Mehraneh Khodamorad Pour

پاسخ اکوسیستم به تغیرات اقلیمی توسط پارامترهای مختلفی بررسی می شود که یکی از حساس ترین آن ها، شاخص های فصل گرمایی رشد است. این پژوهش به بررسی روند شاخص های فصل رشد گرمایی شامل: آغاز، پایان و طول فصل رشد در آستانه های دمایی متفاوت (℃0، ℃5، ℃10 و °C15) با خروجی های اصلاح شده مدل منطقه ای اقلیمی COSMO-CLM تحت سناریوهای اقلیمی RCP4.5 و RCP8.5در تیپ های متفاوت اقلیمی بر اساس طبقه بندی کوپن-گایگر در کشور ایران در دوره های حاضر (2020-1995) و پیش بینی (2050-2021) می پردازد. بررسی شاخص های فصل گرمایی رشد، به ویژه شاخص آغاز فصل رشد در آستانه های دمایی مختلف در تیپ های اقلیمی متفاوت ایران بیانگر مناسب بودن آستانه های دمای °C10 و °C15 در تمام تیپ های اقلیمی است. هم چنین روندهای فصل رشد گرمایی نشان از آغاز زودهنگام فصل رشد، به ویژه آستانه دمای °C10 و تاخیر در پایان فصل رشد در اکثر آستانه های دما است. بیشترین روند آغاز زودهنگام معنادار فصل رشد در آستانه ی دمای °C10 در بندر انزلی در سواحل جنوب غربی دریای خزر در تیپ اقلیمی معتدل و مرطوب (CFa) با days/decade7/14 در دوره ی حاضر و تحت سناریوی RCP4.5 قرار دارد. بیشترین روند تاخیر پایان فصل رشد با آستانه ی دمای °C0 در شمال غربی ایران )تبریز( در تیپ اقلیمی BSk با تاخیر days/decade 5/7 در دوره ی آینده تحت سناریوی RCP8.5پیش بینی می شود. طول فصل رشد در اکثر آستانه های دمایی در دوره های حاضر و پیش بینی روند افزایشی دارد، به -طوری که بیشترین روند افزایشی معنادار در طول فصل رشد در آستانه دمایی °C10 در بندرانزلی (CFa) با day/decade16 در دوره حاضر رخ داده است و با همین روند تحت سناریوی RCP4.5در آینده پیش بینی می گردد. شاخص های آغاز فصل رشد در اکثر آستانه های دما، بالاترین ضرایب همبستگی را با دمای حداقل فصل بهار دارند، در حالی که شاخص های پایان فصل رشد، بالاترین ضریب همبستگی را با دمای حداقل فصل پاییز در اکثر آستانه های دما دارند.

کشت برنج در منطقه شمال کشور یکی از محصولات مهم محسوب می شود. با توجه به این عمده برنج کشور از این منطقه تامین می شود، پیش بینی سطح کشت نقش مهمی را می تواند در تامین آن در کشور ایفا نماید. استفاده از اطلاعات ماهواره ای و سنجش از دور این موضوع را محقق می کند. از این رو تفکیک اراضی برنج و پیش بینی شاخص NDVI در استان های مازندران و گیلان با استفاده ازتصاویر ماهواره ای سنجنده های سنتینل1,سنتیل2و لندست8 تصاویر ماهواره ای طی سال های 2016تا2019 انجام شد وبا برنامه نویسی سامانه google earth engine اراضی برنج با ضریب کاپای 97درصد تفکیک گردید. همچنین اطلاعات ماهواره MODIS از سال‫های 2001 تا 2020 برای این دو استان اخذ شد. مدل های سری زمانی ARIMA، ERTH، PROPHET، MARS و ETS برای پیش بینی شاخص NDVI مورد قیاس قرار گرفت. نتایج نشان داد که در استان مازندران مدل ARIMAبه دلیل بالاترین ضرایبR2(97/0)وکوچکترین ضرایب خطای مدل MAE(03/0) وRMASE(04/0) بالاترین عملکرد را دارد و در استان گیلان مدل PROPHET به دلیل بالاترین ضرایبR2(90/0)وکوچکترین ضرایب خطای مدل MAE(03/0) وRMASE(04/0) دقیق ترین عملکرد را نشان داد. بنابراین ARIMA و PROPHET دو مدلی هستند که با بیشترین میزان نکویی برازش با داده های NDVI تطابق داشتند. همچنین دربررسی باقی مانده های برازش یافته بیانگر نرمال بودن باقی مانده ها بود و می تواند برای پیش بینی سطح کشت مورد استفاده قرار گیرند. به طور کلی نتایج بدست آمده می تواند به الگوی کشت در آینده و حتی تامین برنج مورد نیاز کشور کمک نماید. ‬‬‬‬‬‬‬‬‬‬‬‬‬‬

ستفاده از تکنیک سنجش از دور امروزه در کشاورزی کاربردهای فراوانی دارد. امروزه برآورد تولید، به عنوان یکی از پارامترهای اساسی در کشاورزی دقیق می باشد. هدف از این مطالعه تخمین عملکرد تاکستان با استفاده از شاخص های گیاهی سنجش از دور می باشد. در این تحقیق داده های زمینی عملکرد تاکستان های استان همدان طی سال های 2007 تا 2020 از جهاد کشاورزی استان همدان جمع آوری شد. موقعیت و نقشه تاکستان های استان همدان با استفاده از سنجنده سنتینل2 و سنتینل1 استخراج شد همین طور برای طبقه بندی و استخراج تاکستان ها از الگوریتم SVM استفاده شد. و با استفاده از ماتریس خطا دقت طبقه بندی مورد ارزیابی قرار گرفت که طبقه بندی تصاویر با دقت کلی 70 درصد و با کاپا 61/0 انجام شد. شاخص های گیاهی NDVI، NDWI و LAI از سنجنده مودیس با قدرت تفکیک زمانی 16 روزه استخراج شدند. سپس عملکرد تاکستان ها با استفاده از مدل های یادگیری ماشین RF، XGBoost و SVR پیش بینی شد. برای پیش بینی عملکرد تاکستان ها داده ها به دو قسمت آموزش و آزمون تقسیم شدند و نتایج نشان داد مدل XGBoost با مقدار جذر میانگین مربعات خطا 519/1130 برای داده های آموزش نسبت به مدل های RF و SVR عملکرد مناسبی داشت و برای داده های آزمون مدل RF با مقدار جذر میانگین مربعات خطا 869/1236 و با مقدار انحراف معیار 3/4 درصد نسبت به مدل های XGBoost و SVR عملکرد مناسبی داشت.

