دانشگاه گلستانپژوهشهای تغییرات آب و هوایی2717-206631220230220Investigating the relationship between spatial changes of soil carbon deposition with climatic elements of temperature and precipitation in recent years (Ahangaran basin study areaبررسی رابطه تغییرات مکانی ترسیب کربن خاک با عناصر اقلیمی دما و بارش در سالهای اخیر (منطقه مطالعه حوضه آهنگران)12016222510.30488/ccr.2022.365475.1100FAاسما جعفریکارشناسارشد مهندسی منابع طبیعی_ مدیریت مناطق بیابانی دانشکده کشاورزی دانشگاه شیرازحمیده سفیدیکارشناس ارشد بیابانزدایی دانشکده کشاورزی و منابع طبیعی کرج دانشگاه تهرانمیلاد رحیمیدانشگاه تربیت مدرس، دانشکده منابع طبیعی و محیط زیست؛ نورJournal Article20221012Therefore, investigating the relationship between the spatial changes of soil carbon deposition with the climatic elements of temperature and precipitation in order to study and apply practical methods to calculate the amount of carbon deposition, study models such as RothC are very important. In the present study, the efficiency of the RothC model to estimate the organic carbon stored in the mountain pastures of Mereg Serfirouzabad, Kermanshah province has been investigated. Sampling was done in the form of a managed random design using 45 points with a radius of 20 km in the surface soil. Model inputs include independent variables (climate with 25-year statistics; monthly rainfall, monthly evaporation and transpiration, average air temperature) and soil texture and vegetation of the region. The output of the model included soil organic carbon with four active parts (IOM), (DPM), (RPM), (BIO) and a separate part (HUM), each part is decomposed depending on its characteristics. In this research, three time periods were sampled, which were collected in the years 1380, 1389 and the last statistics in the fall of 1396 respectively. Finally, after calibration, the RothC model was implemented in 1380 to 1389 harvesting cycles for 1396 and it was found that the climate change parameter has a strong effect on organic carbon storage. Therefore, the RMSE error for the model in question is less than 0.11 and MBI has reached 0.05, which has caused the model performance factor to be -0.96 and the high accuracy of the RothC model is emphasized. The results show that the amount of total carbon stock for pastures is 4.48 tons per hectare, and this value is lower in agriculture and reaches 4.36 tons per hectare. In general, all indicators show the effect of agriculture on the weakening of carbon storage in all stages.شناخت عوامل فیزیکی و مدیریتی موثر بر ذخیره کربن آلی درخاک میتوان به ارتقاء باروری خاک و حفظ محیطزیست کمک کند. بنابراین بررسی رابطه تغییرات مکانی ترسیب کربن خاک با عناصر اقلیمی دما و بارش جهت مطالعه و بکارگیری روشهای کاربردی برای محاسبه میزان ترسیب کربن مدلهای مطالعاتی همچون RothC اهمیت فراوانی دارند. در مطالعه حاضر کارایی مدل RothC جهت برآورد کربن آلی ذخیره شده در مراتع کوهستانی حوزه مِرِگ سرفیروزآباد، استان کرمانشاه مورد بررسی قرار گرفته است. نمونهگیری در قالب یک طرح تصادفی مدیریت شده با استفاده از 45 نقطه شعاع 20 کیلومتری در خاک سطحی انجام گرفت. ورودیهای مدل شامل متغیرهای مستقل (اقلیمی با آمار 25 ساله؛ بارندگی ماهانه، تبخیر و تعرق ماهانه، متوسط دمای هوا) و بافت خاک و پوشش گیاهی منطقه میباشد. خروجی مدل شامل کربن آلی خاک با چهار بخش فعال (<sup>[1]</sup>IOM)، (<sup>[2]</sup>DPM)، (<sup>[3]</sup>RPM)، (<sup>[4]</sup>BIO) و یک بخش جدا(<sup>[5]</sup>HUM) بود که هر بخش بسته به ویژگیهای خودش تجزیه