پیشبینی تأثیر تغییر اقلیم بر الگوی هیدرولوژیکی و بار رسوبی حوضه آبریز رودخانه کشکان با استفاده از مدلهای اقلیمی و هیبریدی فراکاوشی
نویسندگان
1 دکترای علوم ومهندسی آب، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات،
2 دانشیار، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد خرم آباد، خرم اباد، ایران
3 استادیارگروه عمران، مرکز تحقیقات مواد و انرژی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران.
doi
10.22034/iwrj.2026.14875.2625چکیده
این پژوهش به بررسی تأثیر پدیده تغییر اقلیم بر الگوی هیدرولوژیکی و میزان بار رسوبی حوضه آبریز رودخانه کشکان در استان لرستان میپردازد. با استفاده از مدل پیشبینی کننده اقلیمی Can ESM5.0 از گزارش ششم CMIP6 و بر اساس سناریوهای SSP1-2-6 (خوشبینانه) و SSP5-8-5 (بدبینانه)، تغییرات پارامترهای جوی (دما و بارش) برای دوره آتی 2023 تا 2043، با در نظر گرفتن دوره پایه 1992 تا 2023، پیشبینی شد. سپس، با بهرهگیری از مدلهای هیبریدی فراکاوشی شامل شبکه عصبی مصنوعی-موجک، شبکه عصبی مصنوعی-ازدحام مرغ و شبکه عصبی مصنوعی-ازدحام ذرات ، میزان رسوبات رودخانه کشکان با استفاده از پارامترهای بارش، دما و دبی جریان پیشبینی گردید. نتایج نشان داد که مدل Can ESM5.0 در شبیهسازی دمای حداکثر و حداقل دقت بالایی دارد، اما در شبیهسازی بارش خطای بیشتری را نشان میدهد. پیشبینیهای دمایی حاکی از افزایش دما در هر دو سناریو SSP1-2-6 و SSP5-8-5 در دوره 2023 تا 2043 بود، با افزایش بیشتر دما در سناریوی SSP5-8-5 در پیشبینی بارش، تفاوتهای قابلتوجهی بین مدلها مشاهده شد، بهطوریکه مدل BCC-CSM2-MR بارش بسیار بالاتری را در ماههای ژوئن تا اکتبر پیشبینی کرد. ارزیابی عملکرد مدلهای هیبریدی نیز نشان داد که ساختارهای ترکیبی شامل کلیه پارامترهای ورودی، به دلیل افزایش حافظه، عملکرد بهتری دارند و در این میان، مدل شبکه عصبی مصنوعی-موجک با دقت بیشتر و خطای کمتر نسبت به سایر مدلها برتر است. نهایتاً، نتایج پیشبینی بار رسوبی در سالهای آتی حاکی از افزایش 23 درصدی میزان رسوبات رودخانه است که لزوم توجه جدی به مدیریت جامع حوضه آبریز و اجرای برنامههای کنترل فرسایش و رسوبزدایی را بیشازپیش نمایان میسازد.