جفت کردن مدل‌سازی تغییر کاربری زمین با پیش‌بینی‌های اقلیمی برای تخمین تغییرات فصلی در رواناب از یک حوضه آبریز شهری در نزدیکی سینسیناتی، اوهایو

خلاصه

این تحقیق به بررسی تأثیر تغییر اقلیم و کاربری اراضی بر هیدرولوژی حوضه می پردازد. تنوع فصلی در دبی متوسط جریان، سیل 100 ساله و جریان کم 7Q10 حوضه آبخیز رودخانه ایست فورک لیتل میامی، اوهایو با استفاده از تغییر پوشش زمین شبیه‌سازی شده و پیش‌بینی‌های اقلیمی برای سال 2030 مورد تجزیه و تحلیل قرار گرفت. رشد شهری آینده در منطقه بزرگ سینسیناتی، اوهایو ، تا سال 2030 با استفاده از اتوماتای سلولی پیش بینی شد. پوشش زمین پیش بینی شده در یک مدل BASINS-HSPF کالیبره شده گنجانده شد. پیش‌بینی‌های اقلیمی کاهش‌یافته هفت دستگاه GCM بر اساس مفروضات دو سناریوی انتشار گازهای گلخانه‌ای IPCC از طریق ابزار ارزیابی آب و هوا BASINS (CAT) ادغام شدند. خروجی CAT گسسته برای مشخص کردن یک دانه برای شبیه‌سازی مونت کارلو و استخراج توابع چگالی احتمال پاسخ‌های هیدرولوژیکی فصلی پیش‌بینی‌شده برای توضیح عدم قطعیت استفاده شد. تجزیه و تحلیل حساسیت برای یک حوضه کوچک در حوضه با استفاده از مدل مدیریت آب طوفان (SWMM) توسعه یافته آژانس حفاظت از محیط زیست ایالات متحده انجام شد. نتایج حاکی از احتمال بالاتر از گذر از سیل 100 ساله در ماه های پاییز و زمستان و احتمال کاهش جریان کم تابستان است.

کلید واژه ها:

تغییرات آب و هوایی ؛ تغییر پوشش زمین ; اتوماتای سلولی ; BASINS-HSPF ; سیل 100 ساله ؛ 7Q10 جریان کم

چکیده گرافیکی

1. معرفی

سیل، خشکسالی و سایر شرایط شدید مرتبط با آب و هوا هزینه‌های فزاینده‌ای را بر جامعه تحمیل کرده و انتظار می‌رود که آنها را تحمیل کنند [ 1 ، 2 ، 3 ، 4 ، 5 ]. بر اساس مرکز ملی داده‌های اقلیمی اداره ملی اقیانوس‌شناسی و جوی، طی 30 سال گذشته فجایع جوی و آب‌وهوایی مربوط به جوامع در ایالات متحده مجموع تلفات استاندارد شده بیش از 750 میلیارد دلار را به همراه داشته است [ 6 ]. تنها در سال 2011، هزینه کل خسارت برآورد شده ناشی از آتش‌سوزی‌ها، خشکسالی و حوادث بی‌سابقه سیل در ایالات متحده از 52 میلیارد دلار فراتر رفت [ 6 ]]. سوابق تغییرات اقلیمی و پیش‌بینی‌های تولید شده توسط مدل‌های اقلیمی به تصمیم‌گیرندگان توانایی ارزیابی ریسک‌های شرایط آینده، توسعه سناریوها و افزایش انعطاف‌پذیری از طریق شیوه‌ها و گزینه‌های مدیریتی را می‌دهد [ 3 ، 7 ]. مدل‌های گردش عمومی اقیانوس-اتمسفر همراه (GCM) می‌تواند به ویژه در درک اقلیم‌های آینده مفید باشد زیرا قادر به شبیه‌سازی روندهای آب و هوایی در طول دهه‌ها هستند [ 8 ]. علی‌رغم پیشرفت‌ها در مدل‌سازی آب و هوای جهانی، عدم قطعیت قابل‌توجهی با توجه به تغییرات منطقه‌ای و میزان تأثیرات اقلیمی آینده وجود دارد [ 9 ]. آرنل و رینارد [ 10 ] از مدل روزانه بارش-رواناب و تعادل در مقابل استفاده کردند.سناریوهای تغییر اقلیم گذرا برای بررسی تنوع در جریان رودخانه در بیست و یک حوضه در بریتانیای کبیر. این مطالعه افزایش متوسط جریان رودخانه را 20 درصد در دوره‌های مرطوب و تقریباً 20 درصد کاهش در دوره‌های خشک را تا سال 2050 برآورد کرد. مشخص شد که جریان‌های ماهانه تنوع بیشتری نسبت به جریان‌های سالانه با افزایش شدید جریان در طول ماه‌های زمستان نشان می‌دهند. تغییر بین سالانه نسبت به تنوع جریان بین دهه ای کمتر مشخص بود [ 10 ]. آرنل [ 11] سناریوهای تغییر اقلیم UKCIP98 را در یک مدل هیدرولوژیکی کالیبره شده برای بررسی اثرات فصلی بر میانگین جریان ماهانه و جریان کم گنجاند. این مطالعه تنوع طبیعی چند دهه ای را با اثرات تغییرات آب و هوایی انسانی مقایسه کرد و افزایش میانگین جریان ماهانه همراه با کاهش قابل توجهی در جریان کم در سرچشمه ها را پیش بینی کرد [ 11 ].

روزنبرگ و همکاران [ 12 ] یک ارزیابی جامع از تأثیرات تغییر اقلیم بر اساس مناطق و بخش‌ها برای داده‌های آب و هوایی ایالات متحده برای تجزیه و تحلیل توسط مدل گردش عمومی اداره هواشناسی هادلی/بریتانیا (UKMO) (GCM؛ HadCM2) ارائه شد. بازده آب برای بازه‌های زمانی مختلف بین سال‌های 2030 و 2095 با استفاده از مدل واحد هیدرولوژیک برای ایالات متحده (HUMUS) مدل‌سازی شد. به طور کلی، پیش‌بینی‌های HadCM2 نشان‌دهنده مرطوب‌تر از شرایط عادی در شمال غربی اقیانوس آرام و دره اوهایو و پایین‌تر از میزان آب طبیعی در حوضه‌های می‌سی‌سی‌پی و خلیج تگزاس است. تغییرات فصلی نیز از جمله افزایش دبی جریان در اواخر زمستان و اوایل بهار [ 12 ] پیش بینی شد. فیکلینو همکاران [ 13 ] از تغییرات پیش‌بینی‌شده توسط GCM در دی‌اکسید کربن اتمسفر _، دما و بارندگی برای مدل‌سازی تأثیرات مرتبط با تغییرات آب و هوایی بر تبخیر و تعرق، تولید آب، جریان جریان و مصرف آب در دره سن‌واکین، کالیفرنیا استفاده کرد. این مطالعه کاهش تبخیر و تعرق را به میزان 37.5 درصد و افزایش عملکرد آب و جریان رودخانه را به ترتیب 36.5 درصد و 23.5 درصد پیش بینی کرد. این مطالعه سطح بالایی از حساسیت را در نقاط پایانی هیدرولوژیکی با توجه به تغییرات بالقوه در شرایط آب و هوایی نشان می‌دهد [ 13 ].

Denault و همکاران [ 9 ] تأثیر بالقوه سناریوهای اقلیمی آینده از جمله افزایش شدت بارندگی بر دبی اوج آب طوفان شهری در حوضه کوچکی در بریتیش کلمبیا، کانادا را بررسی کرد. این مطالعه آسیب‌پذیری زیرساخت‌های طوفان‌آب شهری را در برابر تأثیرات شهرنشینی و تغییرات آب و هوایی با استفاده از شبیه‌سازی‌های بارش-رواناب بررسی کرد. محققین دریافتند که ارتقاء زیرساخت های موجود به تغییرات پیش بینی شده جریان می تواند مقرون به صرفه باشد اگر در برنامه ریزی مدیریت بلند مدت آب گنجانده شود [ 9 ]. دسای و هولمه [ 14] استدلال می کنند که اجرای استراتژی های مدیریت منابع آب موفق اغلب توسط عدم قطعیت های مرتبط با پیش بینی مدل های آب و هوایی مانع می شود. محققین چارچوبی را برای ارزیابی اقدامات سازگاری پیشنهاد می‌کنند که نسبت به ابهامات در پیش‌بینی‌های مدل آب و هوایی حساس نیستند و می‌توانند سرمایه‌گذاری‌های آتی در استراتژی‌های سازگاری منطقه‌ای با تغییرات آب و هوایی را توجیه کنند [ 14 ].