تغییرات اقلیمی ناشی از افزایش دما وکاهش بارندگی منجر به افزایش شدت خشکسالی است. ارزیابی اثرات خشکسالی بر تولیدات کشاورزی امر بسیار مهمی است و استفاده ازسنجش از دور برای پیش بینی خشکسالی روشی استاندارد است. در این پژوهش، هدف اصلی استفاده از تصاویر سنجش از دور به همراه هوش مصنوعی است که با استفاده از مدل های یادگیری ماشین RF و KNN برای انتخاب بهترین مدل مورد ارزیابی قرار گرفت. بررسی عملکرد محصول گندم آبی زمستانه طی دوره آماری 2001-2021 از داده های مرکز تحقیقات جورقان استان همدان و با استفاده از مدل های یادگیر ی ماشین و سنجش از دور شامل: (NDVI، VCI ، VHI، TCI، LAI، EVI MNDWI وMSAVI2)، متغییرهای هواشناسی (بارش، تبخیر و تعرق، ساعات آفتابی) و شاخص های خشکسالی هواشناسی (SPI ، SPEI و SPECI) صورت گرفت. نتایج نشان داد که مدل های رگرسیونی یادگیری ماشین RF و KNN در برآورد عملکردگندم آبی زمستانه با استفاده از شاخص های گیاهی سنجش از دور، در سالهای 2011-2021 افزایش خشکسالی و افزایش دمای هوا و افزایش تبخیر و تعرق را به همراه داشته است که سبب کاهش عملکرد محصول می شود، درحالیکه مقایسه عملکرد مدل RF و KNN در برآورد عملکرد محصول نشان داد که RF به دلیل خطای کمتر (کمتر از 9%) از عملکرد بهتری برخوردار است و نتایج بیان کننده آن بود که شاخص های گیاهی و مدل های یادگیری ماشین توانایی پیش بینی عملکرد محصول را دارد.

در قرن حاضر، گرمایش جهانی به عنوان یکی از عوامل مهم و تأثیرگذار در کشاورزی، توسعه پایدار و امنیت غذایی مطرح میباشد. گندم یکی از محصولات مهم و استراتژیک در ایران محسوب میشود. به همین منظور در این پژوهش به ارزیابی اثر گرمایش جهانی بر عملکرد گندم در اقلیم آینده همدان با استفاده از مدل DSSAT پرداخته شده است. تغییرات اقلیمی آینده که جفت شده با مدل اقلیمی منطقهای RegCM4 با استفاده از خروجیهای مدل گردش کلی HadGEM2 با طرحواره سطح CLM4.5 تحت سناریوی RCP (RCP4.5) در ایستگاه هواشناسی همدان )فرودگاه( برای چشمانداز ) 2018 - 2046 ( اجرا شد. سپس شبیهسازی عملکرد گندم برای آیند با استفاده از مدل DSSAT صورت گرفت. نتایج نشان داد عملکرد ماده خشک طی دوره آینده سال 2046 تحت تاثیر پارامترهای فصل رشد )بارش، دما و تبخیر و تعرق( کاهش یافته است و مرحله رشد گندم در طی دوره آینده 11 روز کوتاهتر شده است. همچنین شاخص سطح برگ گندم در دوره آتی نسبت به دوره فعلی کاهشی است. پیشبینی عملکرد گندم طی دوره آینده نتیجه شد که تحت سناریوی RCP4.5 سال 2046 نسبت به دوره فعلی سال 2018 حدود 67 / 23 درصد کاهش یافته است. دلیل کاهش عملکرد گندم افزایش دمای حداقل و حداکثر طی دوره آتی بخصوص در بازه انتهایی رشد گندم و افزایش تنش گرمایی است. با توجه به نتایج پژوهش، تاکید میشود تا سیاستهای لازم تامین و استفاده از بذرهای گندم مقاوم به گرما و مکانیزه کردن کشت یا تغییر کاشت، برای سازگاری با تغییراقلیم صورت گیرد.

پیش بینی بارش و رواناب به عنوان پارامترهای اصلی چرخه هیدرولوژی، از مهمترین موضوعات در مدیریت حوضه های آبریز و استفاده پایدار از منابع آب می باشد. در این پژوهش، دقت و کارایی مدل برنامه ریزی بیان ژن (GEP) و مدل منطقه ای اقلیمی (RegCM) جهت پیش بینی مقادیر رواناب حاصل از بارش ماهانه بررسی گردید. به علاوه از روش اصلاح خطای اریبی (Bias Correction) جهت افزایش دقت نتایج مدل RegCM استفاده گردید. بدین منظور، داده های بارش ماهانه 48 ایستگاه سینوپتیک، داده های دمای ماهانه 21 ایستگاه سینوپتیک و همچنین داده های رواناب ماهانه 40 ایستگاه هیدرومتری واقع در حوضه کرخه در یک دوره 45 ساله (1396-1352) مورد استفاده قرار گرفت. از این دوره آماری 40 سال جهت واسنجی و 5 سال جهت صحت سنجی نتایج مدل استفاده شد. نتایج نشان داد که مدل GEP با میانگین 8/94=R2 درصد، میانگین 4/19=RMSE مترمکعب بر ثانیه و میانگین 28/0=SE توانسته با دقت قابل قبولی رواناب را شبیه سازی نماید.همچنین نتایج حاکی از آن است که اصلاح خطای اریبی نتایج مدل RegCM مفید بوده و منجر به بهبود دقت نتایج شده و با میانگین 12=R2 درصد، میانگین 83/82=RMSE مترمکعب بر ثانیه و میانگین 33/1=SE، رواناب را شبیه سازی کرده است. به طور کلی می توان دریافت که مدل GEP در شبیه سازی رواناب ماهانه نسبت به مدل RegCM از دقت بالاتری برخوردار است

