پهنه‌بندی خطر سیلاب تحت تاثیر تغییرات اقلیمی با استفاده از مدل هیدرولوژیکی SWAT در محیطGIS (مطالعه موردی: حوضه آبخیز قره‌سو، استان گلستان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه جغرافیا، دانشگاه گلستان،گرگان، ایران

2 دانشجوی کارشناسی ارشد، دانشگاه گلستان، رشته مخاطرات محیطی

چکیده

پژوهش حاضر با هدف پیش­بینی پهنۀ سیل در شرایط تغییر اقلیم براساس سناریوهای پنجمین گزارش ارزیابی هیئت بین‌الدول تغیییر اقلیم در حوضۀ قره­سو (استان گلستان (انجام شد. داده­های روزانه شبیه­سازی شده برای آینده را می­توان به عنوان ورودی مدل­های هیدرولوژیکی لحاظ کرده و نتایج آن را در برنامه­های بلندمدت توسعه منابع آب منظور نمود. این تحقیق شامل دو فاز اقلیمی و هیدرولوژی است. در فاز اقلیمی، داده­های روزانه دمای حداقل، حداکثر، بارش و ساعات آفتابی ایستگاه سینوپتیک هاشم­آباد گرگان در دوره 2001–2020 با استفاده از مدل آماری LARS-WG شبیه­سازی شد و پس از اطمینان از کارایی این مدل در شبیه­سازی پارامترهای هواشناسی مذکور در حوضه آبخیز قره­سو استان گلستان، جهت بررسی تاثیر پدیده تغییر اقلیم بر رواناب منطقه مورد مطالعه، داده­های سه سناریوی A2 (سناریوی حداکثر)، A1B (سناریوی حد وسط) و B1 (سناریوی حداقل) مدل HadCM3 در دوره 2021-2050 با مدل آماری LARS-WG کوچک مقیاس گردید. در فاز هیدرولوژیکی، بارش- رواناب با استفاده از مدل هیدرولوژیکی SWAT شبیه­سازی و پس از واسنجی (از ۱ ژانویه 2012 تا ۲۹ دسامبر 2016) و اعتبارسنجی این مدل (۳۰ دسامبر 2016 تا ۲۹ دسامبر 2018)، داده­های دما و بارش خروجی مدل LARS-WG به مدل SWAT وارد شده و تغییرات رواناب تبعی تغییر اقلیم در دوره­های آتی نسبت به دوره پایه محاسبه گردید. نتایج نشان داد که بر اساس برآورد مدل LARS-WG برای سناریوهای مورد بررسی در دوره­های آتی میانگین دمای حوضه آبخیز قره‌سو به میزان  56/0 تا 4 درجه سلسیوس افزایش می­یابد. مقدار بارش نیز در مقایسه با دوره پایه به میزان 10 تا 24 درصد کاهش نشان می­دهد. در پایان نیز سیلاب حوضه مورد مطالعه با تلفیق نقشه متوسط رواناب تحت سناریو A2، فاصله از رودخانه و ضریب شکل حوضه با استفاده از روش  Fuzzy-AHPدر محیط GIS  پهنه­بندی شده است. با توجه به پهنه­بندی، 44 درصد در خطر زیاد و بسیار زیاد می­باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Flood risk zoning due to climate change using SWAT hydrological model in GIS environment (Case study: Gharasoo watershed, Golestan province)

نویسندگان [English]

  • Saleh Arekhi 1
  • samira karkaz 2
  • somayeh emadodin 1
1 Assistant Professor, Geography Department, Human Sciences College, Golestan University, Gorgan, Iran
2 MS.c Student, Human Sciences College, Golestan University, Gorgan, Iran
چکیده [English]

The aim of this study was to predict the flood zone in the context of climate change based on the scenarios of the Fifth International Climate Change Board's assessment report in Qarahsu Basin (Golestan Province). This research consists of two phases: climatic and hydrological. In the climatic phase, daily data of minimum, maximum temperature, precipitation and sunny hours of Gorgan Hashemabad Synoptic Station in the period 2001-2020 were simulated using LARS-WG statistical model and after ensuring the efficiency of this model in simulation Construction of meteorological parameters in Gharasoo watershed of Golestan province, to investigate the impact of climate change on runoff in the study area, data of three scenarios A2 (maximum scenario), A1B (medium scenario) and B1 (minimum scenario) of the model HadCM3 was scaled in the period 2021-2050 with a small LARS-WG statistical model. In the hydrological phase, precipitation-runoff is simulated using the SWAT hydrological model and after calibration (from January 1, 2012 to December 29, 2016) and validation of this model (December 30, 2016 to December 29, 2018), temperature and precipitation data. The output of LARS-WG model was entered into SWAT model and the changes of runoff due to climate change in future periods compared to the base period were calculated. The results showed that according to the estimation of LARS-WG model for the studied scenarios in the future periods, the average temperature of Qarahsu watershed will increase by 0.56 to 4 degrees Celsius. The amount of precipitation also decreases by 10 to 24% compared to the base period. Finally, the flood of the study basin is zoned in GIS environment by combining the average runoff map under scenario A2, distance from the river and the shape coefficient of the basin using Fuzzy-AHP method. According to zoning, 44% is at high and very high risk.