علاوه بر تنوع آب و هوا، تبدیل زمین به کاربری شهری به عنوان یک عامل اصلی در تغییرات در هیدرولوژی حوزه آبخیز شناخته شده است [ 13 ، 15 ، 16 ، 17 ]. جایگزینی پوشش گیاهی با سطوح غیرقابل نفوذ در نتیجه توسعه شهری بر میکرو اقلیم و هیدرولوژی تأثیر می گذارد [ 16 ، 18 ]. توسعه شهری تمایل به حذف پوشش گیاهی و خاک، افزایش نفوذناپذیری و کاهش ظرفیت نفوذ طبیعی و توانایی ذخیره آب های سیل دارد [ 15 ، 17 ]. تغییرات خصوصیات هیدرولوژیکی یک حوزه آبخیز به دلیل توسعه شهری می تواند به طور قابل توجهی بر دبی اوج، حجم و فراوانی سیل تأثیر بگذارد.13 ، 16 ]. در طول دو دهه گذشته، مدل‌های اتوماتای سلولی (CA) شبیه‌سازی شهری کاربردهای متعددی در عملاً در هر حوزه تحقیقاتی در زمینه برنامه‌ریزی شهری پیدا کردند [ 18 ، 19 ]. محققان در کاوش‌های خود در فضای شهری بر مدل‌های CA تمرکز می‌کنند، زیرا، در اکثر موارد، مدل‌های CA قادر به انجام تعدادی از کارهای تحقیقاتی غیرقابل حل قبلی هستند، مانند مدل‌سازی دینامیک فضایی، شبیه‌سازی تعاملات سطوح خرد، و ظرفیت. برای پیش بینی الگوهای نوظهور [ 18 ، 20 ]. تورنت و همکاران [ 19] یک چارچوب فرا-شبیه‌سازی را توسعه داد که قادر به اجرای شبیه‌سازی است که هم مقیاس درشت (مثلاً رشد جمعیت) و هم مقیاس خوب (مثلاً مکان و زمان) عوامل محرک پراکنده را در بر می‌گیرد. باتی [ 20 ] مجموعه‌ای از مدل‌های شبیه‌سازی شهری را بررسی می‌کند که به طور مفهومی ریشه در نظریه پیچیدگی دارند و کاربرد آن‌ها را برای پویایی‌های زمانی تصادفی از پایین به بالا و پدیده‌های مرتبط با فرآیندهای تکامل فضایی شهری نشان می‌دهد. تورنس و همکاران [ 20] مجموعه‌ای از تعیین‌کننده‌های فضایی پراکندگی را بر روی یک شبکه جغرافیایی برای شبیه‌سازی محرک‌های این پدیده شهری معروف نشان می‌دهد. به طور کلی، تحقیقات قابلیت کاربرد مدل‌های CA را برای نمایش‌های صریح فضایی فرآیندهای شهری بر روی یک شبکه سلولی مرجع فضایی در زمان افزایشی نشان داده است. مراحلی که توسط قوانین انتقال خاص اداره می شوند [ 21 ، 22 ، 23 ، 24 ، 25 ]. پیکربندی مدل CA نیز در پیچیدگی افزایش یافته است. اونستد و کلارک [ 24] کاربرد SLEUTH را برای مدل‌سازی تأثیر سیاست‌های نظارتی مانند برنامه‌های ارزیابی افتراقی داوطلبانه که در آن زمین‌ها از نوع خاصی از توسعه شهری در ازای معافیت‌های مالیاتی حذف می‌شوند، بررسی کرد. این رویکرد با موفقیت پویایی ارتفاق در حال تغییر را نشان داد و به بهبود آمار مناسب بودن کمک کرد. تانگ [ 26 ] از سنجش از دور و اتوماتای سلولی فازی فرعی برای بهبود دقت پیش بینی تغییر منظر شهری استفاده کرد. ونچری و همکاران [ 27] دینامیک مبتنی بر سلول اتوماتای سلولی را با سیستم های چند عاملی برای تجزیه و تحلیل ارزش املاک و مستغلات آینده و توزیع جمعیت همراه کرد. مطالعات اخیر در اتوماتای سلولی انتقال حالت سلولی در استفاده از زمین را به فعالیت های مرتبط مانند توسعه مسکونی و اشتغال مرتبط می کند [ 28 ]. و حرکت سرمایه و جمعیت [ 29 ]. هانسن [ 30 ] یک چارچوب مدل مبتنی بر سناریو را توسعه داد که شامل یک مدل کاربری زمین، یک مدل رواناب و یک مدل غربالگری سیل است. سانته و همکاران [ 31 ] یک نمای کلی از پیشرفت های اخیر در مدل سازی CA ارائه می دهد.

این تحقیق پیشرفت‌ها در مدل‌سازی رشد شهری را به پیش‌بینی‌های اقلیمی کاهش‌یافته پیوند می‌دهد تا بینش‌هایی در مورد حساسیت واکنش هیدرولوژیکی به تغییرات شرایط آب و هوایی و سطح شهرنشینی به دست آورد. تغییر پوشش زمین با استفاده از مدل اتوماتای سلولی (CA-Markov) که احتمالات انتقال مارکوف و ارزیابی چند معیاره (MCE) را در خود جای داده است، پیش بینی می شود [ 32 ]. شبیه‌سازی‌هایی از هفت GCM کوچک‌شده به ایستگاه‌های شبکه تاریخی آب و هوا (HCN) برای دوره 2010-2039 از کنسرسیوم ارزیابی منطقه‌ای اقیانوس اطلس (CARA) [ 33 ] به دست آمد.]. وب‌سایت CARA تغییرات شبیه‌سازی شده دما و بارندگی را تحت دو سناریوی انتشار گازهای گلخانه‌ای آتی IPCC که معمولاً مورد استفاده قرار می‌گیرد، مشخص می‌کند – A2 مرتبط با رشد سریع جمعیت و استفاده زیاد از انرژی، و B2 مرتبط با رشد آهسته‌تر جمعیت و مصرف متوسط انرژی [ 33 ، 34 ]. حساسیت نقاط پایانی هیدرولوژیکی شامل میانگین جریان فصلی (m3 ∙s ^-1 )، حداقل (m ³ ∙s ^-1 )، حداکثر (m ³ ∙s ^-1 )، سیل 100 ساله و 7Q10 جریان کم (m ³⁾ ∙s ^-1 ) برای محرک‌های آب و هوا با استفاده از یک مدل هیدرولوژیکی کالیبره‌شده – برنامه شبیه‌سازی هیدرولوژیکی – فورتران (HSPF) [35 ]. اثرات فصلی پیش‌بینی‌های اقلیمی کاهش‌یافته با استفاده از ابزار ارزیابی آب و هوا (CAT) ساخته شده در چارچوب مدل‌سازی BASINS-HSPF [ 7 ، 36 ] در مدل گنجانده شده‌اند. BASINS (Better Assessment Science Integrating Point and Nonpoint Sources) یک بسته نرم افزاری است که عملکرد سیستم های اطلاعات جغرافیایی (GIS) را با مدل های هیدرولوژیکی پیشرفته و ابزارهای ارزیابی برای پشتیبانی از مطالعات و راهنمای جامع حوزه آبخیز و کیفیت آب ترکیب می کند. طراحی و اجرای استراتژی های مدیریت موثر [ 7 ].

2. مواد و روشها

2.1. شرح منطقه مورد مطالعه

حساسیت هیدرولوژی حوضه آبخیز به تغییر اقلیم و کاربری اراضی از طریق یک شبیه‌سازی با استفاده از یک مدل HSPF کالیبره‌شده برای حوضه آبخیز رودخانه ایست فورک لیتل میامی (که بعداً به آن East Fork گفته می‌شود) مورد بررسی قرار گرفت. حوزه آبخیز بخش جنوب شرقی زیرحوضه رودخانه لیتل میامی (USGS Hydrologic Unit Code #05090202) را در بر می گیرد که مساحتی حدود 1300 کیلومتر مربع را پوشش می دهد. حوزه آبخیز ایست فورک توسط سازمان حفاظت محیط زیست اوهایو [ 32 ] به عنوان زیستگاه ماهیگیری گرمابی استثنایی تعیین شده است . این حوضه میانگین بارندگی ماهانه 8.9 سانتی متر دارد. میانگین بارندگی سالانه بین 101.6 سانتی متر تا 109.2 سانتی متر است. بیشتر بارندگی سالانه (تقریباً 60٪) در ماه های بهار و تابستان اتفاق می افتد. شکل 1موقعیت منطقه مورد مطالعه در جنوب غربی اوهایو را نشان می دهد.

بر اساس سرشماری دهه 1990، جمعیت منطقه آماری شهری سینسیناتی-میدلتون، OH-KY-IN (MSA) 1.85 میلیون نفر بود. تا سال 2000، جمعیت به 2.01 میلیون نفر افزایش یافت. بیش از 2.2 میلیون نفر در حال حاضر در OH-KY-IN MSA ساکن هستند. طی یک دوره بیست ساله بین سال‌های 1990 و 2010، شهرستان همیلتون که شهر سینسیناتی در آن قرار دارد، تقریباً 64000 نفر از ساکنان خود را از دست داد. در همان زمان، شهرستان های شمال و شرق سینسیناتی شاهد افزایش قابل توجه جمعیت خود بودند. شهرستان وارن جمعیت خود را تقریباً 100000 نفر (یا 100٪) افزایش داد. باتلر جمعیت خود را 80000 نفر (یا 70 درصد) افزایش داد. شهرستان کلرمونت، جایی که حوضه آبخیز رودخانه لاوئر ایست فورک لیتل میامی در آن واقع شده است، 50000 نفر افزایش یافته است که افزایش بیش از 30 درصدی است.

بخش غربی حوضه، که زهکشی پایین ایست فورک است، به دلیل قرار گرفتن آن در نزدیکی شهر سینسیناتی، به سرعت در حال حومه نشینی است [ 32 ]]. الگوی توسعه شهری غالب، مسکونی با تراکم کم با کاربری های تجاری و صنعتی پراکنده در امتداد بزرگراه های اصلی است. در سال های اخیر، توسعه از سمت غرب منجر به افزایش تراکم جمعیت در مناطقی در امتداد مسیرهای ایالات متحده-50 و ایالتی 32 و 131 شد. ساخت مبادلات و توسعه در امتداد کریدورهای SR-125 و SR-32 دسترسی به مسیرهای توسعه نیافته قبلی را باز کرد. بخش هایی در قسمت های پایین و میانی حوضه. این مناطق در حال حاضر با افزایش فشار توسعه مواجه هستند. تحقیقات قبلی نشان داده است که میزان توسعه شهری در حوزه آبخیز فورک شرقی تحت تأثیر فرآیندهایی است که در مقیاس بزرگتر اتفاق می‌افتند [ 32 ]]. به منظور به تصویر کشیدن پویایی توسعه شهری که بر الگوهای شهرنشینی در حوزه آبخیز تأثیر می‌گذارد، یک مدل زنجیره‌ای اتوماتای سلولی-مارکوف برای منطقه آماری شهری سینسیناتی-میدلتون توسعه داده شد. انتقال جمعیتی در این منطقه در دو دهه گذشته حاکی از کاهش تراکم جمعیت و اشتغال در هسته شهری و گسترش سریع توسعه سبز با تراکم کم در جهت‌های شرق، شمال شرق و جنوب غربی است [ 32 ]. روند توسعه در حوزه آبخیز فورک شرقی، واقع در حاشیه شرقی منطقه شهری، بخشی از این گسترش کلی برون شهری است.

شکل 1. محل سینسیناتی میدلتون OH-KY-IN MSA و حوضه رودخانه ایست فورک کوچک میامی (EFLMR).