تغییرات آب و هوایی دار ای پیامدهای عمیق زیست محیطی، اقتصادی و اجتماعی است. بررسی شاخص های مختلف اقلیمی هواشناسی نقش عمده ای در جلوگیری از ورود خسارت های مختلف و جبران ناپذیر به بخش کشاورزی دارد. شاخص های هواشناسی مرتبط با دما بسیاری از پدیده ها و وقایع زیستی و کشاورزی مرتبط با تغییرات دمایی را به خوبی نشان می دهند. همچنین تغییر در مقادیر این شاخص ها و پهنه های مرتبط با آنها در افق اقلیمی آینده تاثیرات افزایش دما را بر پدیده های مرتبط با کشاورزی آشکار می سازد. بر این اساس می توان با پهنه بندی و روند یابی تغییرات اقلیمی و آگاهی از آ ن در شرایط حال و آینده، استراتژی های مختلف مدیریتی و اجرایی را برای کاهش اثرات منفی احتمالی و همچنین مقابله با آنها اتخاذ نمود . به منظور بررسی و روندیابی شاخص های اقلیمی از داده های هواشناسی از جمله دمای کمینه، دمای بیشینه و میانگین دمای روزانه استفاده شد. یک دوره مشترک آماری که در بازه سال 1995 تا 2019 می باشد ، مورد بررسی قرارگرفت. همچنین برای بخش پیش بینی شاخص ها در آینده (2019 تا 2039) داده های دمای خروجی از مدل RegCM با سناریوی RCP4.5 ، جهت استفاده در شاخص های مبتنی بر دما و ارزیابی تغییر پهنه های مربوط به هر شاخص استخراج گردید. 14 شاخص مختلف اقلیمی مرتبط با دما که عبارتند از CDD Veg ، Cooling DD ، CWC ، DTR ، GDD ، HDD ، HWC ، FDD ، LFD ، FFD ، FP ، NFD ، CH ، TDD در 30 ایستگاهی که از 6 تیپ اقلیمی مختلف انتخاب گردیده است ؛ مورد بررسی قرار گرفت . با استفاده از نرم افزار سیستم های اطلاعات جغرافیایی (GIS) نقشه درون یابی شاخص ها بر اساس پارامتر دما برای هر ایستگاه ترسیم گردید. همچنین با استفاده از داده های پیش بینی مدل خروجی و بر اساس شاخص فضایی موران نقشه های روند تغییرات در آینده برای هر شاخص ترسیم گردید. بر اساس نتایج بدست آمده برای هر شاخص و بررسی روند آن ها می توان نتیجه گرفت که در بازه 2019 تا 2039 نسبت به بازه 1995 تا 2019 ، افزایش دما بر اساس شاخص ها در اکثر ایستگاه ها رخ خواهد داد. تغییرات در مورد شاخص های CH ، TDD ، GDD ، DTR ، HWC و CoolingDD دارای روندی خوشه ای و معنادار است و در رابطه با دیگر شاخص ها این روند دارای پراکندگی بالایی است و نمی توان با قطعیت ، روند را پیش بینی نمود. همچنین بر اساس اقلیم مناطق مورد مطالعه ، بیشت

اساسی ترین تأثیر تغییر اقلیم به صورت مستقیم و غیر مستقیم در بخش کشاورزی است که عدم توجه به آن باعث به مخاطره افتادن امنیت غذایی می شود. به همین منظور در این پژوهش با استفاده از پارامترهای اقلیم آینده و همچنین استفاده از مدلDSSAT-CERES-Maize می توان با الگوی مناسب اثرات ناشی از تغییر اقلیم را برای محصول مورد نظر در این منطقه بررسی کرد. گیاه ذرت از جمله مهم ترین گیاهان زراعی در سطح جهان محسوب می شود که بعد از گندم و برنج سومین محصول موثردر تغذیه مستقیم انسان می باشد. علاوه بر آن مؤلفه اصلی در تغذیه دام، روغن گیاهی، شربت شکر و الکلیِ به عنوان سوخت زیستی و ماده خام برای تولیدات کارخانه های پلاستیک از دیگر مصارف گیاه ذرت می باشد. ﺩﺭ ﺍﻳﻦ ﭘﮋﻭﻫﺶ ﺑﻪ ﻭﺳﻴﻠﻪ ﻧﺮﻡ ﺍﻓﺰﺍﺭ DSSAT ﺍﺳﺘﺮﺍﺗﮋﻱﻫﺎﻱ ﻣﺨﺘﻠﻒ ﻛﺸﺖ ﺫﺭﺕ ﺩﺭ ﺍﻳﺴﺘﮕﺎﻩ تحقیقاتی اکباتان ﺗﺤﺖ ﺷﺮﺍﻳﻂ ﺍﻗﻠﻴﻢ ﺟﺎﺭﻱ (2018-2017) ﻭ ﺍﻗﻠﻴﻢ ﺁﻳﻨﺪﻩ (2046-2018)ﻣﻮﺭﺩ ﺑﺮﺭﺳﻲ ﻗﺮﺍﺭ ﮔﺮﻓﺖ. ابتدا دو رقم هیبرید 201 و هیبرید 704 ذرت در ایستگاه تحقیقاتی اکباتان در سه تاریخ 15 و 30 خرداد و 15 تیر کشت شد. سپس ﺷﺮﺍﻳﻂ ﻛﺸﺖ ﺑﺎ ﻧﺮﻡﺍﻓﺰﺍﺭ ﺷﺒﻴﻪﺳﺎﺯﻱ ﺷﺪ. نتایج حاکی از آن است که در منطقه همدان در دوره آتی دما در سال 2046، افزایشی حدود 1/0 تا 1 درجه سانتیگراد را نشان می دهد. بارش در دوره آتی دارای روند کاهشی نسبت به دوره پایه است. همچنین طول دوره کشت برای دوره پایه 145 روز اما برای دوره آینده 120 روز می باشد. علت کوتاه شدن طول دوره کشت گیاه ذرت افزایش میانگین دما در ماه های جون و جولای می باشد. بهتر ﺍﺳﺖ ﺩﺭ ﻣﻨﻄﻘﻪ همدان ﻫﺮﭼﻪ ﺑﻪ سال 2046 ﻧﺰﺩﻳﮏ ﻣﻲﺷﻮﻳﻢ ﺗﺎﺭﻳﺦ ﻛﺸﺖ ﺫﺭﺕ ﺍﺯ ﺍﻭﺍﻳﻞ تیر به اوایل خرداد ﺗﻐﻴﻴﺮ ﻛﻨﺪ ﺗﺎ ﻣﻴﺰﺍﻥ ﺑﻬﺮﻩﻭﺭﻱ ﺍﺯ ﺁﺏ ﺁﺑﻴﺎﺭﻱ ﺍﻓﺰﺍﻳﺶ ﻳﺎﺑﺪ. ﻛﺸﺖ ﺫﺭﺕ ﺭﻗﻢ ﺳﻴﻨﮕﻞ ﻛﺮﺍﺱ 704 ﻣﺤﺪﻭﺩﺗﺮ ﺷﺪﻩ ﻳﺎ ﺍﺯ ﺍﺭﻗﺎﻡ ﺩﻳﮕﺮﻱ ﺍﺳﺘﻔﺎﺩﻩ ﺷﻮﺩ. ﺍﻳﻦ ﻓﺮﺁﻳﻨﺪ ﻫﻢ ﺍﺯ ﻟﺤﺎﻅ ﺍﻗﺘﺼﺎﺩﻱ ﺑﻪ ﺻﺮﻓﻪ ﺧﻮﺍﻫﺪ ﺑﻮﺩ ﻭ ﻫﻢ ﺁﺏ ﻣﺼﺮﻓﻲ ﺭﺍ ﻛﺎﻫﺶ ﺧﻮﺍﻫﺪ ﺩﺍﺩ.