میشود. در این پژوهش سه دوره زمانی نمونه برداری گردید که بهترتیب سالهای 1380، 1389 و آخرین آمار در پاییز 96برداشت شده است. نهایتاً مدل RothC بعد از کالیبراسیون در دورهای برداشت 1380 تا 1389 برای 1396 اجراشد و مشخص شد پارامتر تغییرات آب و هوایی اثر شدیدی بر ذخیره کربن آلی دارد. بنابراین خطای RMSE برای مدل مورد نظر کمتر از 0.11 و همچنین MBI به 0.05 رسیده است که سبب شده فاکتور کارکرد مدل 0.96- باشد و دقت بالای مدل RothC مورد تأکید قرار میگیرد. نتایج نشان میدهد که مقدار کربن کل ذخیره برای مراتع 4.48 تن درهکتار و این مقدار در کشاورزی سطح پایین تری دارد و به مقدار 4.36 تن در هکتار میرسد. در کل کلیه شاخصها نشان دهنده اثر زراعت بر تضعیف ذخیره کربن در تمام مراحل دارد.<br /> https://ccr.gu.ac.ir/article_162225_7666e0bd677ceae3ee309dde3f90f9e6.pdfدانشگاه گلستانپژوهشهای تغییرات آب و هوایی2717-206631220230220Snow depth estimating as one of the consequences of climate change using the combined least squares model approach of support vector machine and genetic algorithmبرآورد عمق برف به عنوان یکی از پیامدهای تغییرات آب و هوایی با استفاده از رویکرد مدل ترکیبی حداقل مربعات ماشین بردار پشتیبان و الگوریتم ژنتیک213616248110.30488/ccr.2022.369343.1105FAمصطفی آصفیکارشناس ارشد آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، ایران0000-0002-5512-8592علی فتحزادهدانشیار، دانشکده دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، ایران0000-0001-6869-8204روح الله تقی زاده مهرجردیاستادیار، دانشکده دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، ایران0000-0002-4620-6624محمد علی زارع چاهوکیدانشیار، دانشکده مهندسی کامپیوتر، دانشگاه یزد، ایرانJournal Article20221111One of the direct and evident impacts of climate change is the change in the amount of snowfall in different geographical areas. It is worth mentioning that snowfall in mountain basins is always taken into account as the most important source of water supply in dry seasons. Due to some restrictions, data collection, particularly on a large scale, is difficult and at sometimes impossible. Consequently, using indirect methods is recommended. In this study, the efficiency of least squares support vector machine in modeling the depth of snow and the impact of feature reduction with genetic algorithms model in Chelgerd , Iran was investigated. At first, with using the Hypercube model, the locations of 100 points were specified, and the data of snow depth at certain points as well as other 195 points were randomly collected. Afterwards, with using DEM,, 25 Geomorphomety parameters were extracted, and these parameters with six bands, eight Landsat satellite images and the difference index of normalized snow were chosen as the inputs of models. In this study, genetic algorithm is used to increase the speed of support vector machine which is considered as a classifier and make it ready. Also, genetic algorithm is utilized to choose the variants having the most coherence with the snow depth. Since the reduction of ineffective features can increase the accuracy of learning, genetic algorithm was used in this study for the optimization process. The results showed that the least squares method of the S.V.M with the coefficient of determination of 0.36 and the SMSE of 17.8 has modeled the snow depth. However, the genetic algorithm by selecting the effective features was able to model snow depth changes better with a determination coefficient of 0.95 and RMSE equal to 3.97 cm which is more accurate than using all features.