2.2. چارچوب مفهومی

شکل 2 چارچوب مفهومی و گردش کار مطالعه را نشان می دهد. چارچوب مفهومی بر دو بعد اصلی استوار است – تغییر پوشش زمین و تنوع آب و هوایی پیش بینی شده برای به دست آوردن درک بهتری از تأثیر تجمعی این تغییرات بر تولید رواناب در یک حوزه آبخیز شهری. این چارچوب شامل تکنیک‌های مدل‌سازی پوشش زمین پیشرفته بر اساس اتوماتای سلولی و احتمال زنجیره مارکوف و مدل‌سازی هیدرولوژیکی با استفاده از BASINS-HSPF و ابزار ارزیابی آب و هوا (CAT) [ 36 ] است. پوشش زمین پیش‌بینی‌شده در سال 2010 با استفاده از داده‌های بسته در سال 2010 برای شهرستان‌های کلرمونت و براون، اوهایو تأیید شد. مدل هیدرولوژیکی حوضه با استفاده از ریشه میانگین مربعات خطا (RMSE) و ترسیم نمودار مشاهده شده در مقابل کالیبره و اعتبارسنجی شد.مقادیر شبیه سازی شده از آنجایی که پیش‌بینی‌های مدل آب و هوایی تا حد زیادی در جهت تغییر (افزایش/کاهش) بارندگی و بزرگی آن اختلاف نظر دارند، یک شبیه‌سازی مونت کارلو برای ارزیابی عدم قطعیت در نتایج مدل‌سازی‌شده و تخمین احتمال تجاوز از جریان‌های کم (7Q10) و 100- انجام شد. سیل سال حداکثر و حداقل بارش پیش بینی شده فصلی به عنوان مبنای سناریوهای اقلیمی مورد استفاده قرار گرفت. نتایج اولیه نشان‌دهنده بزرگی نسبتاً متوسطی از تغییر است که نیاز به بازنگری در مقیاس تجزیه و تحلیل را نشان می‌دهد. EFLMR یک حوزه آبخیز نسبتا بزرگ است. حوضه فرعی شرقی به سرعت در حال توسعه است، اما همچنان بخش نسبتاً کوچکی از حوزه آبخیز رودخانه ایست فورک کوچک میامی به عنوان یک کل باقی مانده است. بخش غربی شامل سرچشمه ها عمدتاً توسعه نیافته است که عمدتاً از مناطق جنگلی تشکیل شده است. مراتع و زمین های کشاورزی. مدل هیدرولوژیکی برای کل حوضه EFLMR کالیبره شد که بزرگی نسبتاً متوسط تغییر را توضیح می دهد (بیشتر منطقه توسعه نیافته است و این تغییرات ایجاد شده در یک زیرحوضه کوچک را جبران می کند). برای اصلاح این امر و ایجاد درک بهتر از تغییرات رخ داده در بخش شرقی حوضه، یک حوضه از بخش شرقی حوضه به عنوان یک واحد تجزیه و تحلیل جداگانه استخراج شد. تجزیه و تحلیل بیشتر در این حوضه حوضه به سرعت حومه‌نشین انجام شد تا تأثیر آن بر تولید رواناب تحت رویدادهای شدید آشکار شود. مدل هیدرولوژیکی برای کل حوضه EFLMR کالیبره شد که بزرگی نسبتاً متوسط تغییر را توضیح می دهد (بیشتر منطقه توسعه نیافته است و این تغییرات ایجاد شده در یک زیرحوضه کوچک را جبران می کند). برای اصلاح این امر و ایجاد درک بهتر از تغییرات رخ داده در بخش شرقی حوضه، یک حوضه از بخش شرقی حوضه به عنوان یک واحد تجزیه و تحلیل جداگانه استخراج شد. تجزیه و تحلیل بیشتر در این حوضه حوضه به سرعت حومه‌نشین انجام شد تا تأثیر آن بر تولید رواناب تحت رویدادهای شدید آشکار شود. مدل هیدرولوژیکی برای کل حوضه EFLMR کالیبره شد که بزرگی نسبتاً متوسط تغییر را توضیح می دهد (بیشتر منطقه توسعه نیافته است و این تغییرات ایجاد شده در یک زیرحوضه کوچک را جبران می کند). برای اصلاح این امر و ایجاد درک بهتر از تغییرات رخ داده در بخش شرقی حوضه، یک حوضه از بخش شرقی حوضه به عنوان یک واحد تجزیه و تحلیل جداگانه استخراج شد. تجزیه و تحلیل بیشتر در این حوضه حوضه به سرعت حومه‌نشین انجام شد تا تأثیر آن بر تولید رواناب تحت رویدادهای شدید آشکار شود.

شکل 2. نمودار مفهومی و گردش کار.

2.3. مدل CA-MARKOV تغییر پوشش زمین

در حالی که در دو دهه گذشته، مدل‌های CA رشد شهری توانایی خود را برای دستیابی به شبیه‌سازی قابل اعتماد مورفولوژی‌های شهری بهبود بخشیده‌اند، اکتشاف خروجی‌های CA با اقلیم یا سایر مدل‌های زیست‌محیطی تحقیقات بیشتری را می‌طلبد. انگلن و همکاران [ 37 ] یک مدل CA را به عنوان جزئی از یک سیستم پشتیبانی برنامه ریزی برای بررسی تأثیر تغییرات آب و هوا بر توسعه زمین یک جزیره کارائیب توسعه داد. ورودی‌های اتوماتای سلولی (مدل مقیاس خرد) ابتدا در مقیاس کلان بر اساس چهار مؤلفه: هواشناسی، جمعیت‌شناسی، اقتصادی، و نیاز به مساحت زمین استخراج می‌شوند. انگلن و همکاران [ 37] از این مدل برای مطالعه تاثیر افزایش میانگین دما به میزان 2 درجه سانتی گراد و افزایش 20 سانتی متری سطح دریا بر الگوهای کاربری اراضی مناطق ساحلی و اقتصاد استفاده کرد. محققان تقاضا برای زمین را برای فعالیت های اقتصادی مختلف مانند گردشگری، کشاورزی، صادرات، خرید و تولید شبیه سازی کردند. آرتور هارترانفت و همکاران [ 38 ] تغییرات در پوشش رویشی، دمای سطح و رواناب ناشی از گسترش شبیه‌سازی شده زمین‌های شهری در جنوب شرقی پنسیلوانیا را بررسی می‌کند. مدل رشد شهری SLEUTH ^® [ 23] برای ایجاد سناریوهای مختلف تغییر پوشش زمین اعم از توسعه تاثیر زیاد تا گزینه‌های مقاوم‌تر به محیط زیست که نه تنها پوشش رویشی را حفظ می‌کنند، بلکه حتی گسترش می‌دهند، استفاده شد. تصاویر تغییر پوشش زمین تولید شده با مدل SLEUTH® ^سپس به عنوان ورودی در یک مدل هیدرولوژیکی برای ایجاد یک شاخص پاسخ رواناب تحت شرایط رطوبت قبلی معمولی و غیر معمول و بررسی تلفات در ذخیره‌سازی رطوبت کلی ناشی از شهرنشینی استفاده شد. این مطالعه جنبه‌های مهمی را بیان می‌کند که چگونه پیوند یک مدل CA شهری با مدل‌های زیست‌محیطی می‌تواند تصمیم‌گیری‌های پایدار در مورد سرعت، دامنه، الگوها و مکان فیزیکی توسعه شهری آینده را تسهیل کند [ 38 ]. لیو و همکاران [ 39] سناریوهای مختلف رشد شهری را برای دلتای رودخانه مروارید در جنوب چین تحت سیاست‌های جایگزینی استفاده از زمین با ادغام یک مدل اتوماتای سلولی با تکنیک سیستم ایمنی مصنوعی ایجاد کرد که امکان پارامترسازی دینامیکی محرک‌های خارجی را فراهم می‌کند. لی و همکاران [ 40 ] تکنیک‌های بهینه‌سازی کلنی مورچه‌ها را با یک مدل اتوماتای سلولی برای پیشنهاد راه‌حل‌های منطقه‌بندی بهینه برای مناطق طبیعی محافظت‌شده ترکیب کرد. مدل جفت شده عملکرد بهتری را در مقایسه با مدل‌های سنتی نشان داد و منجر به شکل شهری فشرده‌تر شد. لانگ و همکاران [ 41] پارامترهای سیاست فضایی را در یک مدل اتوماتای سلولی محدود برای ارزیابی یک طرح توسعه جایگزین برای منطقه شهری پکن گنجاند. این مدل برای چهار فرم تجربی شهری با استفاده از تحلیل حساسیت منطقه‌ای کالیبره شد و برای اثرات مثبت و منفی بالقوه بر روی منطقه شهری ارزیابی شد.

مجموعه داده‌های پوشش تاریخی مورد استفاده در تجزیه و تحلیل به‌گونه‌ای انتخاب شدند که با داده‌های آب و هوایی ارائه‌شده توسط CARA که نسبت به دوره پایه 1971-2000 بود، مطابقت داشته باشند [ 34 ]. روندهای گذشته در تغییرات چشم انداز رخ داده در منطقه مورد مطالعه با استفاده از مجموعه داده های مجموعه داده ملی پوشش زمین (NLCD) در سال 1992 و 2001 که از کنسرسیوم ویژگی های زمین با وضوح چندگانه دانلود شده بود [ 42 ] مورد بررسی قرار گرفت. از شاخص توافق کاپا برای اعتبارسنجی و کالیبره کردن مدل پیش‌بینی پوشش زمین استفاده شد [ 32]. داده‌های بسته در سال 2010 که از طریق ارزیابی‌کننده اوهایو و سوابق مالیاتی املاک در دسترس بود برای اعتبارسنجی پیش‌بینی پوشش زمین در سال 2010 استفاده شد. برای اهداف شبیه‌سازی الگوهای توسعه آینده، مجموعه داده‌های اولیه پوشش زمین/کاربری زمین به هفت دسته پوشش زمین طبقه‌بندی شدند: شدت بالا شهری ، شدت کم شهری ، جنگل‌ها ، زمین‌های زراعی ، تالاب‌ها ، بایر و آب . آنها “وضعیت سلولی” اولیه را نشان می دهند که در فرآیند شبیه سازی تغییر می کند. یک مدل احتمال انتقال خودکار سلولی-مارکوف برای تغییر پوشش زمین در ماژول CA-Markov از IDRISI ^®Taiga GIS و پردازش تصویر ساخته شد.نرم افزار [ 43 ]. ورودی‌های ماژول شامل یک شبکه پوشش زمین طبقه‌بندی‌شده که وضعیت اولیه هر پیکسل را نشان می‌دهد، یک ماتریس احتمالات انتقال مارکوف، یک تصویر مناسب برای هر طبقه پوشش زمین/کاربری زمین در معرض تغییر، یک فیلتر مجاورت برای پنجره متحرک اتوماتای سلولی، و یک تعداد تکرار [ 32 ، 43 ].