امروزه شاخص های خشکسالی سنجش از دور نقش قابل ملاحظه ای در تاثیر خشکسالی در بخش کشاورزی دارند. این پژوهش به بررسی تاثیر خشکسالی بر مزارع برنج و چغندر قند واقع در استان های مازندران (اقلیم مرطوب) و استان خوزستان (اقلیم خشک) با استفاده از شاخص های خشکسالی سنجش از دور طی فصل رشد در سال های 2019-2001 می پردازد. هم چنین عملکرد سری زمانی تحلیل طیفی تکین (SSA) در برآورد این شاخص ها بررسی شد. نتایج این پژوهش بیانگر تاثیر بیشتر خشکسالی های هواشناسی بر شاخص VCI در مزارع چغندر قند و بر شاخص های VCI و TCI در مزارع برنج می باشد. بررسی ضرایب همبستگی بین شاخص های خشکسالی هواشناسی (SPEI، SPI وPDSI) و سنجش از دور (VCI، VHI وTCI) نشان از بالاترین ضریب همبستگی بین شاخص SPEI3 و شاخص های VCI و VHI بدون تاخیر زمانی (به ترتیب ضریب همبستگی 49/0 و 45/0) در مزارع کشت چغندرقند است، در حالی که بیش ترین ضریب همبستگی بین شاخص های خشکسالی هواشناسی و سنجش از دور بین شاخص SPEI3 و شاخص های VHI و TCI (به ترتیب ضریب همبستگی 28/0 و 23/0) با تاخیر زمانی سه ماهه مشاهده می شود. مدل سری زمانی ناپارامتری SSA عملکرد خوبی در برآورد شاخص های سنجش از دور VHI، VCIوNDVI در مزارع برنج و چغندرقند، به دلیل خطاهای RMSE کوچک دارد و در برآورد شاخص SPEI3 در مزارع چغندر قند وSPI1 در مزارع برنج دارای کمترین خطای مدل است. به طور کلی مدل SSA در پیش بینی های کوتاه مدت و میان مدت شاخص های سنجش از دور و هواشناسی، به دلیل خطاهای کمتر، در مزارع چغندر قند و برنج عملکرد قابل قبولی دارد.

مدیریت و برنامه ریزی صحیح منابع آبهای زیرزمینی به میزان آگاهی از روند تغییرات مکانی و زمانی این منابع با ارزش وابسته است. داده های ماهواره گریس در مقیاس مکانی بزرگ برای مطالعه آب های زیرزمینی نقش مهمی را ایفا می کند. مدل های سری زمانی پارامتری برای مدل سازی و پیش بینی سری های زمانی گسترش قابل توجهی داشته اتد. محدوده مورد مطالعه این پژوهش حوضه دریاچه ارومیه در نظر گرفته شده است، که میانگین تغییرات سطح آب زیرزمینی حوضه از تبخیر و تعرق داده موجود ماهواره GRACE شامل: csr، gfz و jpl از سایت Google Earth Engine در دوره ی زمانی 2016-2002دریافت شد. بررسی روند تغییرات آب زیرزمینی میانگین حوضه دریاچه ارومیه با آزمون روند من-کندال نشان از روند کاهشی معنادار هر سه داده مدل GRACE در دوره مورد مطالعه دارد. مدل های سری زمانی پارامتری شامل ARIMA، MARS، PROPHET و ETS بر داده های ماهواره GRACE برازش داده شد. نتایج این برازش بیانگر عملکرد بالای سری زمانی PROPHET در هر سه سری داده ماهواره GRACE، به دلیل بالاترین ضرایب R2 (85/0-81/0) و کوچک ترین ضرایب خطای مدل MAE (24 cm/month 24/2-27/1) و RMASE (cm/month 74/2-34/2) می باشد. هم چنین بررسی باقیمانده های مدل PROPHET برازش یافته بیانگر نرمال بودن باقیمانده ها است، لذا این مدل برای پیش بینی انتخاب می شود. پیش بینی تغییرات سطح آب زیرزمینی هر سه داده ماهواره GRACE با مدل PROPHET طی 7 سال آینده (2024-2017) هم چنان نشان از روند نزولی تغییرات سطح آب زیرزمینی در میانگین حوضه دریاچه ارومیه را دارد.

