مدل‌‎‌سازی اثرات تغییر اقلیم بر منابع آب‌زیرزمینی دشت گلگیر خوزستان، جنوب‌غرب ایران، با استفاده از مدل GMS

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار هیدرولوژی، دانشکده علوم زمین، گروه زمین شناسی، دانشگاه شهید چمران اهواز

2 دانش آموخته گروه زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز

3 استاد هیدروژئولوژی، دانشکده علوم زمین، گروه زمین شناسی، دانشگاه شهید چمران اهواز

چکیده

تغییرات اقلیمی، تغییر نرخ تغذیه، افزایش تقاضای و کاهش دسترسی به آب می‏تواند باعث کاهش ذخایر آب گردد. در اقلیم‎های خشک و نیمه‎‌خشک، پیش‌بینی تأثیر تغییر اقلیم بر نوسانات سطح آب‌زیرزمینی می‏تواند منجر به راه‌کارهای مناسب برای مدیریت منابع آب شود. برای بررسی تأثیر تغییرات اقلیم بر آب زیرزمینی، دشت گلگیر درخوزستان انتخاب گردید. در این مطالعه، داده‏های خروجی مدل HadGEM2-ES در سه سناریوی RCP2.6، RCP4.5 و RCP8.5 بر روی‌داده‌های ایستگاه سینوپتیک مسجدسلیمان به‌وسیله مدل LARS-WG6.0 ریزمقیاس نمایی و نتایج بدست‌آمده در دوره پایه 2021-2003 و دوره آتی 2040-2022 برای دما و بارندگی ارزیابی شد. نتایج مدل در دوره آتی، بیانگر افزایش دمای حداکثر و حداقل برای تمام ماه‏ها، نسبت به دوره پایه است. بیشترین و کم‌ترین افزایش میانگین سالانه دمای، به ترتیب، در سناریوی RCP8.5 و RCP4.5 برآورد شد. بررسی داده‌های میانگین سالانه بارش، در دوره آتی، نسبت به دوره پایه، در RCP2.6، RCP4.5 و RCP8.5، به ترتیب 2/5، 6/9 و 6/12 درصد کاهش نشان داد. برای بررسی اثر تغییرات اقلیمی بر منابع آب‌زیرزمینی دشت گلگیر، مدل MODFLOW در یک دوره ده سال واسنجی و صحت‌سنجی شد. بکارگیری نرخ بارندگی و دمای بدست‌آمده از سناریوی‌های RCP بر روی مدل آب زیرزمینی نشان داد که تراز آب زیرزمینی آبخوان گلگیر، در دوره آتی،متاثر از تغییر اقلیم کاهش می‌یابد. از این رو، در سناریوی RCP8.5، آبخوان گلگیر با افت 7/6 متری، وضعیت بحرانی‎‌تری نسبت به سناریوهای RCP2.6 و RCP4.5 خواهد داشت. نتایج این پژوهش، بایستگی مدیریت منابع آب‌زیرزمینی دشت گلگیر برای جلوگیری از چالش تأمین آب در آینده را نشان می‌دهد.