تصاویر پوشش زمین طبقه بندی مجدد شده برای تولید ماتریس احتمال انتقال اولیه مارکوف استفاده شد. آنها فرکانس های مشاهده شده انتقال طبقه پوشش زمین را در طول دوره مشاهده اولیه نشان دادند. ماتریس احتمال انتقال مارکوف که از طریق ماژول MARKOV در IDRISI ایجاد شده است ^، احتمال انتقال از حالت سلول اولیه (به عنوان مثال ، کلاس پوشش زمین) به هر حالت سلولی دیگر را بر اساس روندهای گذشته تعیین می کند. به طور کلی، چهار ماتریس احتمال انتقال مارکوف برای تجزیه و تحلیل، هر یک برای یک دوره ده ساله محاسبه شد.

الگوهای فضایی انتقال‌های مورد انتظار با استفاده از رویکرد ارزیابی چند معیاره (MCE) که امتیاز مناسبی را به هر سلول اختصاص می‌دهد، تعیین شد. MCE در IDRISI ^® به مجموعه ای از متغیرها در قالب عوامل و محدودیت ها نیاز دارد [ 43 ]. یک لایه محدود کننده، انتقال ها را محدود می کند. لایه های محدود به عنوان تصاویر بولی مجزا مشتق شدند. همپوشانی با ضربروش برای ترکیب آنها به یک تصویر محدودیت ترکیبی استفاده شد. در این مطالعه، زمین‌های توسعه‌یافته، نهرها، دیگر آب‌ها و شبکه‌های جاده‌ای مجموعه‌ای از محدودیت‌ها را تشکیل می‌دهند. مقررات ساختمانی که ساخت و ساز در شیب های تند را به دلیل ناپایداری شیب، فرسایش و خطر زمین لغزش محدود می کند، مبنای نظارتی را برای ایجاد مجموعه دیگری از محدودیت ها فراهم می کند. لایه‌های محدودکننده جداگانه برای هر کلاس پوشش زمین شبیه‌سازی شده توسعه داده شد.

درجه تناسب هر سلول برای یک هدف خاص با استفاده از متغیرهای ورودی به عنوان عوامل تعیین شد. انتخاب عوامل بر اساس مرور ادبیات [ 19 ، 20 ، 22 ، 25 ، 26 ] و تجزیه و تحلیل آماری تعیین شد. برای اهداف این تحلیل، متغیرهای عامل شامل: (1) نزدیکی به جاده ها. (2) شیب های زیر 25 درصد (هیچ محدودیتی بر اساس فاکتور شیب برای انتقال به زمین های زراعی، جنگلی، زمین های بایر و تالاب ها اعمال نشد). (3) نزدیکی به نهرها و بدنه های آبی؛ (4) نزدیکی به مناطق طبیعی حفاظت شده و فضای باز. و (5) نزدیکی به مناطق رشد، به عنوان مناطقی تعریف می شود که بین سال های 1990 و 2000 رشد قابل توجهی در جمعیت و اشتغال داشته اند. مناطق سرشماری با افزایش تراکم جمعیت بیش از 300 نفر در هر کیلومتر مربع (2.5 انحراف استاندارد بالاتر از میانگین) و/یا افزایش تراکم اشتغال بیش از بیش از 180 نفر در هر کیلومتر مربع (2.5 انحراف استاندارد بالاتر از میانگین) استخراج شد و یک لایه جدید به عنوان مناطق رشد تعیین شد.مشتق شده بود. فرض اساسی این بود که مناطقی که در سال‌های اخیر رشد قابل‌توجهی را تجربه می‌کنند، با موفقیت توسعه جدید آینده را جذب خواهند کرد. از توابع منطق فازی خطی و سیگموئیدی برای نشان دادن فروپاشی فاصله استفاده شد. ترکیب‌های مختلفی از توابع فروپاشی فاصله برای استخراج امتیاز تناسب ترکیبی برای هر یک از هفت کلاس پوشش زمین موجود در تجزیه و تحلیل استفاده شد. این ترکیبات قوانین انتقال گنجانده شده در مدل CA-Markov را تعیین کردند. ارزیابی اعتبار مدل CA-Markov با استفاده از شاخص کاپا برای برآورد توافق بین کاربری زمین پیش‌بینی‌شده در سال 2010 و داده‌های قطعه زمین در سال 2010 انجام شد.

2.4. ارزیابی تأثیر تغییرپذیری آب و هوا بر نقاط پایانی هیدرولوژیکی

ارزیابی تأثیر بالقوه تغییرپذیری آب و هوایی پیش‌بینی‌شده بر فرآیندهای حوضه با استفاده از یک مدل هیدرولوژیکی کالیبره‌شده و پیش‌بینی‌های هموار برای تغییر میانگین سالانه و فصلی دما و بارش انجام شد. داده‌های اقلیمی، مشتق‌شده از هفت GCM با پشتیبانی IPCC، توسط کنسرسیوم ارزیابی منطقه‌ای اقیانوس اطلس تحت دو سناریو ارائه شد که محدوده‌های متوسط (A2) و متوسط (B2) انتشار گازهای گلخانه‌ای را نشان می‌دهند [ 44 ]. هر دو سناریو سطوح متوسطی از توسعه اقتصادی را پیش‌بینی می‌کنند. سناریوی A2 نرخ بالای رشد جمعیت، مصرف انرژی و تبدیل زمین را در نظر می‌گیرد در حالی که B2 رویکرد سازگارتر با محیط زیست را با نرخ متوسط افزایش جمعیت، استفاده از انرژی و تغییر پوشش زمین نشان می‌دهد.34 ، 44 ]. جدول 1 خلاصه ای از نقاط پایانی هیدرولوژیکی را در یک دوره تاریخی 35 ساله ارائه می دهد.

جدول 1. میانگین ماهانه مقادیر نقاط پایانی هیدرولوژیکی بر اساس سوابق تاریخی 1969-2004 ( منبع داده : ایستگاه هواشناسی OH335268 در نزدیکی میلفورد، اوهایو، ایالات متحده آمریکا.

کنسرسیوم ارزیابی منطقه ای اقیانوس اطلس (CARA) سوابق تاریخی و داده های پیش بینی آب و هوا را برای 114 ایستگاه شبکه تاریخی آب و هوا (HCN) در منطقه اقیانوس اطلس شمالی و 67 ایستگاه نزدیک، که 24 ایستگاه در اوهایو واقع شده اند، ارائه می دهد. ایستگاه HCN در Hillsboro، OH (شبکه آب و هوای تاریخی #333758، 39.21N، 83.62W) برای این تحلیل انتخاب شد، زیرا نزدیک به منطقه مورد مطالعه و ارتفاع مناسب (تقریباً 290 متر) است که در محدوده بالاترین و بالاترین قرار دارد. کمترین ارتفاع مشاهده شده در حوزه آبخیز (به ترتیب 380 متر و 160 متر). داده های پیش بینی آب و هوا ارائه شده توسط CARA به شکل دلتا هستندیا تغییرات مورد انتظار در میانگین سالانه و فصلی دما و بارندگی (از جمله انحرافات استاندارد مربوطه) نسبت به دوره پایه، 1971-2000 [ 7 ، 34 ]. جدول 2 خلاصه ای از پیش بینی های کوچک شده از هفت مدل گردش عمومی موجود در تجزیه و تحلیل را ارائه می دهد.

ابزار ارزیابی آب و هوا (CAT) [ 36 ] گنجانده شده در BASINS v.4 یک ابزار تولید سناریو است که کاربر را قادر می‌سازد تا سری‌های زمانی بارش و دمای موجود در فایل مدیریت داده‌های حوضه آبخیز (WDM) را مطابق با تغییرات مورد انتظار تنظیم کند [ 7 ] . برای اهداف این تحقیق، زیر مجموعه‌های سری زمان‌های ماهانه بر اساس فصل جمع‌آوری و با استفاده از رویکرد تغییرات تکراری برای ارزیابی پاسخ‌های فصلی به شرایط آب و هوایی آینده (به عنوان مثال ، بارش و دما) اصلاح شدند. این رویکرد که به عنوان روش دلتا نیز شناخته می‌شود ، شامل اصلاح رکوردهای داده‌های تاریخی توسط آرایه‌ای از تغییرات پیش‌بینی‌شده یا دلتاها است [ 7 ].]. چندین مزیت از جمله سهولت اجرا، قابلیت ارزیابی طیف وسیعی از نتایج بالقوه، و ثبات در حفظ “هر گونه ساختار مکانی یا زمانی موجود در سوابق آب و هوای مشاهده شده” را ارائه می دهد ([ 7 ]، صفحات 2-3). در نتیجه، روش دلتا «شکل ساده اما مؤثر کاهش مقیاس مکانی و زمانی را نشان می‌دهد، که به موجب آن اطلاعات تغییرات آب و هوایی در مقیاس درشت‌تر بر مشاهدات تاریخی مکانی بیشتر (مثلاً یک ایستگاه هواشناسی فردی) و جزئیات زمانی (مثلاً داده‌های روزانه یا ساعتی) قرار می‌گیرد. ” ([ 7 ]، صص 2-3).

جدول 2. درصد تغییرات پیش بینی شده در میانگین بارندگی سالانه و فصلی در HCN# 333758 (هیلزبورو، OH) بر اساس خروجی های هفت GCM برای دوره 2010-2039 (خط پایه 1971-2000).

ارزیابی پاسخ های حوضه با استفاده از ابزار BASINS CAT نیاز به یک مدل حوضه HSPF کالیبره شده دارد. HSPF یک مدل هیدرولوژیکی مبتنی بر فیزیکی با قابلیت شبیه‌سازی جریان و فرآیندهای کیفیت آب با استفاده از داده‌های پوشش زمین/استفاده از زمین، ورودی‌های هواشناسی ساعتی (مانند بارش ساعتی، تابش خورشیدی، تبخیر و تعرق و دمای هوا) و اطلاعات در مورد شیوه‌های مدیریت آب طوفان است. [ 35 ]. برای اهداف این تجزیه و تحلیل، مجموعه داده های ارتفاعی ملی (NED) با وضوح 10 متر و مجموعه داده های ملی هیدروگرافی از نمایشگر نقشه ملی (USGS، http://viewer.nationalmap.gov/viewer/ ) دانلود شده است.