خشکسالی به عنوان یکی از پیچیده ترین پدیده های طبیعی است که پیش بینی به موقع آن نقش موثری در مدیریت و کنترل خشکسالی وکاهش اثرات آن بر کشاورزی و مدیریت منابع آب دارد. شاخص استاندارد شده بارش و تبخیر- تعرق SPEI از شاخص های هواشناسی کشاورزی است که تاثیر چشمه و چاهه رطوبت در سطح زمین را در برآورد خشکسالی همزمان در نظر می گیرد. این پژوهش به پیش بینی شاخص خشکسالی SPEI با روش رگرسیون لجستیک رتبه ای، از روش های یادگیری ماشین، در اقلیم های متفاوت کشور ایران در 13 ایستگاه سینوپتیک می پردازد. رگرسیون لجستیک رتبه ای برای پیش بینی یک متغیر وابسته ترتیبی و یک یا چند متغیر مستقل به کار می رود و هم چنین متغیرهای مستقل موثر معنی دار از لحاظ آماری را بر متغیر وابسته تعیین می کند. برآورد شاخص SPEI بر اساس محاسبات داده های دیدبانی در دوره آماری 2018-1995 و داده های بارش و تبخیر- تعرق مرجع پنمن- مانتیث فائو56 شبکه بندی جهانی CRU بعد از اصلاح خطای اریبی در دوره آماری 1994-1901 انجام شد. سپس شاخص SPEIبا رگرسیون لجستیک رتبه ای در سه کلاس شامل: نرمال، خشکسالی متوسط و خشکسالی شدید و خیلی شدید بر اساس متغیرهای مستقل بارش و تبخیر- تعرق مرجع برآورد شد. بررسی شاخص SPEI نشان از افزایش شدت و طول دوره خشکسالی در تمام پنجره های زمانی متفاوت در اقلیم های خشک و نیمه خشک در دو دهه اخیر دارد. بارش و تبخیر-تعرق مرجع، به ویژه بارش، متغیرهای موثر در شاخص SPEI در نواحی خشک و نیمه خشک می باشند، در حالی که در اقلیم های مرطوب و خیلی مرطوب، بارش تنها متغیر موثر بر شاخص SPEI است. رگرسیون لجستیک رتبه ای در برآورد شاخص SPEI در کلاس های نرمال و خشکسالی شدید و خیلی شدید، به دلیل بالا بودن ضرایب دقت و حساسیت مدل، عملکرد قابل قبولی دارد، در حالی که در برآورد شاخص SPEI در کلاس خشکسالی متوسط ناموفق است. هم چنین در این پژوهش روابط احتمال وقوع شاخص SPEI جهت پیش بینی کلاس های مختلف در اقلیم های مختلف ارائه شده است.

گرد و غبار یک پدیده طبیعی آب و هوایی است که افزایش بی رویه آن مشکل ساز است. تأثیرات نامطلوب این پدیده بر کشاورزی هم به شکل تأثیر بر کیفیت و عملکرد محصولات کشاورزی و هم به صورت کم کردن اثر کوددهی و سمپاشی می-تواند بروز کند. مطالعه پراکندگی جغرافیایی و غلظت ذرات معلق در نزولات جوی می تواند اطلاعات مهمی در مورد منابع آلاینده ها و رفتار آنها در اتمسفر برای محققین فراهم سازد. در این پژوهش نمونه های باران جمع آوری شده از باران-سنج در ایستگاه های همدان، قهاوند، رزن و اسدآباد به کمک کاغذ صافی 2 میکرون و 5 میکرون بررسی شد . با استفاده از شاخص های ارزیابی PH، TDS، EC کیفیت آب آنها را بدست آورده و بوسیله رگرسیون و همبستگی پیرسون به بررسی ارتباط یا عدم ارتباط داده های حاصل از پژوهش و ذرات معلق موجود در هوا پرداخته می شود. با توجه به کوچک بودن قطر ذرات موجود در آب باران این روش قابل استفاده نبود، در نتیجه از روش تبخیر استفاده شد، در این روش پس از تبخیر، وزن ذرات باقی مانده از تبخیر اندازه گیری شد سپس میزان TDS و به تبع آن EC بدست آمد. TDS با EC ارتباط مستقیم دارد و PH را نیز تحت تأثیر قرار می دهد. هر چه TDS بالاتر باشد، EC بیشتر و pH پایین تر است. در اسفندماه 97 که در کاغذ صافی 2 میکرون میزان TDS 99/116 بدست آمد که خارج از محدوده استاندارد کیفیت آب می باشد، همچنین داده های اندازه-گیری شده در آزمایشگاه نشان داد که هر 4 ایستگاه در محدوده مناسبی از استاندارد آب مطلوب قرار دارند، میزان کمترین EC، TDS و PH ایستگاه ها بترتیب قهاوند (15/9/97) 19، 20، 88/6، اسدآباد (14/1/98) 19، 17، 5/7، همدان (24/8/97) 28 ، 31، 41/7، و رزن (25/8/97) 18 و 12، 22/7. بیشترین میزان EC، TDS و PH ایستگاه ها بترتیب قهاوند (21/8/97) 398، 372، 16/8، اسدآباد (14/2/98) 429، 440، 97/7، همدان (28/1/98) 830، 91، 72/7 و رزن (15/7/97) 271، 206 و 92/7 بود که از بین این 4 ایستگاه رزن کمترین مقدار و اسدآباد بیشترین مقدار ذرات معلق را در ریزش های جوی داشت. با مقایسه بین ذرات معلق و TDS در دو سال 97 و 98 چنین منتج شد که این شاخص ها هماهنگی چندانی با هم ندارند و ذرات معلق بیشتر از TDS می باشد و با بارش باران از ذرات معلق موجود در هوا کاسته می شود.