از جمله اثرات مستقیم و مشهود تغییرات آب و هوایی، دگرش در میزان بارش برف در مناطق مختلف جغرافیایی است. این در حالی است که بارش برف در حوضههای کوهستانی همواره بهعنوان مهمترین منبع تأمین منابع آب در فصول خشک تلقی میشود. یکی از آشکارترین ویژگیهای پوشش برف کوهستان، ناهمگنی مکانی آن میباشد. بهدلیل محدودیتهای عملی، جمعآوری دادهها بهویژه در مقیاسهای وسیع، دشوار و گاهی غیرممکن بوده و استفاده از روشهای غیرمستقیم توصیه میشود. در این پژوهش کارایی حداقل مربعات ماشین بردار پشتیبان در مدلسازی عمق برف و همچنین اثر کاهش ویژگی با مدل الگوریتم ژنتیک در منطقه کوهستانی چلگرد ایران مورد بررسی قرار گرفت. ابتدا با استفاده از روش هایپرکیوب محل ۱۰۰ نقطه مشخص و دادههای عمق برف در نقاط موردنظر و همچنین در ۱۹۵ نقطه دیگر بهصورت تصادفی برداشت گردید. سپس با استفاده از مدل رقومی ارتفاع ۲۵ پارامتر ژئومورفومتری استخراج گردید و همراه با شش باند تصاویر ماهواره لندست هشت و شاخص تفاوت نرمال شده برف بهعنوان ورودیهای مدلها انتخاب گردید. در این پژوهش از الگوریتم ژنتیک برای افزایش سرعت و آمادهسازی شبکه ماشین بردار پشتیبان که بهعنوان یک دستهبندیکننده عمل میکند و همچنین انتخاب متغیرهایی که بیشترین همبستگی را با عمق برف دارند استفاده گردید. ازآنجاییکه کاهش ویژگیهای غیر مؤثر میتواند سبب افزایش دقت یادگیری شود، در این پژوهش از الگوریتم ژنتیک برای فرایند بهینهسازی استفاده گردید. نتایج نشان داد روش حداقل مربعات ماشین بردار پشتیبان با میزان ضریب تعیین 36/0 و جذر میانگین مربعات خطای 8/17 مدلسازی عمق برف را انجام داده است؛ اما الگوریتم ژنتیک با انتخاب ویژگیهای مؤثر توانست با ضریب تعیین ۹۵/۰ و جذر میانگین مربعات خطا برابر با ۹۷/۳ سانتیمتر و بادقت بهتری نسبت به استفاده از تمامی ویژگیها تغییرات عمق برف را مدل کند.https://ccr.gu.ac.ir/article_162481_c408d14ad56e24b942aad87c56c40999.pdfدانشگاه گلستانپژوهشهای تغییرات آب و هوایی2717-206631220230220Modeling the hydrological behavior of basin affected
by rainfall regime changes in the future (Case Study: Hoseenabad and Talango Basins, Kerman)مدلسازی رفتار هیدرولوژیکی حوضه آبخیز متأثر از تغییر رژیم بارش در آینده (مطالعه موردی حوضههای آبخیزحسینآباد راین و تلنگو بم، استان کرمان)375216556810.30488/ccr.2023.371156.1106FAعلی سلمان زاده یزدیکارشناسارشد آبخیزداری، دانشگاه اردکان، اردکان، ایرانمهدی حیات زادهاستادیار گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایرانعلی فتحزادهدانشیار گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران0000-0001-6869-8204محمدرضا فاضل پوردکتری آبخیزداری، اداره کل منابع طبیعی و آبخیزداری یزد، ایرانJournal Article20221121The impact of climate change on hydrology and water cycle in nature is very serious and a little knowledge of these effects to deal with its consequences. In order to model the two watersheds of Telangu and Hosseinabad in Kerman province,. Also, by using the LARS-WG model, variables were predicted for the period from 2021 to 2060. In the other part of this study, to run from the SWAT model, sensitivity analysis was performed using the global sensitivity analysis method using 29 parameters. The results showed that in general, the temperature has increased in the next period compared to the previous period in the whole month, in all three stations this increase was less in the warm months of the year than in the cold months. Precipitation has generally increased and the highest monthly precipitation increase for all three cases is April, March and March, respectively Sutcliffe (ENS) is greater than 0.65. The results of evaluating the effect of climate change on the discharge of