در منطقه شود.