فصل بارندگی از دیدگاه کشاورزی بر اساس شروع و پایان بارش موثر تعریف می شود. شروع بارش موثر،بارش پیوسته ای است که هم فراهم کننده نیاز رطوبتی ناحیه بذر و هم تامین کننده رطوبت خاک در دوره زمانی طولانی(یک ماهه) باشد. بنابراین تعیین دقیق بارش موثر نقش مهمی در تعیین زمان بهینه کشت دیم در راستای کاهش مصرف آب،آماده سازی زمین، انتخاب گیاهان و واریته های مناسب دارد. این پژوهش به بررسی فصل بارندگی بر اساس شاخص های هواشناختی (ترکیب دما-بارندگی) و توازن آب (ترکیب دما-بارندگی-تبخیر-تعرق و آب در دسترس) در ایستگاه های استان همدان شامل: همدان، نوژه، قهورد، کرفس، نهاوند، اسدآباد، رزن و فامنین در دوره زمانی 2018-1999 می پردازد. آزمون ارزیابی شاخص های توازن آب بر اساس تبخیر نسبی (نسبت تبخیر-تعرق واقعی به تبخیر-تعرق گیاه) با استفاده از ضرایب تنش رطوبتی داده های مدل GLEAM انجام می شود. شاخص هواشناختی با محدودیت بارندگی mm5 در تمام ایستگاه های استان، صحت بالایی در برآورد شروع فصل رشد دارد، در حالی که شاخص های توازن آب در ایستگاه های مختلف متفاوت هستند. نتایج آزمون روند من_کندال اصلاح شده بیانگر شروع زود هنگام فصل رشد توسط هر دو شاخص در اکثر ایستگاه ها، با روند معنا دار منفی توسط شاخص توازن آب در ایستگاه های کرفس (day/year 3/1) و نهاوند (day/year 3/2) است، در حالی که شروع زود هنگام پایان فصل رشد در تمام ایستگاه ها به جز ایستگاه نهاوند، با روند معنا دار منفی در ایستگاه کرفس (day/year1)رخ می دهد. هم چنین طول فصل رشد در تمام ایستگاه ها به جز نهاوند و نوژه، کاهش داشته است.

چکیده: اثرات تغییر اقلیمی بر چشمه و چاهه های رطوبت سطح (بارش و تبخیر-تعرق) منجر به تغییرات قابل توجهی در نیاز آبی گیاهان می شود که در برنامه ریزی آبیاری و مدیریت منابع آب در کشاورزی اهمیت بسیاری دارد. این پژوهش به اثر تغییرات اقلیمی در نیاز آبی محصولات گندم، یونجه و برنج در سه دوره حاضر (2018-1995)، پیش بینی (2046-2019) و کل دوره مورد مطالعه (2046-1995) در کشور ایران با خروجی های اصلاح شده مدل منطقه ای اقلیمی RegCM4.7 جفت شده با طرحواره سطح Clm4.5 بر اساس روش های اصلاح خطای اُریبی مدل می پردازد. نتایج آزمون من-کندال اصلاح شده نشان از روندهای افزایشی معنادار در نیاز آبی گندم در دوره حاضر در اقلیم خشک (با حداکثر افزایش mm/year 9/15 در بیرجند) و در کل دوره مطالعه در تمام تیپ های اقلیمی از خشک تا نیمه مرطوب (با حداکثر افزایش mm/year 9/7 در بجنورد در اقلیم نیمه خشک) دارد. روندهای افزایشی معنادار نیاز آبی یونجه در دوره حاضر در اقلیم های خشک و نیمه خشک (با حداکثر افزایش mm/year 8/33 در بیرجند) رخ داده است، درحالی که روند افزایشی معنادار در کل دوره مورد مطالعه در تمام تیپ های اقلیمی با بیشترین افزایش در اقلیم نیمه خشک (mm/year 2/18 در سمنان) پیش بینی می شود. نیاز آبی محصول برنج دارای روند افزایشی معنادار در تیپ های اقلیمی خشک و نیمه خشک (با حداکثر افزایش mm/year 4/15 در دزفول) در دوره حاضر است، درحالی که روندهای افزایشی معناداردر نیاز آبی محصول برنج در کل دوره مورد مطالعه در تیپ های اقلیمی خشک، نیمه خشک و نیمه مرطوب (با حداکثر افزایش mm/year 9/5 در جلفا) پیش بینی می شود. روندهای نیاز آبی گندم، برنج و یونجه در اکثر ایستگاه ها در دوره پیش بینی افزایش، بدون روند معنادار، خواهد بود. نقاط شکست نیاز آبی محصولات گندم، برنج و یونجه در دوره حاضر در اقلیم خشک رخ داده است، درحالی که نقاط شکست در دوره پیش بینی در دهه 2030 در سایر اقلیم ها پیش بینی می شود.

تبخیر-تعرق از مهم ترین مؤلفه ها در چرخه هیدرولوژی است که ارتباط بین شار انرژی و شار آب را بر عهده دارد. با توجه به عدم دسترسی به داد های تبخیر-تعرق مرجع در اکثر نواحی، تصاویر سنجش از دور می تواند جایگزینی مناسب برای تخمین تبخیر-تعرق مرجع باشد. این پژوهش به ارزیابی تبخیر-تعرق مرجع سنجنده MODIS MOD16A نسخه ششم با توان تفکیک مکانی m500 و مقیاس زمانی 8 روزه می پردازد. دوره مورد مطالعه بخش غربی ایران شامل ایستگاه های سینوپتیک استان های مازندران و گیلان، خوزستان، بوشهر، همدان و کرمانشاه است که به شش تیپ اقلیمی (براساس پهنه بندی اقلیمی کشاورزی یونسکو طبقه بندی می شوند. ارزیابی روزانه تبخیر-تعرق مرجع سنجنده MODIS با تبخیر-تعرق مرجع برآورد شده پنن-مانتیث نشان از عملکرد بالای تبخیر-تعرق سنجنده MODIS اقلیم نیمه خشک با زمستان سرد و تابستان گرم، به دلیل ضریب همبستگی بالا (96/0)، خطاهای bias (mm/8d 7/13) و RMSE (mm/8d 4/15) و ضرایب تبیین (65/0) و دقت مدل (64/0) بالاتر دارد. بالاترین عملکرد سنجنده MODIS در برآورد تبخیر-تعرق پریستلی-تیلور در تیپ اقلیمی خیلی مرطوب با زمستان خنک و تابستان گرم با کمترین خطاهای bias (mm/8d 6/15) و RMSE (mm/8d 7/17) و بالاترین ضریب تبیین (53/0) و دقت مدل (50/0) می باشد. سنجنده MODIS در مقیاس های زمانی روزانه و ماهانه در اکثر تیپ های اقلیمی، تبخیر-تعرق پنمن-مانتیث و پریستلی-تیلور را فرابرآورد می کند. ارزیابی ماهانه تبخیر-تعرق مرجع MODIS بیانگر خطاهای بالا در برآورد تبخیر-تعرق مرجع پنمن – مانتیث و پریستلی-تیلور در ماه های گرم سال (می تا جولای) است.