the basin show that in general the discharge of the Telango Bam watershed has been much lower than the Hosseinabad Rain watershed in the current period and in the future. In the next 60 years, the discharge of the Telango Bam watershed will increase compared to the current period, the discharges of January, May and July will increase and will decrease in the other months except September, which is unchanged. The general results of the present research indicate that in the near future in dry ecosystems similar to the study area, following the change in the rainfall regime resulting from global warming, the hydrological behavior of the basins will change, especially in the winter and spring seasons, and the occurrence of extreme rainfall and flood events in These seasons are more likely than before.تاثیر تغییر اقلیم بر هیدرولوژی و چرخهی آب در اکوسیستمهای طبیعی بسیار جدی است و شناخت کمی این اثرها آمادگی بیشتری برای مقابله با تبعات آن ایجاد میکند. هدف از این پژوهش ارزیابی اثر تغییر رژیم بارش به عنوان بخشی از تغییر اقلیم بر رواناب با استفاده از مدل SWAT میباشد. بدین منظور جهت مدلسازی دو حوضه آبخیز تلنگو و حسینآباد در استان کرمان از دادههای روزانه بارش، دمای حداقل، حداکثر و متوسط روزانه سه ایستگاه هواشناسی بافت، بم و لاله زار در بازه زمانی 30 سال استفاده گردید. همچنین با استفاده از مدل LARS-WG به پیشبینی متغیرها برای دوره 2021 تا 2060 تحت سناریو RCP 4.5 پرداخته شد. در ادامه جهت مدلسازی رواناب در حوضههای مورد مطالعه از مدل مفهومی SWAT استفاده گردید. پس از واسنجی و اعتبارسنجی مدل طبق الگوریتم SUFI2 نتایج حاصله مورد آزمون قرار گرفت و در نهایت با استفاده از نتایج مدلسازی اقلیم و مدل مفهومی واسنجی شده، رواناب برای دوره آینده شبیهسازی گردید. نتایج ارزیابی حساسیت پارامترهای مدلSWAT نشان داد که پارامترهای ضریب آبی که از سفرههای کم عمق به پروفیل خاک و ضریب نفوذ آبخوان مشترک در هر دو حوضه دارای حساسیت بالایی هستند. همچنین در هر دو حوضه برای هر دو مرحله واسنجی و اعتبارسنجی کارآیی نش۔ ساتکلیف از 65/0 بیشتر میباشد. نتایج ارزیابی اثر تغییر اقلیم بر آبدهی حوضه نشان میدهد که آبدهی حوضه آبخیز حسینآباد در آینده نسبت به دوره حال تغییر خواهد داشت. بیشترین کاهش آبدهی مربوط به ماه اسفند با تغییر 13/3 لیتر بر ثانیه و بیشترین افزایش مربوط به ماه بهمن با تغییر 2/18 لیتر بر ثانیه میباشد. همچنین در آینده نزدیک آبدهی حوضه آبخیز تلنگو افزایشی نسبت به دوره حال خواهد داشت. دبی ماههای دی، اردیبهشت و تیر افزایش و در بقیه ماهها به جز ماه شهریورکه بدون تغییرات است، کاهش یافته است. نتایج کلی تحقیق حاضر حاکی از آنست که در آینده نزدیک در اکوسیتمهای خشک مشابه منطقه مورد مطالعه به دنبال تغییر رژیم بارشهای حاصل از گرمایش زمین، رفتار هیدرولوژیکی حوضهها بویژه در فصلهای زمستان و بهار تغییر خواهد نمود و وقوع رخدادهای حدی بارش و سیل در این فصلها بیش از پیش محتمل میباشد.https://ccr.gu.ac.ir/article_165568_87539fea3372be6887a45ef0746d4677.pdfدانشگاه گلستانپژوهشهای تغییرات آب و هوایی2717-206631220230220Studying the trend of Temporal and Spatial Changes in Extreme Quantiles of Minimum and Maximum Temperature in Iranبررسی روند تغییرات زمانی و مکانی در چندکهای حدی کمینه و بیشینه دما در ایران536816439810.30488/ccr.2023.375498.1107FAخلیل قربانیدانشیار گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گلستان، ایران0000-0002-1901-4045صدیقه برارخانپور احمدیدانشجوی دکتری هواشناسی، کشاورزی گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایرانJournal Article20221205Climate change is a condition that refers to any change in climate that occurs over time. These changes may not be seen in the