کلیدواژه‌ها

موضوعات


Akhtar, M., Ahmad, N., Booij, M.J., 2008. The impact of climate change of the water resources of Hidukush-Karakorum region under different glacier coverage scenarios. Journal of Hydrology 355, 148-163. https://doi.org/10.1016/j.jhydrol.2008.03.015.
Anderson, M.P., Woessner W.W., Hunt R.J., 2015. Applied groundwater modeling: simulation of flow and advective transport: Academic press 555 P. https://doi.org/10.1016/C2009-0-21563-7.
Bates, B., Kundzewicz, Z.W., Wu, S., Palutikof, J., 2008. Climate change and water, technical paper VI of the Intergovernmental panel on Climate Change. Intergovernmental panel on Climate Change Secretariat Geneva, 210 P.
Boughariou, E., Allouche, N., Jmal, I., Mokadem, N., Ayed, B., Hajji, S., Khanfir H. Bouri, S., 2018. Modeling aquifer behavior under climate change and high consumption: Case study of the Sfax region, southeast Tunisia. Journal of African Earth Sciences 141, 118-129. https://doi.org/10.1016/j.jafrearsci.2018.02.006.
IPCC. 2014 Synthesis Report. Contribution of working groups I, II and III to the fifth assessment report of the intergovernmental panel on climate change 151(10.1017).
Chitsazan, M., Rahmani, G. Neyamadpour, A., 2015. Forecasting groundwater level by artificial neural networks as an alternative approach to groundwater modeling. Journal of the Geological Society of India 85, 98-106. https://doi.org/10.1007/s12594-015-0197-4.
Dalin, C., Wada, Y., Kastner, T. Puma, M.J., 2017. Groundwater depletion embedded in international food trade. Nature 543, 700–704. https://doi. 10.1038/nature24664.
Dehn, M., Bürger, G., Buma, J., Gasparotto, P., 2000. Impact of climate change on slope stability using expanded downscaling. Engineering Geology 55(3), 193-204. https://doi.org/10.1016/S0013-7952(99)00123-4.
Doll, P., 2009. Vulnerability to the impact of climate change on renewable groundwater resources: a global-scale assessment. Environmental Research Letters. 4, 036006. https://doi. 10.1088/1748-9326/4/3/035006.
Doll, P., Müller, S.H., Schuh, C., Portmann, F.T., Eicker, A., 2014. Global-scale assessment of groundwater depletion and related groundwater abstractions: combining hydrological modeling with information from well observations and GRACE satellites. Water Resource 50, 5698 5720. https://doi.org/10.1002/2014WR015595.
Ehteram, M., Kalantari, Z., Ferreira, C.S., Chau, K.W., 2022. Prediction of future groundwater levels under representative concentration pathway scenarios using an inclusive multiple models coupled with artificial neural network. Journal of water and Climate Change 13(10), 20-36. https://doi: 10. 2166/wcc.2022.198.
Farrokhi, A., Farzin, S., Mousavi, S. F., 2021. Meteorological drought analysis in response to climate change conditions, based on combined four-dimensional vine copulas and data mining (VC-DM). Journal of Hydrology 603, 127-135. https://doi.org/10.1016/j.jhydrol.2021.127135.
Feng, W., Zhong, M., Lemoine, J.M., Biancale, R., Hsu, H.T., Xia, J., 2013. Evaluation of groundwater depletion in North China using the Gravity Recovery and Climate Experiment (GRACE) data and ground-based measurements. Water Resource 49, 2110–2118. https://doi.10.1002/wrcr.20192.
Ferguson, G., Gleenson, T., 2012. Vulnerability of coastal aquifers to groundwater use and climate change. Journal of Climate Change 2, 342–345. https://doi.10.1038/nclimate1413.
Garduno, H., Foster, S., 2010. Sustainable groundwater irrigation approaches to reconciling demand with resources. GW•MATE(Groundwater Management Advisory Team), Strategic Overview Series Number 4 https://doi.org/10.1016/j.cosust.2013.10.010.
Ghanbari - Adivi, E., Ehteram, M., Farrokhi, A., Sheikh Khozani, Z., 2022. Combining radial basis function neural network models and inclusive multiple models for predicting suspended sediment loads. Water Resources Management 36, 1–30. https://doi. 10.1007/s11269-022-03256-4.
Ghazavi, R., Ebrahimi, H. 2018. Predicting the impacts of climate change on groundwater recharge in an arid environment using modeling approach. International Journal of Climate Change Strategies and Management 11, 88-99. https://doi 10.1108/IJCCSM-04-2017-0085.