سرعت بی سابقه روند گرمایش جهانی در قرن حاضر، به ویژه اواخر قرن ، اثر قابل ملاحظه ای بر شاخص های فصل رشد به دلیل وابستگی به دمای هوا دارد. فصل گرمایی رشد، دوره رشد گیاه از لحاظ تئوری است که در این پژوهش بر اساس آستانه دمایی ºC 5 و با وارد کردن اثر یخبندان بر اساس تعریف لیندرهولم و همکاران (2008) برآورد می شود. خروجی های دمای مدل RegCM جفت شده با طرحواره سطح CLM4.5 و مدل دریاچه (RegCM-CLML) در شمالغرب و غرب کشور شامل استان های آذربایجان غربی و شرقی، اردبیل، همدان و کردستان، در ارزیابی دمای هوا در دوره ارزیابی (2015-2006) و پیش بینی شاخص های فصل گرمایی رشد در دوره پیش بینی (2025-2016) استفاده می شود. ارزیابی مدل RegCM-CLML در شبیه سازی بیشینه، کمینه و میانگین دمای هوا در دوره ارزیابی نشان از عمکرد مناسب مدل دریاچه در برآورد دمای هوا در مقیاس های زمانی روزانه و ماهانه، به دلیل خطاهای کوچک تر و ضرایب همبستگی و کارایی مثبت و بالای مدل، دارد. روندهای زمانی آزمون ناپارامتری اصلاح شده من-کندال در مقیاس دهه در بیشینه، کمینه و میانگین دمای هوا طی سال های 1996 تا 2025 فاقد روند معنی-دار و در کل دوره مورد مطالعه دارای روند معنی دار افزایشی در تعداد بیشتری از ایستگاه ها نسبت به روند کاهشی است. روندهای معنی دار آزمون من-کندال در شاخص های فصل رشد نشان دهنده شروع زود هنگام فصل رشد (حداکثر 3/7 روز در دهه در اردبیل) و پایان زودهنگام فصل رشد (حداکثر 8/6 روز در دهه در مهاباد) است، در حالی که طول فصل رشد در اکثر ایستگاه ها به طور معناداری کاهش (حداکثر 8/8 روز در دهه در مهاباد) می یابد. آزمون های ناپارامتری دامنه بوشند، بوشندU و آزمون پتی در تعیین نقاط شکست بیانگر نفاط شکست معنی دار در اغلب ایستگاه ها در طول فصل رشد نسبت به آغاز و پایان فصل رشد است. تمام نقاط شکست معنی دار در پایان فصل رشد در سال 2014 رخ داده است، به طوری که ایستگاه های مهاباد و ملایر دارای نقاط شکست معناداری هم در پایان فصل رشد و هم طول فصل رشد در سال 2014 می باشند.

پیش بینی خشکسالی می تواند نقش موثری در کاهش خسارت ناشی از آن در حوزه های کشاورزی، اقتصاد و محیط زیست داشته باشد. این تحقیق به پیش بینی شاخص خشکسالی کشاورزی SPEI، به دلیل نقش موثر دما در شدت خشکسالی در این شاخص، در کل کشور ایران (91 ایستگاه هواشناسی سینوپتیک) در دوره پیش بینی (2023-2015) با استفاده از خروجی های مدل منطقه ای اقلیمی RegCM می پردازد. ایستگاه های سینوپتیک بر اساس طبقه بندی اقلیمی یونسکو به نه تیپ اقلیمی متفاوت تقیسم بندی می شوند. سپس خروجی های میانگین دمای هوا، تبخیر -تعرق مرجع پنمن مانتث فائو56 و بارندگی برآورد شده توسط مدل RegCM جفت شده با طرحواره های سطح BATS (RegBATS) و CLM (RegCLM) به طور جداگانه در دوره ارزیابی (2014-2005) با شاخص های ارزیابی خطای اُریبی مدل (BIAS) و میانگین مطلق خطا (MAE) بررسی می شوند. مدل RegCM برای کل ایران با نقطه مرکزی به طول جغرافیایی 61/53 درجه و عرض جغرافیایی 18/33 درجه با گام مکانی Km30× Km30 با 82 نقطه شبکه در راستای نصف النهار و 82 نقطه شبکه در راستای مدار اجرا می شود. خروجی های 6 ساعته مدل اقلیمی CSIRO-MK 3.6 با سناریوی تابشی RCP4.5 (سناریوی تثبیت) برای تأمین شرایط اولیه و مرزی اجرای مدل بکار می رود. هر دو مدل RegBATS و RegCLM کم ترین خطاها را در برآورد میانگین دمای هوا در مقیاس ماهانه و فصلی، به ویژه در نواحی مرطوب و خیلی مرطوب، دارند، به طوری که مدل RegCLM در مقایسه با مدلRegBATS ، با افزایش میانگین دمای هوا سبب کاهش فروتخمین (حتی در مواردی فراتخمین) خطای اُریبی مدل و کاهش خطای MAE در اکثر نواحی گردد. کاهش بارندگی برآورد شده توسط مدل RegCLM نسبت به مدل RegBATS سبب کاهش فراتخمین و کاهش خطاهای مدل شود، هر چند که هر دو مدل در برآورد بارندگی در نواحی دارای اقلیم مرطوب وخیلی مرطوب در فصل های پاییز و زمستان از عدم قطعیت بسیار بالایی برخوردارند. مدل RegCLM با افزایش تبخیر و تعرق مرجع در مقایسه با مدل RegBATS ، به دلیل افزایش دمای هوا، سبب کاهش فروتخمین و کاهش خطای مدل می شود. مدل RegCLM، علیرغم کاهش خطاهای مدل، در برآورد تبخیر و تعرق مرجع در اقلیم نیمه مرطوب در فصل بهار دارای خطاهای بالای BIAS و MAE (mm/month76) است. شاخص SPEI با پیش بینی های مدل RegCLM، به دلیل کاهش عدم قطعیت نسبت به مدل RegBATS، در دوره پیش بینی (2023-201