کلیدواژه‌ها [English]

  • Risk
  • Flood
  • Climate Change
  • SWAT model
  • GIS

مراجع

  1. آبیل، ابوالفضل.، طاوسی، تقی.، خسروی، محمود. 1398. تحلیل مناطق بالقوه در معرض مخاطره سیلاب شهری (مطالعه موردی: شهر زاهدان)، فصلنامه جغرافیا و توسعه. سال 17. شماره 54، صص 91-106.
  2. آقاشاهی، م.، اردستانی، م.، و هـ. فهمی. 1392. تغییر اقلیم در دریاچه ارومیه. پایان­نامه کارشناسی ارشد. دانشکده محیط­زیست. دانشگاه تهران.
  3. حسن­زاده­نفوتی، محمد.، خواجه­بافقی، حبیب‌اله. 1395. پهنه­بندی خطر سیلاب با استفاده از سیستم تصمیم­گیری چند معیاره (مطالعه موردی: حوضه آبخیز شیطور بافق)، پژوهشنامه مدیریت حوضه آبخیز، صص 29-37.
  4. خلیلی­اقدام، نبی.، مساعدی، ابوالفضل.، سلطانی، افشین.، کامکار، بهنام. 1391. ارزیابی توانایی مدل LARS-WG در پیش­بینی برخی از پارامترهای جوی سنندج، پژوهش­های حفاظت آب و خاک، جلد نوزدهم، شماره 4، صص 85-102.
  5. خیری­زاده آروق، منصور.، ملکی، جبرائیل.، عمونیا، حمید. پهنه­بندی پتانسیل خطر وقوع سیلاب در حوضه آبریز مردق­چای با استفاده از مدل ANP. پژوهش­های ژئومورفولوژی کمی، صص 39-56.
  6. صداقت­کردار، عبدالله ، فتاحی، ابراهیم. 1387. شاخص­های پیش­آگاهی خشکسالی در ایران، جغرافیا و توسعه، شماره 11 : 59-76.
  7. علیجانی، بهلول.، قهرودی، منیژه.، امیراحمدی، ابوالقاسم. 1384. پهنه­بندی خطر وقوع زمین­لغزش در دامنه­های شمالی شاه­جهان با استفاده از GIS (مطالعه موردی: حوضه اسطرخی شیروان). فصلنامه تحقیقات جغرافیایی، 84:صص 131-118.
  8. قنواتی، عزت‌اله.، بابائی­اقدم، فریدون.، همتی، طاهر.، رحیمی، مسعود. 1394. پهنه­بندی پتانسیل سیل­گیری با استفاده ازمدل منطق فازی در محیط GIS (مطالعه موردی: حوضه رودخانه خیاوچای مشکین شهر)، هیدروژئومورفولوژی، 3: صص 121-135.
  9. مساح­بوانی، علیرضا.، مرید، سعید. 1385. ارزیابی ریسک تغییر اقلیم و تأثیر آن بر منابع آب. رساله دکتری. دانشگاه تربیت مدرس.
  10. محمود­زاده، حسن.، باکویی، مائده. 1397. پهنه­بندی سیلاب با استفاده از تحلیل فازی. مجله مخاطرات محیط طبیعی. دوره 7. شماره 18،صص 51-67.
  11. Abbaspour, K.C. 2007. User Manual for SWAT-CUP. SWAT Calibration and Uncertainty Analysis Programs. Swiss Federal Institute of Aquatic Science and Technology, Eawag, Dübendorf, Switzerland, 95 p.
  12. Abbaspour, K.C. 2008. SWAT-CUP2: SWAT Calibration and Uncertainty Programs - A User Department of Systems Analysis, Integrated Assessment and Modelling (SIAM), Eawag, Swiss Federal Institute of Aquatic Science and Technology, Duebendorf, Switzerland, , 95pp .
  13. Andersen, J., Refsgaard, J.C. and Jensen, K.H. 2001. Distributed hydrological modelling of the Senegal River Basin—model construction and validation. Journal of Hydrology 247, 200–214.
  14. Ashofteh, and Massah Bouani, A.R. 2010. Impact of Climate Change on Maximum Discharges: Case Study of Aidoghmoush Basin. East Azerbaijan. JWSS. 14(53), 28-38. (In Persian).
  15. Calder, I.R., Hall, R.L., Bastable, H.G., Gunston, H.M., Shela, O., Chirwa, A. and kafundu, R. 1995. The impact of land use change on water resources in sub-Saharan Africa: a modelling study of Lake Malawi. Journal of Hydrology 170, 123–135.
  16. Chen, , Guo, J., Zhang, C. and Xu, C. 2013. Prediction of temperature and precipitation in Sudan and South Sudan by using LARS-WG in future. Springer, 113: 363-375.
  17. Falconer, R., Smyth, P., and Maani, L. 2008. Pluvial extreme event risk appraisal techniques with recent applications in Ireland and the UK, In Irish National Hydrology Conference (pp. 43 52).
  18. Fernandez, D.S., Lutz, M.A. 2010. Urban Flood Hazard Zoning in Tucumn Province, Argentina, Using GIS and Multicriteria Decision Analysis. Research Engineering Geology, 111: 90-98.
  19. 2001. The Scientific Basis of Climate Change. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press. Cambridge, 67-68.
  20. 2007. The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change (IPCC). Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