average of the data series but occur in quantiles of the series with different intensities that can be examined by quantile regression. In this research, to investigate Spatio-temporal changes of maximum and minimum temperature in different seasons in Iran, after fitting quantile regression on 102 meteorological stations with the statistical period of 2016-1986, the slope of the trend was calculated in the different quantiles, and by comparing its results with the results of the ordinary linear regression, they were spatially zoned. The results showed that in the spring season, the highest slope of the increasing trend is in the lower quantiles and the eastern half of Iran, but in the winter season, it was in the middle and upper quantiles and the northwest and west of Iran. In the summer season, the lower quantiles had an increasing trend, but in the autumn season, they had a decreasing trend. However, in spring and summer, the lower quantiles of daily temperature and in autumn and winter, the upper quantiles increased more strongly. Also, the comparison of the two regression methods shows that most of the quantiles had a slope different from the slope of the least square regression, and it’s not correct to assign the slope of the ordinary square regression line for the trend of temperature changes in the whole series. Finally, it can be stated that climate change has occurred in the maximum and minimum daily temperatures in Iran, but the intensity of these changes varies according to different seasons, quantiles, and locations.تغییراقلیم به هرگونه تغییرات در شرایط آب و هوایی گفته میشود که در طول زمان اتفاق میافتد. این تغییرات ممکن است در میانگین سری دادهها دیده نشود بلکه در چندکهایی از سری با شدتهای مختلف رخ دهد که بررسی آن توسط رگرسیون چندک امکانپذیر است. در این پژوهش به منظور بررسی تغییرات زمانی و مکانی بیشینه و کمینه دمای روزانه در فصلهای مختلف در ایران، پس از برازش رگرسیون چندک بر روی 102 ایستگاه هواشناسی با دوره آماری 1395-1366 (1987-2016)، شیب روند در چندکهای مختلف محاسبه و پس از مقایسه نتایج آن با نتایج رگرسیون خطی معمولی به صورت مکانی پهنهبندی شدند. نتایج نشان داد که مقادیر حدی کمینه و بیشینه دما در اغلب مناطق ایران دارای روند معنیدار بوده است. بیشترین شیبهای روند افزایشی در فصل بهار و تابستان مربوط به چندک پایینی دما (05/0) و در نیمه شرقی ایران (شیب> 1/0 درجه در سال)، اما در پاییز و زمستان به ترتیب مربوط به چندک بالایی دما (95/0) در نواحی شرقی (شیب> 05/0 درجه در سال) و چندکهای میانی و بالایی (5/0 و 95/0) در شمال غربی و غرب (شیب> 15/0 درجه در سال) بوده است. با اینحال یک روند کاهشی برای مقادیر پایین (05/0) دمای پاییز در نیمهی شمالی و غرب ایران (شیب< 02/0- درجه در سال) وجود داشت. همچنین مقایسه نتایج دو روش رگرسیونی بیانگر آن است که بیشتر چندکها شیبی متفاوت با شیب رگرسیون حداقل مربعات داشتند و اختصاص شیب خط رگرسیون مربعات معمولی برای روند تغییرات دما در کل سری صحیح نمیباشد. در نهایت میتوان بیان کرد که تغییر اقلیم در بیشینه و کمینه دمای روزانه در ایران اتفاق افتاده است اما شدت این تغییرات در فصلها، چندکها و بخشهای مختلف، متفاوت است. https://ccr.gu.ac.ir/article_164398_e09f442a6abafbef51348294f2b30307.pdfدانشگاه گلستانپژوهشهای تغییرات آب و هوایی2717-206631220230220An investigation of the relationship between atmospheric boundary layer height changes and air pollution variables in the cities of Isfahanبررسی نقش کنترلی ارتفاع لایه مرزی آتمسفر در ارتباط با متغیرهای آلودگی در موقعیتهای شهری استان اصفهان699016717210.30488/ccr.2023.386658.1117FAعبدالعظیم