fa آینده نگری و ارزیابی تأثیرات تغییر اقلیم بر رواناب حوضه قره‌سو تخصصي Special پژوهشي Research <p>داده‌های روزانه شبیه‌سازی شده توسط مدل‌های گردش عمومی برای آینده را می‌توان به عنوان ورودی مدل‌های هیدرولوژیکی لحاظ کرده و نتایج آن را در برنامه‌های بلند‌مدت توسعه منابع آب منظور نمود. در این تحقیق، داده‌های روزانه دمای حداقل، حداکثر، بارش و ساعات آفتابی ایستگاه سینوپتیک گرگان در دوره 1999-1970 با استفاده از مدل آماری LARS-WG شبیه‌سازی شد وپس از اطمینان از کارآیی مدل، در شبیه‌سازی پارامترهای هواشناسی مذکور، جهت بررسی تاثیر پدیده تغییر اقلیم بررواناب، داده‌های سه سناریوی A2 (سناریوی حداکثر)،A1B (سناریوی حد وسط) و B1 (سناریوی حداقل) مدل HadCM3 در دو دوره 2030-2011 و 2099-2080 با مدل آماری LARS-WG کوچک مقیاس گردید و سپس، میزان ‌رواناب با استفاده از مدل هیدرولوژیکی IHACRES شبیه‌سازی و پس از واسنجی(از1978 تا 1979 با مقدار ضریب تعیین 66/0) و اعتبارسنجی این مدل (30 دسامبر 1979 تا 29 دسامبر 1980 بامقدار ضریب تعیین 65/0)، داده‌های دما و بارش خروجی به مدل IHACRES وارد شده و تغییرات رواناب ناشی از تغییر اقلیم در دوره‌های آتی نسبت به دوره پایه محاسبه گردید. نتایج نشان داد در دوره‌های آتی، میانگین دمای حوضه آبخیز قره‌سو به میزان 56/0 تا 04/1 درجه سلسیوس افزایش می‌یابد. مقدار بارش نیز در مقایسه با دوره پایه به میزان 28/10 تا 71/23 درصد افزایش نشان می‌دهد. هم‌چنین مقدار رواناب سه سناریو در دو دوره مورد بررسی در مقایسه با دوره پایه 35/29 تا 8/44 درصد افزایش یافته که این افزایش رواناب در دوره 2030-2011 نسبت به دوره 2099-2080 بیش‌تر است.</p> <p>Climate change impacts are very dependent on regional geographic features and local climate variability. Impact assessment studies on climate change should therefore be performed at local or at most at the regional level for the evaluation of possible consequences. However, climate scenarios are produced by Global Circulation Models with spatial resolutions of several hundreds of kilometers. For this reason, downscaling methods are needed to bridge the gap between the large scale climate scenarios and the fine scale where local impacts happen. A stochastic weather generator, however, can serve as a computationally inexpensive tool to produce multiple-year climate change scenarios at the daily time scale which incorporate changes in both mean climate and in climate variability. In paper, LARS-WG model were used to downscale GCM outputs and then assessment of the performance were done for generated daily data of precipitation, minimum and maximum temperature and sunshine hours. Study area is Ghare-su basin in Gorgan and the station is called Gorgan synoptic station. The first step is running the model for the 1970-1999 period. Then mean of observation and synthetic data were compared. T-test was used in the 95% significance level, and the difference between observation and synthetic data was not significant. Finally monthly mean of observation and synthetic data were compared using Statistical parameters such as NA, RMSE & MAE. As a final result, it is found that performance of model is appropriate for generating daily above listed data in Ghare-su basin. So, it is possible to predict the climatic parameters from GCM output using LARS-WG model. Also minimum and maximum temperatures have highest and sunshine hours have lowest correlation.</p> تغییر اقلیم, رواناب, ریز‌مقیاس‌نمائی,HadCM3, LARS-WG, مدل IHACRES, قره‌‌سو Climate change, climatic scenarios, Down-scaling, LARS-WG, QaraSu 73 84 http://jwmsei.ir/browse.php?a_code=A-10-255-1&slc_lang=fa&sid=1 Massoud Goodarzi مسعود گودرزی massoudgoodarzi@yahoo.com 10031947532846006426 10031947532846006426 Yes SCWMRI پژوهشکده حفاظت خاک و آبخیزداری