2.5. تست حساسیت

تست حساسیت تحت سناریوهای مختلف آب و هوایی (گرم/خشک و گرم/مرطوب) برای دوره کوتاه مدت برای یک دوره 20 ساله (2010-2030) و سطوح مختلف نفوذ ناپذیری که با سطح مشاهده شده در سال 2010 شروع شد 31.2 درصد برای بخشی از Lower East Fork (نزدیک میلفورد). مدل مدیریت آب طوفان (SWMM) ساخته شده در شبیه ساز آب طوفان USEPA برای انجام این بخش از تجزیه و تحلیل استفاده شد [ 52]. این مدل به ورودی‌های مختلفی از جمله گروه خاک هیدرولوژیکی، هدایت هیدرولیکی، شیب سطح، پوشش زمین، توپوگرافی، سری‌های زمانی بارش و تبخیر، و کنترل‌های توسعه با ضربه کم (LID) نیاز دارد. ده سناریو تحت شرایط مختلف مورد بررسی قرار گرفت. خروجی ها شامل نفوذ (% بارندگی)، تبخیر (% بارندگی)، رواناب (% بارندگی)، میانگین بارندگی سالانه (in)، متوسط رواناب سالانه (in)، روزهای در سال با روزهای بارندگی در سال با رواناب، درصد روزهای مرطوب باقی مانده است. , کوچکترین بارندگی با رواناب (in), بیشترین بارندگی بدون رواناب (in), حداکثر بارندگی حفظ شده (in).

شکل 3. تغییر پوشش زمین 1992-2001 ناشی از NLCD و پیش بینی پوشش زمین در سال 2030.

3. نتایج و بحث

3.1. تغییر پوشش زمین

تجزیه و تحلیل تغییرات پوشش زمین بین سال‌های 1992 و 2001 نشان داد که در سرتاسر کلان شهر زمین‌های ساخته شده نزدیک به 1200 کیلومتر مربع یا تقریباً 10 درصد افزایش یافته است ( جدول 3 ). مساحت شهری عمدتاً با تجاوز به زمین‌های زراعی و به میزان کمتری در جنگل/فضای باز افزایش یافته است. شکل 3مجموعه داده های پوشش زمین طبقه بندی شده را برای سال های 1992 و 2001 و همچنین تصویر پوشش زمین پیش بینی شده 2030 را نمایش می دهد. در طول همان دوره، رده جنگل/فضای باز هم در حال افزایش و هم از دست دادن منطقه بود. علت اصلی این خسارات، گسترش توسعه شهری بود. این دستاوردها احتمالاً به دلیل ایجاد ارتفاقات حفاظتی، گسترش مناطق حفاظت شده و رشد مجدد جنگل های ثانویه در زمین هایی بود که پاکسازی شد اما به سرعت توسعه نیافته بود. تجزیه و تحلیل روند جهت تغییر مرتبط با تبدیل زمین زراعی تایید کرد که بیشترین تغییرات در جهت شمال شرقی و شرقی، از جمله حوزه آبخیز چنگال شرق رخ داده است. با توجه به نتایج مدل رشد شهری CA-Markov، انتظار می‌رود زمین شهری کلان‌شهری بین سال‌های 2001 و 2010 تقریباً 15 درصد افزایش یابد.

جدول 3. تغییرات مشاهده شده (1992-2001) و تغییر پوشش زمین پیش بینی شده (2001-2030) را برای هفت کلاس کاربری اراضی موجود در شبیه سازی (مساحت بر حسب کیلومتر مربع) خلاصه می کند.

روند در فرآیندهای تغییر پوشش زمین مشاهده شده در سطح کلانشهر مشابه آنچه در سطح حوضه مشاهده شد بود. در سال 1992، تنها 3.8 درصد از حوزه حوضه فورک شرق شهرنشین شد. تا سال 2001، درصد زمین شهری به 132.2 کیلومتر مربع یا 10.3 درصد افزایش یافت. بین سال‌های 1992 و 2001، حوزه آبخیز ایست فورک بیش از 170 کیلومتر مربع از زمین‌های کشاورزی مولد را از دست داد. پیش‌بینی مدل CA-Markov نشان می‌دهد که در صورت تداوم نرخ‌های تغییر، تا سال 2030 حدود 196 کیلومتر مربع دیگر از زمین‌های زراعی به کاربری‌های عمدتاً شهری تبدیل خواهد شد. این شامل 85.4 کیلومتر مربع از زمین های شهری با شدت بالا (به عنوان مثال، صنعتی، تجاری، حمل و نقل و کاربری های مسکونی با تراکم بالا). تجزیه و تحلیل تغییر نشان داد که جنگل/فضای باز بین سال‌های 1992 و 2001 افزایش یافته است. بیشتر این افزایش به دلیل رشد مجدد ثانویه درختچه/ بوته در زمین‌های کشاورزی رها شده بود. بخشی از این زمین نیز در مناطق شهری به فضای باز تبدیل شد.

3.2. ترکیب پیش‌بینی‌های آب و هوایی کوچک‌شده در BASINS-HSPF

آمار کاپا به طور جداگانه برای توافق بین مناطق شهری مشاهده شده و پیش بینی شده محاسبه شد. برای ارزیابی اعتبار مدل CA-Markov، استفاده از زمین شهری پیش‌بینی‌شده در سال 2010 برای چنگال خاور میانه و پایین با کاربری‌های مسکونی، صنعتی و تجاری که از داده‌های پارسل در سال 2010 به دست آمده بود، جدول‌بندی شد ( شکل 4 ). آمار کلی کاپا 0.766 است که تطابق بسیار خوبی بین داده های مشاهده شده و نتیجه مدل شده است. مساحت کاربری اراضی شهری پیش‌بینی‌شده توسط مدل 143 کیلومتر مربع در مقایسه با 149 کیلومتر مربع موجود که از داده‌های پارسل در سال 2010 به دست آمده بود، بود. بررسی دقیق تر پوشش در شکل 4نشان می دهد که این مدل میزان رشد در بخش جنوب شرقی چنگال خاور میانه را بیش از حد برآورد می کند در حالی که میزان توسعه در قسمت شمال شرقی چنگال شرق پایین را دست کم می گیرد.

سری داده‌های هواشناسی مرتبط با ایستگاه هواشناسی نزدیک میلفورد، OH (OH335268) با استفاده از ابزار WDMUtil در BASINS v.4 به قالب مدیریت داده‌های آبخیز (WDM) وارد شدند. سری زمانی شامل رکوردهای هواشناسی از 03/31/1969 تا 07/31/2004 بود. داده های پیش بینی آب و هوا برای دوره 2010-2039 خلاصه شده بر اساس فصل از وب سایت CARA ( جدول 2 ) دانلود شد. سوابق تاریخی پایه جریان جریان از 1 ژانویه 1997 تا 29 ژوئیه 2004 به دست آمده در ایستگاه سنجش نظارت USGS در خروجی حوضه در پرین تاون، اوهایو (#03247500)، برای کالیبراسیون و اعتبارسنجی مدل East Fork HSPF استفاده شد ( شکل 5).). دوره کالیبراسیون 49 ماه (از 1 ژانویه 1997 تا 31 دسامبر 2000) را پوشش داد و بر اساس 1461 مشاهدات روزانه جریان جریان بود. این مدل در یک دوره 43 ماهه (1 ژانویه 2001 تا 29 ژوئیه 2004) با استفاده از 1306 مشاهدات جریان روزانه تأیید شد. ما RMSE 13.7 را برای دوره کالیبراسیون و RMSE 20.6 را برای دوره اعتبارسنجی به دست آوردیم. ضریب همبستگی بین جریان روزانه شبیه سازی شده و مشاهده شده 986/0 به دست آمد. شکل 5 نتایج حاصل از روش های کالیبراسیون و اعتبار سنجی را نشان می دهد.

تنظیمات مربوط به داده های آب و هوای تاریخی با استفاده از روش دلتا با استفاده از عملگرهای مشخص شده توسط گزینه ” چگونه اصلاح شود” ابزار ارزیابی آب و هوا BASINS (CAT) [ 36 ] محاسبه شد. این تنظیمات شامل محاسبه مجدد تبخیر و تعرق بالقوه با استفاده از تغییر دمای پیش بینی شده است [ 7 ]. دلتاهای ارائه شده در جدول 2 ، با استفاده از رویکرد گام به گام پیشنهاد شده توسط USEPA [ 7 ] در مدل هیدرولوژیکی حوزه آبخیز فورک شرقی گنجانده شده اند . رکورد پایه تاریخی (1969 تا 2004) توسط ضریب های ثابت بر اساس حداقل و حداکثر تغییرات فصلی پیش بینی شده از خروجی های مدل های آب و هوایی تنظیم شد.

شکل 4. مقایسه داده‌های پارسل 2010 برای Lower East Fork که به سرعت در حال شهرنشینی است با تغییر کاربری زمین پیش‌بینی شده در سال 2010. بالا سمت چپ ، نقشه ( الف ) همپوشانی نقشه‌های (ب) و (ج)؛ پایین سمت چپ ، نقشه ( ب ) مناطق شهری با تراکم بالا و کم که از داده های بسته 2010 مشتق شده است. سمت راست پایین ، نقشه ( ج ) مناطق شهری با تراکم بالا و کم پیش بینی شده است.

شکل 5. کالیبراسیون و اعتبارسنجی مدل هیدرولوژیکی حوضه.

جدول 2 تغییرات پیش بینی شده در بارندگی را تا سال 2030 نشان می دهد که در تنظیم سری های زمانی هواشناسی در سناریوهای A2 و B2 استفاده می شود. همانطور که جدول 2 نشان می دهد، روند پیش بینی شده در تغییرات بارش آتی در بین مدل ها سازگار نیست. CCCM [ 45 ] کاهش 2 درصدی را پیش بینی می کند در حالی که CCSR [ 46 ] افزایش 8 درصدی در میانگین بارش زمستانی را پیش بینی می کند. پیش‌بینی‌ها نشان می‌دهند که میانگین تغییرات بارندگی از سپتامبر تا دسامبر از کاهش 9% (HDCM) [ 49 ] تا افزایش 33% (CCCM) [ 45 ] در سناریوی B2 و از کاهش 20% (CSIRO) متفاوت است. 47 ] به افزایش 21 درصدی (NCAR) [ 50] تحت سناریوی A2. مدل ECHM [ 48 ] کاهش میانگین بارندگی زمستانی را 14% در سناریوی A2 پیشنهاد می‌کند، در حالی که مدل NCAR [ 50 ] افزایش 11% را پیش‌بینی می‌کند. اکثر مدل ها افزایش میانگین بارندگی زمستانی را در سناریوی B2 پیش بینی می کنند. مدل CCSR [ 46 ] کاهش 14 درصدی بارش تابستان را در سناریوی A2 پیشنهاد می‌کند در حالی که ECHM [ 48 ] افزایش 6 درصدی را پیشنهاد می‌کند. پیش‌بینی‌ها در سناریوی B2 افزایش 10 درصدی در بارندگی تابستان (HDCM) [ 49 ] و همچنین کاهش 5 درصدی (NCAR) [ 50 ] را نشان می‌دهند. روندهای مشابهی در طول فصل بهار مشاهده می شود ( جدول 2 ).