قانقرمهدانشیار اقلیم شناسی، گروه جغرافیا، دانشگاه گلستان، گرگان0000-0002-5866-4972دلارام شکرالهیدانشجوی کارشناسی ارشد رشته آب و هواشناسی دانشگاه گلستانJournal Article20230220The role of atmospheric boundary layer height in urban microclimate is one of the most important topics. As a consequence of planetary climate change and human intervention and activities in urban settings, this part of the climate is affected. When its height increases or decreases, some atmospheric polluting variables become more relevant, including nitrogen dioxide (NO2), sulfur dioxide (SO2), and aerosol index (AI). In this study, we evaluated the daily monitoring of Sentinel-5P for a period of four years in Isfahan's cities. After comparing the relative frequency of the variables above and below the boundary layer threshold of 750 meters, we identified the effect of the height of the boundary layer on the variables. Results indicate that the highest concentrations of aerosol index (AI) are observed in urban areas of Isfahan province above the threshold of 750 meters. In this case, nitrogen dioxide (NO2) and sulfur dioxide (SO2) gases are completely different, but the decrease in height of the boundary layer indicates their frequency. Statistically, the Kappa coefficient reveals a high number of internal inconsistencies for all three variables above and below 750 meters of the boundary layer. Also, the weighting done in these two floors also completely reveals the difference in weights.یکی از مباحث بسیار مهم در میکروکلیمای شهری، نقش کنترلی ارتفاع لایه مرزی آتمسفری است. این بخش از اقلیم از یک طرف متاثر از تغییرات اقلیمی سیارهای و از طرفی دیگر متاثر از دخالتها و فعالیتهای انسانی در موقعیتهای شهری است. بطوریکه با افزایش و کاهش ارتفاع آن بعضی متغیرهایهای آلوده کننده آتمسفری نقش بیشتری از خود نشان میدهند از جمله آنها دی اکسید نیتروژن (NO<sub>2</sub>)، دی اکسید گوگرد (SO<sub>2</sub>)، شاخص آیروسل (AI) میباشد. در این مطالعه برای یک دوره چهار ساله پایشهای روزانه ماهواره Sentinel-5P را در موقعیت شهرهای استان اصفهان مورد ارزیابی قرار دادیم. در ادامه به منظور شناسایی تاثیر ارتفاع لایه مرزی، فراوانی نسبی متغیرهای فوق را در دو حالت استقرار در بالا و پایین آستانه 750 متری لایه مرزی مورد مقایسه قرار دادیم. بطور کلی نتایج حاکی از آن است که شاخص آیروسل (AI) در بالای آستانه 750 متری لایه مرزی آتمسفری بیشترین تجمع را بر روی موقعیتهای شهری استان اصفهان نشان میدهند. در حالیکه این نسبت به گازهای دی اکسید نیتروژن (NO<sub>2</sub>) و دی اکسید گوگرد (SO<sub>2</sub>) کاملاً متفاوت عمل می کند یعنی اینکه کاهش ارتفاع لایه مرزی آتمسفری فراوانی وقوع آنها را بیشتر نشان میدهد. البته لازم به ذکر است ارزیابی آماری با ضریب کاپا عدم تطابق درونی فراوانی برای هر سه متغیر فوق در بالا و پایین آستانه 750 متری لایه مرزی نشان میدهد. همچنین وزن دهی انجام شده نیز در این دو طبقه نیز، تفاوت وزنها را کاملا آشکار می کند.https://ccr.gu.ac.ir/article_167172_1e3903fea6597f493ac4227a4e603ce7.pdfدانشگاه گلستانپژوهشهای تغییرات آب و هوایی2717-206631220230220Mitigating the effects of climate change by promoting sustainable urban agriculture model using BWM and ARAS methods (Case study: District 22 of Tehran Municipality)تعدیل اثرات تغییرات آب و هوایی با ارتقاء الگوی کشاورزی شهری پایدار با استفاده از روشهای BWM و ARAS (مطالعه موردی: منطقه 22 شهرداری تهران)9110816718410.30488/ccr.2023.384906.1113FAعلیرضا رحمتیدانشجوی دکتری رشته برنامهریزی محیط زیست دانشگاه تهران، تهران، ایراناحمد نوحه گراستاد، گروه