تبخیر- تعرق نقش مهمی در توازن آب و انرژی در سطح مشترک جو- سطح دارد و تغییرات آن به شدت وابسته به زمان و مکان است. این تحقیق به بررسی تغییرات زمانی و مکانی تبخیر-تعرق گیاه مرجع ( ETₒ) یرآورد شده از روش پنمن مانتیث فائو 56، تبخیر از تشت (Epan) و ضریب تشت (Kpan) در دو دهه پایه (2002-1993) و دهه اخیر (2013-2003) در ماه های آوریل تا نوامبر در حوضه آبریز کرخه می پردازد. حوضه آبریز کرخه در این تحقیق به دو بخش شمالی (دارای اقلیم نیمه خشک ) و جنوبی (اقلیم خشک) تقسیم می-شود. بررسی روند زمانی با آزمون ناپارامتری من-کندال و حساسیت ETₒبه پارامترهای اقلیمی از روش تحلیل مولفه اصلی انجام شد. بررسی میانگین تغییرات ETₒدر دهه اخیر نسبت به پایه، بیانگر افزایش ETₒهم در مقیاس ماهانه و هم در مقیاس فصلی، به ویژه فصل های پاییز و تابستان، است.، به طوری که بیشترین افزایش ETₒدر نواحی شمال غربی حوضه در فصل پاییز (افزایش%18) و بیشترین کاهش را در شمال حوضه در فصل بهار (کاهش 8/6 %) دارد. میانگین ماهانه Epan در دهه اخیر نسبت به دوره پایه در فصل های بهار و پاییز اکثرا کاهش داشته است، به طوری که Epan بیشترین افزایش را در جنوب حوضه در تابستان (12%افزایش) و بیشترین کاهش را در شمال شرق حوضه در فصل بهار ( 17% کاهش) نشان می دهد. مقایسه میانگین فصلی Kpan در هر دو دهه، نشان از افزایش آن در دهه اخیر درکل حوضه در فصل پاییز دارد و بیشترین افزایش و کاهش Kpanدر دهه اخیر نسبت به دهه پایه به ترتیب در شرق (افزایش 27%) و در شمال شرق حوضه (7% کاهش) رخ می دهد. تحلیل آزمون روند ناپارامتری من-کندال در کل دوره مورد مطالعه، نشان دهنده روند افزایشی معنی دار سرعت باد در شمال و کل حوضه، روند کاهشی معنی دار رطوبت نسبی در جنوب و کل حوضه و روند افزایشی معنی دار Kpan در شمال حوضه است. روند افزایشی غیر معنی دار در ETₒ، Epan و Kpan با افزایش دماهای کمینه و بیشینه در جنوب حوضه وجود دارد، در حالی که در شمال حوضه، روند افزایشی غیر معنی دار در ETₒو روند کاهشی غیر معنی دار Epan با روندهای غیرمعنی دار افزایشی در دمای کمینه و کاهشی در دمای بیشینه و روند معنی دار افزایشی در سرعت باد همراه است. نتیجه تحلیل حساسیت ETₒبه پارامترهای هواشناسی در شمال و جنوب کرخه نشان از سهم بیشتر مولفه ی اصلی اول نسبت به مولفه های دوم و سوم دارد، به طوری که ET

تغییر در اقلیم آینده، چرخه ی هیدرولوژیکی را تغییر خواهد داد و متعاقباً در کمیت و کیفیت منابع آب تأثیر خواهد گذاشت. آگاهی از تغذیه ی آب زیر زمینی در مدیریت منابع آب زیر زمینی ضروری است. در این مطالعه تأثیر تغییر اقلیم بر وضعیت آینده ی آب زیر زمینی در دشت تویسرکان از زیر حوضه های حوضه ی علیای رودخانه ی کرخه در استان همدان مورد بررسی قرار گرفته است. در سال های اخیر سطح آب در آبخوان دشت تویسرکان با افت مواجه شده است. پیش بینی های تغذیه در دشت تویسرکان بر اساس سناریوی RCP4.5 از گزارش پنجم هیأت بین الدول تغییر اقلیم، با استفاده از نتایج خروجی های مدل گردش عمومی HadGEM2 و ریز مقیاس نمایی دینامیکی این خروجی ها توسط مدل اقلیمی منطقه ای RegCM4 جفت شده با مدل جامع زمین CLM4.5 تولید شده اند. صحت سنجی مدل RegCM در 5 سال (2000 تا 2004 میلادی) و پیش بینی برای دوره ی 10 ساله ی 2015 تا 2025 میلادی صورت گرفت. سیستم آبخوان دشت تویسرکان توسط کد MODFLOW در قالب نرم افزار GMS و با استفاده از الگوی تفاضل محدود مدل سازی شده است؛ در این خصوص داده های مختلف هیدرولوژیکی، هیدروژئولوژیکی، نقشه های توپوگرافی و زمین شناسی و لاگ چاه های موجود در محدوده مورد استفاده قرار گرفتند. مدل آب زیر زمینی برای یک دوره ی یک ساله با دوره های تنش ماهانه (مهر 87 تا شهریور 88) واسنجی و برای یک دوره ی یک ساله ی دیگر (مهر 88 تا شهریور 89) صحت سنجی شد. نتایج آنالیز حساسیت مدل نشان دادند که تغییرات آبدهی ویژه در مقایسه با هدایت هیدرولیکی و تغذیه تأثیر بیشتری بر مدل آبخوان دارند. در نهایت برای دوره ی 10 ساله ی پیش بینی دو سناریو تعریف شدند؛ سناریوی اول فرض بر ادامه ی روند برداشت کنونی بوده اما در سناریوی دوم کاهش 20 درصدی برداشت از چاه های کشاورزی در نتیجه ی افزایش راندمان آبیاری مد نظر است. نتایج حاکی از آن هستند که روند افت سطح ایستابی در آبخوان ادامه خواهد یافت و افزایش راندمان آبیاری نیز تأثیر محسوسی بر روند افت سطح ایستابی نخواهد داشت