حداقل و حداکثر مقادیر پیش‌بینی کاهش‌یافته در هفت مدل گردش عمومی برای هر فصل به عنوان ورودی‌های BASINS CAT برای شبیه‌سازی دلتاهای تغییر مورد انتظار در الگوهای بارش استفاده شد. در مجموع شانزده سناریو، دو سناریو برای هر فصل در هر سناریو تولید شد. خروجی BASINS CAT کاهش جریان های کم زمستان، تابستان و بهار را تحت هر دو سناریو تا سال 2030 پیشنهاد می کند. با این حال، احتمالاً شرایط مطلوب تری در سناریوی انتشار B2 مشاهده می شود که انتظار می رود منجر به کاهش کمتری شود. 7Q10 جریان کم. تأثیر تغییر اقلیم و کاربری زمین بر دبی جریان کم 7Q10 (m ³ ∙s ^-1) از کاهش 5 درصدی تا کاهش 35 درصدی در طول فصل تابستان، کاهش 6 درصدی تا کاهش 18 درصدی در طول بهار و کاهش 15 درصدی تا کاهش 52 درصدی در طول ماه های زمستان متغیر است. . تغییرات پاییز در تخلیه 7 Q10 از کاهش 5٪ به افزایش 20٪ در نوسان بود.

3.3. شبیه سازی مونت کارلو

با توجه به ماهیت تصادفی فرآیندهای آب و هوایی، عدم قطعیت ذاتی در مدل‌های آب و هوایی و هیدرولوژیکی، و همچنین عدم قطعیت مرتبط با مدل‌سازی تغییرات زیر مقیاس و ناهمگنی [ 53 ]، خروجی CAT گسسته وارد مجموعه‌ای از شبیه‌سازی‌های مونت کارلو شد. برای استخراج چگالی احتمال و توابع توزیع تجمعی پاسخ هیدرولوژیکی فصلی پیش‌بینی‌شده. تجزیه و تحلیل توزیع‌های جریان روزانه نشان داد که مقادیر سالانه، بهار، زمستان و پاییز با یک تابع توزیع تجمعی لجستیک مطابقت دارند در حالی که مقادیر تابستانی از یک مبدل پیروی می‌کنند.توزیع آزمون نیکویی برازش کولموگروف-اسمیرنوف (KS) برای تعیین میزان تناسب داده ها با توزیع ها انجام شد. نتایج نشان می‌دهد که آماره آزمون محاسبه‌شده، D ، کمتر از مقدار بحرانی در سطح معنی‌داری 01/0 برای همه توزیع‌ها بود. بنابراین، فرضیه صفر با توجه به شکل توزیعی را نمی توان در این سطح معنی داری برای همه توزیع های برآورد شده رد کرد.

خروجی گسسته از ابزار ارزیابی آب و هوا برای حداقل، حداکثر، دبی سیل 100 ساله و 7Q10 جریان کم (m ³ ∙s ^-1 ) به عنوان یک عدد تصادفی برای نمونه‌برداری از توزیع‌های احتمال لگ لجستیک مشخص شده با استفاده از Monte استفاده شد. رویکرد کارلو جدول 4 نتایج حاصل از شبیه سازی مونت کارلو و تحلیل احتمال را خلاصه می کند.

نتایج نشان می دهد که در حالی که حداقل و حداکثر دما و بارندگی در سناریوی A2 تغییر می کند، احتمال 123/0 تجاوز از دبی سیل 100 ساله وجود دارد. افزایش 21 درصدی بارش در ماه های پاییز تحت سناریوی A2، احتمال بیش از 0.177 را برای تخلیه سیل 100 ساله به دست می دهد. انتظار می‌رود که افزایش حداکثر 33 درصدی بارش در همان فصل، احتمال فراتر رفتن از 0.254 از همان پارامتر را در سناریوی B2 ایجاد کند. احتمال کاهش بیشتر در زیر جریان کم تابستان 7Q10 پایه وجود دارد. نتایج حاصل از تحلیل مونت کارلو احتمال کاهش نسبی 0.035 در جریان تابستان 7Q10 را در سناریوی A2 و احتمال 0.044 کاهش نسبی را در سناریوی B2 نشان می‌دهد (مقادیر پایه میانگین 8 است.³ ∙s ⁻¹ و حداقل 6.5 m ³ ∙s ⁻¹ ). الگوهای مشابهی برای جریان های کم بهار مشاهده می شود.

جدول 4. نتایج شبیه سازی مونت کارلو.

3.4. تجزیه و تحلیل میزان حساسیت

جدول 5 نتایج حاصل از تجزیه و تحلیل حساسیت را خلاصه می کند که شامل سه عامل تغییرپذیری است: تغییرپذیری آب و هوا (گرم/خشک در مقابل.شرایط گرم/مرطوب)، درصد نفوذناپذیری (از 30% تا 90%)، و سطوح مختلف شیوه‌های توسعه با ضربه کم مانند قطع اتصال سطوح غیرقابل نفوذ، برداشت باران، باغ‌های بارانی، کاشت‌های خیابانی، حوضچه‌های نفوذی و روسازی متخلخل. نتایج نشان می‌دهد که کنترل‌های LID می‌توانند نفوذ را افزایش داده و حجم رواناب را کاهش دهند حتی اگر وسعت سطوح غیرقابل نفوذ تقریباً 60 درصد افزایش یابد (به عنوان مثال، سناریوهای 1 و 2). تأثیر اعمال LID به ویژه در شرایط آب و هوایی گرم و مرطوب قابل توجه است. سناریوهای 7 و 8 نشان می‌دهند که تحت همان سطح نفوذناپذیری (53.2%) در شرایط اخطار و آب و هوای مرطوب، طیف کامل روش‌های LID با فرض نرخ‌های تبخیر مشابه، مقدار رواناب را تا 25% کاهش می‌دهد.

جدول 5. نتایج حاصل از تجزیه و تحلیل حساسیت برای دو سناریو اقلیمی کوتاه مدت با بازه زمانی 20 ساله و سطوح مختلف توسعه (درصد نفوذ ناپذیری) و کنترل های LID.

4. نتیجه گیری

این مطالعه اثر ترکیبی تغییر پوشش زمین و تنوع آب و هوایی پیش‌بینی‌شده را بر احتمال فراتر رفتن از خط پایه (1971-2000) جریان در رودخانه East Fork Little Miami، اوهایو بررسی می‌کند. یک مدل اتوماتای سلولی پوشش زمین برای شبیه سازی تغییرات در هفت دسته پوشش زمین در منطقه شهری سینسیناتی بزرگ توسعه داده شده است. نتایج حاصل از شبیه‌سازی وارد یک مدل BASINS-HSPF کالیبره‌شده برای حوضه آبخیز رودخانه ایست فورک لیتل میامی می‌شود. پیش بینی های هموار برای میانگین دما و بارش سالانه و فصلی 2010-2039، به دست آمده از هفت GCM تایید شده توسط IPCC، با استفاده از ابزار ارزیابی آب و هوای یکپارچه BASINS در سری زمانی هواشناسی برای مدل HSPF کالیبره شده وارد شد. تأثیر بالقوه تغییرپذیری آب و هوایی پیش‌بینی‌شده بر جریان جریان تحت دو سناریو IPCC مورد بررسی قرار گرفت: A2 (متوسط بالا) و B2 (متوسط پایین). با توجه به طیف وسیعی از تغییرات بارش پیش بینی شده، خروجی CAT گسسته به عنوان دانه های اعداد تصادفی برای شبیه سازی مونت کارلو استفاده شد. خروجی شبیه سازی برای تخمین احتمال تجاوز از مقادیر پایه (1971-2000) استفاده شد. علاوه بر این، تجزیه و تحلیل حساسیت با استفاده از شرایط مختلف آب و هوایی، سطوح نفوذ ناپذیری و شیوه‌های درپوش انجام شد. خروجی شبیه سازی برای تخمین احتمال تجاوز از مقادیر پایه (1971-2000) استفاده شد. علاوه بر این، تجزیه و تحلیل حساسیت با استفاده از شرایط مختلف آب و هوایی، سطوح نفوذ ناپذیری و شیوه‌های درپوش انجام شد. خروجی شبیه سازی برای تخمین احتمال تجاوز از مقادیر پایه (1971-2000) استفاده شد. علاوه بر این، تجزیه و تحلیل حساسیت با استفاده از شرایط مختلف آب و هوایی، سطوح نفوذ ناپذیری و شیوه‌های درپوش انجام شد.

نتایج حاکی از آن است که در صورت ادامه روند توسعه فعلی، تا سال 2030 نزدیک به 25 درصد از مساحت حوزه آبخیز به کاربری شهری تبدیل خواهد شد. تغییرات چشم انداز، از جمله افزایش سطوح غیرقابل نفوذ، به خوبی شناخته شده است که بر فرآیندهای هیدرولوژیکی تأثیر می گذارد، حجم رواناب و دبی اوج را افزایش می دهد و جریان های پایه را به ویژه در طول ماه های تابستان کاهش می دهد. این مطالعه نشان می دهد که تغییرات در پوشش زمین و بارش سناریوهای رواناب مختلفی را ایجاد می کند. نتایج به شدت حاکی از احتمال کاهش جریان کم، به ویژه در طول ماه های تابستان است.