برنامهریزی محیط زیست، دانشکده محیط زیست، دانشگاه تهران، تهران، ایرانغلامرضا نبی بیدهندیاستاد، گروه مهندسی محیط زیست، دانشکده محیط زیست، دانشگاه تهران، تهران، ایرانJournal Article20230207Climate change and the increase in the population of cities have caused many environmental problems. The decrease in the function of urban agriculture has also made the efficiency of green infrastructures and their ecosystem services naturally inefficient. The purpose of this research is to provide a model of sustainable cultivation of productive plants in cities to moderate the effects of climate change and land use in District 22 of Tehran Municipality. In this study, the land use map of 2000 and 2020 was made using Landsat satellite images. Then, the LCM model was used to predict land use changes in 2050. RCP scenarios were simulated to investigate climate change. 4 criteria and 21 sub-criteria and the best-worst method (BWM) and the cumulative ratio evaluation method (ARAS) were used to obtain the weight of the selection criteria of fruitful plants. Based on the obtained results, it was determined that green and agricultural areas will change by 12% and -4.5% from 2000 to 2050, respectively. The risk of climate change also predicted a warming of 1.32 to 2.27 degrees. Based on this, the suitability map of the region for urban agriculture and the area of suitability classes according to the criterion of compatibility with the environmental conditions of the region (with a weight of 0.472), ecological conditions (0.268), compatibility with the urban environment (with a weight of 0.179) and aesthetic-cognitive (with a weight of 0.081) was prepared. According to the opinion of experts, fruitful plant species such as Wild Pistachio, Christs thorn, Wild almond, Pistachio, Olive have found the highest priority for cultivation in large and medium urban scale. About 40% of the area has good and high suitability for planting these plants.تغییرات اقلیمی و افزایش جمعیت شهرها سبب بروز مشکلات متعدد محیط زیستی شده است. کاهش کارکرد کشاورزی شهری نیز کارایی زیر ساختهای سبز و خدمات اکوسیستمی آنها را بهطور طبیعی ناکارآمد کرده است. هدف از این پژوهش ارائه الگوی کشت پایدار گیاهان مثمر در شهرها جهت تعدیل اثرات تغییرات آب و هوایی و کاربری اراضی در منطقه 22 شهرداری تهران میباشد. در این مطالعه نقشه کاربری اراضی سال 2000 و 2020 با استفاده از تصاویر ماهوارهای لندست، تهیه شد. سپس با مدل LCM به پیش بینی تغییرات کاربری اراضی سال 2050 پرداخته شد. برای بررسی تغییرات اقلیمی سناریوهای RCP شبیه سازی گردید. برای بهدستآوردن وزن معیارهای انتخاب گیاهان مثمر از 4 معیار و 21 زیرمعیار و روش بهترین- بدترین (BWM) و از روش ارزیابی نسبت تجمعی (ARAS) برای رتبهبندی این گیاهان مثمر استفاده شد. بر اساس نتایج بدست آمده مشخص شد که فضاهای سبز و کشاورزی به ترتیب از سال 2000 تا 2050 مقدار 12% و 4.5%- تغییر خواهند داشت. ریسک تغییرات اقلیمی نیز گرمایش 1.32 تا 2.27 درجه را پیش بینی کرد. بر همین اساس نقشه تناسب منطقه برای کشاورزی شهری و مساحت طبقات تناسب با توجه به معیار سازگاری با شرایط محیط زیستی منطقه (با وزن 472/0)، شرایط اکولوژیک (0.268)، سازگاری با محیطزیست شهری (با وزن 179/0) و زیبایی- شناختی (با وزن 081/0) تهیه گردید. بر اساس نظرکارشناسان گونههای گیاهی مثمر، بنه، کنار، بادامک، پسته و زیتون خوراکی بالاترین اولویت جهت کشت در مقیاس کلان و متوسط شهری را پیدا کردهاند. حدود 40 درصد منطقه دارای تناسب خوب و بالا برای کاشت این گیاهان می باشد.https://ccr.gu.ac.ir/article_167184_9b18c97599c632d27ef5e8b5ef471366.pdf