  21. IPCC-TGCIA. 1999. Guidelines on the use of scenario data for climate impact and adaptation Eds. Carter, T.R., Hulme, M. and Lal, M., Version 1, 69pp. Intergovernmental Panel on Climate Change, Task Group on Scenarios for Climate Impact Assessment.
  22. Iqbal, M.S., Dahri, Z.H., Querner, E.P., Khan, A. and Hofstra, N. 2018. Impact of Climate Change on Flood Frequency and Intensity in the Kabul River Basin. Geosciences. 8(4), 114-130.
  23. Jiang, T., Chen, Y.D., Chong-yu, Xu. Xiaohong, Chen. Xi, Chen. And Vijay P, Singh. 2007. Comparison of hydrological impacts of climate change simulated by six hydrological models in the Dongjiang Basin, South China, Journal of Hydrology (2007) 336, 316– 333.
  24. Jothityangkoon, C., Sivapalan, M., and Farmer, D.L. 2001. Process controls of water balance variability in a large semi arid catchment: downward appraoch to hydrological model Journal of Hydrology 254, 174–198.
  25. Maghsood, F.F., Moradi, H., Bavani, M., Reza, A., Panahi, M., Berndtsson, R. and Hashemi, H. Climate change impact on flood frequency and source area in northern Iran under CMIP5 Scenarios. Water, 11(2), 273.
  26. Mazidi, M. and Khoshravesh, M. 2016. The Effect of Climate Change on the Flood Frequency of Gorganrood Basin using Analysis of the First Order of Hydrologic Rainfall-Runoff Model. Applied Research of Water Sciences. 2(2), 35-44. (In Persian)
  27. Mitchell, T.D. 2003. Pattern Scaling: An Examination of Accuracy of the Technique for Describing Future Climates. Climatic Change 60: 217-242.
  28. Moore, I.D., O'Loughlin, E.M. and Burch, G.J. 1988. A contour-based topographic model for hydrological and ecological applications. Earth Surface Processes Landforms, 13: 305-320.
  29. Reynard, N.S. 2003. Impact of climate change on flood flows in river catchments – interim
  30. Saaty, T.L. 2000. Fundamentals of decision making and priority theory with the analytic hierarchy process (Vol. 6). RWS publications.
  31. Semenov, M.A and Barrow M. 1997. Use of a stochastic weather generator in the development of climate change scenarios. Clim Chang 35(4):397–414.
  32. Semenov, M.A., Barrow, E.M. 2002. LARS-WG: a stochastic weather generator for use in climate impact studies. http://www.rothamsted.ac.uk /masmodels/ larswg.php User Manual: 1–27.
  33. Sperotto, A., Torresan, S., Gallina, V., Coppola, E., Critto, A. and Marcomini, A. 2016. A multi disciplinary approach to evaluate pluvial floods risk under changing climate: The case study o the municipality of Venice (Italy), Science of The Total Environment, 562, 1031-1043.
  34. 2001. Our Built and Natural Environments: A Technical Review of the Interactions between Land Use, Transportation and Environmental Quality, p.4.
  35. Van Laarhoven, P.J. and Pedrycz, W. 1983. A fuzzy extension of Saaty's priority theory. Fuzzy sets and Systems, 11(1-3), 229-241.
  36. Verbeeten, Elke and Barendregt. Anne. 2007. The Impacts of Climate Change on Hydrological Services Provided By Dry Forest Ecosystems in West Africa, 4th International SWAT Conference.
  37. Wang, X. and Melesse, A.M. 2005. Evaluation of the SWAT model’s snowmelt hydrology in a northwestern Minnesota watershed. Transactions ofthe ASAE. 48(4), 1-18.
  38. Wilby R.L. and Harris, I. 2006. A frame work for assessing uncertainties in climate change impacts: low flow scenarios for the River Thames, UK. Water Resources Research, 42, W02419, DOI: 10.1029/2005WR004065.
  39. Wood, E.F., Beven, M.K. and Band, L. 1988. Effects of spatial variability and scale with implications to hydrologic modeling. Journal.
  40. Zare Zadeh, S.H., Khorani, A., Bazrafshan, J. and Bazrafshan, O. 2018. Gamasiab river flow regime changes under climate change scenarios. J. Environ. Sci., 4(44), 587-602 [In Persian].

فایل ها

هم رسانی

ارجاع به این مقاله

آمار