نتایج این تحقیق نشان می‌دهد که تغییرات پیش‌بینی‌شده در بارندگی و تولید رواناب پیامدهایی هم برای مدیریت طوفان‌آب شهری و هم برای حفاظت و حفظ سیستم‌های طبیعی خواهد داشت. این مطالعه نشان می‌دهد که اثرات کوتاه‌مدت تغییرات پیش‌بینی‌شده دما و بارندگی همراه با اثرات شهرنشینی منجر به احتمال بالاتری برای تجاوز به مقادیر پایه برای تخلیه‌های سیل ۱۰۰ ساله می‌شود. روش‌های توسعه تاثیر کم بر نرخ نفوذ و در نتیجه مقدار کلی رواناب تولید شده تأثیر می‌گذارد. تجزیه و تحلیل حساسیت ابزار مفیدی است که به مدیران آب طوفان اجازه می دهد تا ظرفیت انتقال ناکافی را از طریق جایگزینی معمول و ارتقاء برنامه ریزی شده در آینده برطرف کنند [ 9 ]]. با توجه به ماهیت تصادفی فرآیندهای اقلیمی و عدم قطعیت مرتبط با مدل‌سازی تنوع و ناهمگونی در مقیاس فرعی [ 53 ]، بسیاری از محققان نتایج مطالعات محلی مانند این را به‌عنوان نشانه‌ای از تغییرات بالقوه در بارش، دما و تولید رواناب به جای دستورالعمل‌ها در نظر می‌گیرند. برای ارتقای زیرساخت ها و شیوه های مدیریت آب طوفان [ 9 ، 13 ].

تغییرات پیش‌بینی‌شده در جریان‌های کم سه‌ماهه هفتم و به‌طور خاص، افزایش احتمال کاهش این جریان‌ها به زیر حداقل فصلی می‌تواند تأثیر مخربی بر اکوسیستم‌های آبی به‌ویژه در ماه‌های تابستان داشته باشد. Denault و همکاران [ 9 ] با تاکید بر اثرات شهرنشینی و افزایش سطوح غیرقابل نفوذ در کاهش جریان پایه تابستانی به نتیجه مشابهی رسید. علاوه بر این، افزایش نفوذناپذیری و حجم رواناب قطعاً بر کیفیت آب در جریان‌های آسیب‌دیده حوضه تأثیر می‌گذارد [ 54 ]]. بنابراین، نتایج این مطالعه بار دیگر نیاز به برنامه‌ریزی توسعه شهری آینده را بر اساس درک این نکته برجسته می‌کند که رویکردهای نوآورانه برای کاهش اثرات منفی افزایش نفوذناپذیری مطمئناً به کاهش اثرات بالقوه کوتاه‌مدت و میان‌مدت تغییر اقلیم کمک می‌کند. علاوه بر این، توسعه اولویت‌ها با توجه به جمع‌آوری داده‌های اضافی و اهداف زیست‌محیطی حساس‌تر به متغیرهای مرتبط با آب و هوا، زمینه را برای اقدامات مدیریتی آینده فراهم می‌کند. راه حل ممکن دیگر، بازبینی و به روز رسانی برنامه های مدیریت آب طوفانی است تا اقدامات سازگاری مرتبط با آب و هوا را در بر گیرد. یک چارچوب مبتنی بر جفت اقلیم و مدل رشد شهری می‌تواند مبنایی برای یک ابزار پشتیبانی تصمیم برای بررسی سناریوها، ارزیابی گزینه‌های مدیریتی فراهم کند.