Goderniaux, P., Brouyère, S., Blenkinsop, S., Burton, A., Fowler, H.J., Orban, P., Dassargues, A., 2011. Modeling climate change impacts on groundwater resources using transient stochastic climatic scenarios. Water Resources Research 47, W12516. http://doi. org/10.1029/2010WR010082.
Graham, P., Hagemann, S., Juan, S., Beniston, M., 2007. On interpreting hydrological change from regional climate models. Journal of Climate Change 81, 97-122. http://doi:/10 1007/s10584-006-9217-0.
Harbaugh, A.W., 2005. MODFLOW-2005: the U.S. Geological Survey Modular Ground-Water Model – The Ground-Water Flow Process. U.S. Geological Survey Modular Techniques and Methods 6-A16, USGS Numbered Series. Report Citation for MODFLOW-2005. https://doi.org/10.3133/tm6A16.
Konikow, L. F., Kendy, E., 2005. Groundwater depletion: a global problem. Hydrogeology Journal 13, 317-320.
Kumar, C., 2012. Climate change and its impact on groundwater resources. International Journal of Engineering and Science 1(5), 43-60. https://doi.10.1007/S10040-004-0411-8.
Malekinezhad, H., Bandkooki, F.B., 2018. Modeling impacts of climate change and human activities on groundwater resources using MODFLOW. Journal of Water and Climate Change 9(1), 156-177. https://doi.10.2166/WCC.2017.147.
Meddi, M., Boucefiane A., 2013. Climate change impact on groundwater in Cheliff-Zahrez Basin (Algeria). APCBEE Procedia 5, 446-450. https://doi.org/10.1016/j.apcbee.2013.05.077.
Mirzaee, S.Y., Amiri, R., Chitsazan, M., Nadri, N., 2020. The Combination of Mathematical and Stochastic Models to Improve the Results of Groundwater Models. Irrigation Sciences and Engineering (JISE) 43(3), 57-70. https://doi. 10.22055/jise.2018.22820.1629.
Mirzaee, S.Y., Zarasvandi, A., Orang, M., 2014. Geochemical effect of Asmari oil reservoirs on Masjid Sulaiman karst water resources. Advanced Applied Geology 5(4), 1-14.
Scibek, J., Allen D., 2006. Modeled impacts of predicted climate change on recharge and groundwater levels. Water Resources Research 42(11), 205-263. https://doi.org/10.1029/2005WR004742.
Seififi, A., Ehteram, M., Soroush, F., Haghighi, A.T., 2022. Multi-model ensemble prediction of pan evaporation based on the Copula Bayesian model averaging approach. Engineering Applications of Artificial Intelligence 114, 105-124. https://doi.org/10.1016/j.engappai.2022.105124.
Semenov, M.A., Stratonovitch, P., 2010. Use of Multi- model Ensembles from Global Climate Model for Assessment of Climate Change Impacts Climate Research 4, 1-14. https://www.jstor.org/stable/24895285.
Soltani, F., Javadi, S., Roozbahani, A., Massah Bavani, A.R., Lotfifi, S., 2022. Simulation of surface water-groundwater interaction using MODFLOW-OWHM (case study: Shazand plain). Iranian journal of Ecohydrology 9(1), 199–210. https://doi. 10.22059/IJE.2022.336586.1595.
Shrestha, S., Bach, T.V., Pandey, V.P., 2016. Climate change impacts on groundwater resources in Mekong Delta under representative concentration pathways (RCPs) scenarios. Environmental Science & Policy 61, 1-13. https://doi. 10.1016/j.envsci.2016.03.010.
Tanachaichoksirikun, P., Seeboonruang, U., Saraphirom, P., 2018. Impact of climate change on the groundwater sustainability in the lower Chao Phraya basin, Thailand. MATEC Web of Conferences, EDP Sciences. https://doi.10.1088/1757-899X/639/1/012032.
Tigabu, T.B., Wagner, P.D., Hörmann, G., Kiesel, J., Fohrer, N., 2021. Climate change impacts on the water and groundwater resources of the Lake Tana Basin, Ethiopia. Journal of Water and Climate Change 12(5), 1544-156. https://doi,org/10.2166/wcc.2020.126.
Turkghashqainejad, S., Chitsazan, M., Mirzaee, S.Y., 2015. Estimation of hydrodynamic parameters of aquifer using geoelectrical studies (case study: Golgir aquifer, Khuzestan). Journal of Hydrogeology 1(2), 24-37.
Ouyang, Y., Jin, W., Grace, J., Obalum, S.E., Zipperer, W. C., Huang, X., 2019. Estimating impact of forest land on groundwater recharge in a humid subtropical watershed of the Lower Mississippi River Alluvial Valley. Journal of Hydrogeology: Regional Studies 26, 1-8. https://doi.org/10.1016/j.ejrh.2019.100631.
Ouyang, Y., Wan, Y., Jin, W., Leininger, T. D., Feng, G., Han, Y., 2021. Impact of climate change on groundwater resource in a region with a fast depletion rete: the Mississippi. Journal of water and Climate Change 12(6), 2245-2255. https://Doi.org/10.2134/jeq2013.09.0355