منابع

کانکل، ک. Pielke، RA، Jr. Changnon، SA نوسانات زمانی در آب و هوا و اقلیم شدید که باعث اثرات اقتصادی و سلامت انسان می شود: یک بررسی. گاو نر صبح. هواشناسی Soc. 1999 ، 80 ، 1077-1098. [ Google Scholar ]
Pielke، RA، Jr. داونتون، مگاوات بارش و سیل های مخرب: روندها در ایالات متحده، 1932-1997. جی. کلیم. 2000 ، 13 ، 3625-3637. [ Google Scholar ]
Pielke, RA, Jr. بیانیه دکتر Roger Pielke Jr. به کمیته محیط زیست و کارهای عمومی سنای ایالات متحده. در دسترس آنلاین: http://epw.senate.gov/107th/Pielke_031302.htm#_edn1 (در 13 مارس 2002 قابل دسترسی است).
برودی، SD; زهران، س. مقلال، پ. گروور، اچ. هایفیلد، ما افزایش هزینه سیل: بررسی تأثیر تصمیمات برنامه ریزی و توسعه بر آسیب اموال در فلوریدا. مربا. طرح. دانشیار 2007 ، 73 ، 330-345. [ Google Scholar ] [ CrossRef ]
Pielke، RA، Jr. گراتز، جی. Landsea، CW; کالینز، دی. ساندرز، ام. موسولین، آر. آسیب های طوفان عادی در ایالات متحده: 1900-2005. نات. Hazards Rev. 2008 , 9 , 29-42. [ Google Scholar ] [ CrossRef ]
اداره ملی اقیانوسی و جوی (NOAA). بیلیون دلار آمریکا بلایای آب و هوا/آب و هوا ؛ مرکز ملی داده های آب و هوایی: اشویل، NC، ایالات متحده، 2011. [ Google Scholar ]
BASINS 4.0 Climate Assessment Tool (CAT): مستندات پشتیبانی و راهنمای کاربر . EPA/600/R-08/088F; آژانس حفاظت از محیط زیست ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 2009.
Manabe، S. Milly، PCD; Wetherald، RT تغییرات طولانی مدت در دبی رودخانه و رطوبت خاک به دلیل گرم شدن کره زمین را شبیه سازی کرد. هیدرول. علمی J. 2004 , 49 , 625-642. [ Google Scholar ] [ CrossRef ]
Denault، C. Millar, RG; Lence، BJ ارزیابی اثرات احتمالی تغییر آب و هوا در یک حوضه آبریز شهری. مربا. منبع آب دانشیار 2006 ، 42 ، 685-697. [ Google Scholar ] [ CrossRef ]
آرنل، شمال غربی؛ رینارد، NS اثرات تغییرات آب و هوایی ناشی از گرم شدن کره زمین بر جریان رودخانه در بریتانیای کبیر. جی هیدرول. 1996 ، 183 ، 397-424. [ Google Scholar ] [ CrossRef ]
آرنل، شمال غربی اثرات نسبی تنوع آب و هوایی چند دهه ای و تغییرات در میانگین و تغییرپذیری آب و هوا به دلیل گرمایش جهانی: جریان های آینده در بریتانیا. جی هیدرول. 2003 ، 270 ، 195-213. [ Google Scholar ]
روزنبرگ، نیوجرسی؛ براون، RA; Izaurralde، RC; تامسون، AM ارزیابی یکپارچه پیش‌بینی‌های تغییرات آب و هوایی مرکز هدلی (HadCM2) بر بهره‌وری کشاورزی و تامین آب آبیاری در ایالات متحده همجوار.I. سناریوهای تغییر اقلیم و اثرات آن بر تامین آب آبیاری شبیه سازی شده با مدل HUMUS کشاورزی برای. هواشناسی 2003 ، 117 ، 73-96. [ Google Scholar ]
فیکلین، دی ال. لو، ی. لودلینگ، ای. Zhang، M. ارزیابی حساسیت تغییر اقلیم یک حوزه آبخیز بسیار کشاورزی با استفاده از SWAT. جی هیدرول. 2009 ، 374 ، 16-29. [ Google Scholar ] [ CrossRef ]
دسای، س. Hulme، M. ارزیابی استحکام تصمیمات سازگاری با عدم قطعیت های تغییر آب و هوا: مطالعه موردی در مورد مدیریت منابع آب در شرق انگلستان. گلوب. محیط زیست چانگ. 2007 ، 17 ، 59-72. [ Google Scholar ] [ CrossRef ]
دی وال، DR; Swistock، BR; جانسون، تی. McGuire، KJ اثرات بالقوه تغییر اقلیم و شهرنشینی بر میانگین جریان سالانه در ایالات متحده. منبع آب Res. 2000 ، 36 ، 2655-2664. [ Google Scholar ]
فرانزیک، جی. چانگ، اچ. اثرات تغییر آب و هوا و شهرنشینی بر رواناب حوضه راک کریک در منطقه شهری پورتلند، اورگان، ایالات متحده. هیدرول. روند. 2009 ، 23 ، 805-815. [ Google Scholar ] [ CrossRef ]
Tu, J. تأثیر ترکیبی تغییرات آب و هوا و کاربری زمین بر جریان جریان و کیفیت آب در شرق ماساچوست، ایالات متحده. جی هیدرول. 2009 ، 37 ، 268-283. [ Google Scholar ] [ CrossRef ]
تورنس، مدل‌های سیستم‌های شهری مبتنی بر PM Automata. در تجزیه و تحلیل فضایی پیشرفته: کتاب CASA از GIS ; Longley, PA, Batty, M., Eds. ESRI Press: Redlands, CA, USA, 2003; صص 61-81. [ Google Scholar ]
تورنس، PM؛ کورکیدیس، آی. غانم، ر. Zou، Y. شبیه‌سازی شهری ساده در بالای مدل‌های پیچیده: محاسبه چند مقیاسی بدون معادله پراکندگی با استفاده از خودکارهای جغرافیایی. آنتروپی 2013 ، 15 ، 2606-2634. [ Google Scholar ]
Batty، M. شهرها و پیچیدگی: درک شهرهای دارای اتوماتای سلولی، مدل‌های مبتنی بر عامل و فراکتال‌ها . مطبوعات MIT: کمبریج، MA، ایالات متحده آمریکا، 2007. [ Google Scholar ]
Batty، M. رویکردهای مدل سازی در GIS: نمایش مکانی و دینامیک زمانی. در GIS، تحلیل و مدلسازی فضایی ؛ دیوید، ام.، باتی، ام.، گودچایلد، ام.اف.، ویرایش. ESRI Press: Redlands, CA, USA, 2005; صص 41-62. [ Google Scholar ]
کلارک، کی سی; هاپن، اس. Gaydos, LJ یک مدل خودکار سلولی خود اصلاح شونده از شهرنشینی تاریخی در منطقه خلیج سانفرانسیسکو. محیط زیست برنامه ریزی کنید. B 1997 ، 24 ، 247-261. [ Google Scholar ] [ CrossRef ]
کلارک، کی سی; Gaydos، LJ، اتصال شل یک مدل خودکار سلولی و GIS: پیش‌بینی رشد شهری بلندمدت برای سانفرانسیسکو و واشنگتن-بالتیمور. بین المللی جی. جئوگر. Inf. علمی 1998 ، 12 ، 699-714. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Onsted، JA; Clarke، KC پیش بینی ثبت نام در برنامه های ارزیابی افتراقی با استفاده از اتوماتای سلولی. محیط زیست طرح. B 2011 , 38 , 829-849. [ Google Scholar ] [ CrossRef ]
بله، AG; Li, X. یک مدل CA محدود برای شبیه سازی و برنامه ریزی اشکال شهری پایدار با استفاده از GIS. محیط زیست طرح. ب: برنامه ریزی کنید. دس 2001 ، 28 ، 733-753. [ Google Scholar ] [ CrossRef ]
تانگ، جی. مدل‌سازی دینامیک منظر شهری با استفاده از بخش‌های زیرپیکسلی و اتوماتای سلولی فازی. محیط زیست طرح. B طرح. دس 2011 ، 38 ، 903-920. [ Google Scholar ] [ CrossRef ]
ونچری، ا. جووردانو، پی. آندری، دی. Albeverio، S. فرآیندهای رشد شهری پیوستن به اتوماتای سلولی و سیستم‌های چند عاملی. بخش 2: شبیه سازی کامپیوتری. محیط زیست طرح. B طرح. دس 2008 ، 35 ، 863-880. [ Google Scholar ] [ CrossRef ]
ون ویلیت، جی. هورکنز، جی. وایت، آر. ون دلدن، اچ. یک مدل خودکار سلولی مبتنی بر فعالیت برای شبیه‌سازی پویایی کاربری زمین. محیط زیست طرح. ب: برنامه ریزی کنید. دس 2012 ، 39 ، 198-212. [ Google Scholar ] [ CrossRef ]
او، سی. اوکادا، ن. ژانگ، Q. کشتی.؛ لی، جی. مدل‌سازی فرآیندهای توسعه شهری پویا با ترکیب یک مدل بالقوه با اتوماتای سلولی. Landsc. طرح شهری. 2008 ، 86 ، 79-91. [ Google Scholar ] [ CrossRef ]
هانسن، SH ملاقات با چالش‌های تغییر آب و هوا در برنامه‌ریزی حوضه رودخانه: یک سناریو و رویکرد مبتنی بر مدل. بین المللی جی. کلیم. چانگ. استراتژی. مدیریت 2013 ، 5 ، 21-37. [ Google Scholar ] [ CrossRef ]
سانته، آی. گارسیا، AM; میراندا، دی. Crecente، R. مدل‌های اتوماتای سلولی برای شبیه‌سازی فرآیندهای شهری دنیای واقعی: بررسی و تحلیل. Landsc. طرح شهری. 2010 ، 96 ، 108-122. [ Google Scholar ] [ CrossRef ]
میتسوا، دی. شوستر، WD; وانگ، ایکس. مدل اتوماتای سلولی تغییر پوشش زمین برای ادغام رشد شهری با حفاظت از فضای باز. Landsc. طرح شهری. 2011 ، 99 ، 141-153. [ Google Scholar ] [ CrossRef ]
کنسرسیوم برای ارزیابی منطقه ای آتلانتیک (CARA). در دسترس آنلاین: http://www.cara.psu.edu/climate (در 10 اکتبر 2013 قابل دسترسی است).
دمپسی، آر. فیشر، الف. کنسرسیوم برای ارزیابی منطقه‌ای اقیانوس اطلس: ابزارهای اطلاعاتی برای سازگاری جامعه با تغییرات آب و هوا یا کاربری زمین. ریسک مقعدی 2005 ، 25 ، 1495-1509. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Bicknell, BR; ایمهوف، جی سی. کیتل، جی ال. جابز، TH; Donigian، برنامه شبیه سازی هیدرولوژیکی AS-Fortran (HSPF). راهنمای کاربر برای نسخه 12 ; آزمایشگاه تحقیقاتی ملی EPA ایالات متحده: آتن، یونان، 2001. [ Google Scholar ]
ایمهوف، جی سی. کیتل، جی ال. گری، ام آر؛ جانسون، TE با استفاده از ابزار ارزیابی آب و هوا (CAT) در سیستم مدل سازی یکپارچه حوضه EPA ایالات متحده برای ارزیابی آسیب پذیری حوزه آبخیز در برابر تغییرات آب و هوایی. علوم آب تکنولوژی 2007 ، 56 ، 49-56. [ Google Scholar ] [ CrossRef ] [ PubMed ]
انگلن، جی. وایت، آر. Uljee، I. یکپارچه سازی مدل های اتوماتای سلولی محدود، GIS، و ابزارهای پشتیبانی تصمیم برای برنامه ریزی شهری و سیاست گذاری. در سیستم های پشتیبان تصمیم در برنامه ریزی شهری ; تیمرمنز هری، پی جی، اد. E & FN Spon: لندن، انگلستان، 1997; صص 125-155. [ Google Scholar ]
آرتور-هارترانفت، تی. کارلسون، TN; Clarke، KC ماهواره و تجزیه و تحلیل های ریز اقلیم زمینی و هیدرولوژیکی همراه با یک مدل رشد شهری منطقه ای. سنسور از راه دور محیط. 2003 ، 86 ، 385-400. [ Google Scholar ] [ CrossRef ]
لیو، ایکس. لی، ایکس. شی، ایکس. ژانگ، ایکس. Chen, Y. شبیه سازی پویایی کاربری زمین تحت سیاست های برنامه ریزی با ادغام سیستم های ایمنی مصنوعی با اتوماتای سلولی. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 783-802. [ Google Scholar ] [ CrossRef ]
لی، ایکس. لائو، سی. لیو، ایکس. چن، ی. اتصال اتوماتای سلولی شهری با بهینه‌سازی کلنی مورچه‌ها برای منطقه‌بندی مناطق طبیعی حفاظت‌شده تحت یک چشم‌انداز در حال تغییر. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 575-593. [ Google Scholar ] [ CrossRef ]
لانگ، ی. شن، ز. مائو، Q. بازیابی پارامترهای سیاست فضایی از یک طرح جایگزین با استفاده از اتوماتای سلولی محدود و تجزیه و تحلیل حساسیت منطقه‌ای. محیط زیست طرح. B طرح. دس 2012 ، 39 ، 586-604. [ Google Scholar ] [ CrossRef ]
وزارت کشور آمریکا سازمان زمین شناسی ایالات متحده – کنسرسیوم ویژگی های زمین با وضوح چندگانه (MRLC). در دسترس آنلاین: http://www.mrlc.gov/ (در 3 مه 2012 قابل دسترسی است).
ایستمن، جی آر ایدریسی تایگا ; دانشگاه کلارک: Worcester، MA، ایالات متحده آمریکا، 2009. [ Google Scholar ]
موریتا، تی. رابینسون، جی. آدگولوگبه، ج. آلکامو، جی. هربرت، دی. لاروور، ای. ناکیچنویچ، ن. پارچ، اچ. راسکین، پ. ریاحی، ک. و همکاران سناریوها و پیامدهای کاهش انتشار گازهای گلخانه ای در تغییرات آب و هوا 2001: کاهش. مشارکت گروه کاری III در سومین گزارش ارزیابی هیئت بین دولتی در مورد تغییرات آب و هوایی . Metz, B., Davidson, O., Swart, R., Pan, J., Eds.; انتشارات دانشگاه کمبریج: کمبریج، انگلستان، 2001. [ Google Scholar ]
فلاتو، جنرال موتورز; Boer, GJ عدم تقارن گرمایش در شبیه سازی تغییرات آب و هوا. ژئوفیز. Res. Lett. 2001 ، 28 ، 195-198. [ Google Scholar ]
نوزاوا، تی. امروری، اس. تاکمورا، تی. ناکاجیما، تی. نوماگوتی، ا. آبه اوچی، ا. کیموتو، ام. آزمایش‌های مدل اقیانوس-اتمسفر همراه تغییرات آب و هوایی آینده بر اساس سناریوهای IPCC SRES. در مجموعه مقالات یازدهمین سمپوزیوم مطالعات تغییر جهانی، لانگ بیچ، کالیفرنیا، ایالات متحده آمریکا، 9 تا 14 ژانویه 2000. صص 352-355.
گوردون، HB; O’Farrell، SP تغییرات آب و هوایی گذرا در مدل CSIRO همراه با یخ دریا پویا. Month Weather Rev. 1997 , 125 , 875-907. [ Google Scholar ]
روکنر، ای. Oberhuber, JM; باچر، ا. کریستوف، ام. کیرشنر، I. تنوع ENSO و پاسخ جوی در یک GCM جو-اقیانوس جهانی جفت شده. صعود دینام. 1996 ، 12 ، 737-754. [ Google Scholar ] [ CrossRef ]
گوردون، سی. کوپر، سی. ارشد، کالیفرنیا؛ بانک ها، اچ تی. گریگوری، جی.ام. جانز، TC; میچل، جی اف بی؛ Wood, RA شبیه سازی SST، گستره یخ دریا و انتقال حرارت اقیانوس در نسخه ای از مدل جفت شده مرکز هادلی بدون تنظیمات شار. صعود دینام. 2000 ، 16 ، 147-168. [ Google Scholar ] [ CrossRef ]
واشنگتن، WM; Weatherly, JW; Meehl، GA; سمتنر، ای جی، جونیور؛ Bettge، TW; کریگ، AP; Strand، WG، Jr. Arblaster، JM; Wayland، VB; جیمز، آر. و همکاران کنترل مدل آب و هوای موازی (PCM) و شبیه سازی گذرا. صعود دینام. 2000 ، 16 ، 755-774. [ Google Scholar ]
کناتسون، تی آر. دلورث، TL; دیکسون، KW; استوفر، ارزیابی مدل RJ از روند دمای سطح منطقه ای (1949-1997). جی. ژئوفیس. Res. 1999 ، 104 ، 30981-30996. [ Google Scholar ] [ CrossRef ]
Rossman, L. Stormwater Management Model’s Manual User’s Manual نسخه 5.0 ; شماره سند EPA 600-R-05-040; USEPA: Cincinnati، OH، USA، 2010. [ Google Scholar ]
برونسترت، ا. نیهوف، دی. برگر، جی. اثرات تغییر اقلیم و کاربری زمین بر تولید رواناب طوفان: دانش موجود و قابلیت‌های مدل‌سازی. هیدرول. روند. 2002 ، 16 ، 509-529. [ Google Scholar ] [ CrossRef ]
تانگ، اس. چن، دبلیو. مدل سازی رابطه بین کاربری زمین و کیفیت آب های سطحی. جی. محیط زیست. مدیریت 2002 ، 66 ، 377-393. [ Google Scholar ] [ CrossRef ]

© 2014 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/4.0/) توزیع شده است

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب