پیش بینی اثر تغییرات پارامترهای هواشناسی بر منابع آب زیرزمینی با استفاده از مدل های شبکه عصبی مصنوعی (مطالعه موردی: دشت میاندوآب)

در این تحقیق، اثر تغییر اقلیم بر منابع آب زیرزمینی دشت میاندوآب در استان آذربایجان غربی مورد بررسی قرار گرفت. در این راستا، سناریوهای A1B، A2 و B1 از طریق مدل ریزمقیاس نمایی LARS-WG و با به کار بردن مدل گردش عمومی جو HadCM3 و مدل شبکه عصبی مصنوعی در دو دوره زمانی مختلف (2065-2046، 2099-2080) مورد مطالعه قرار گرفتند. بدین منظور از داده های ماهانه عمق سطح آب زیرزمینی 25 چاه پیزومتری در دشت میاندوآب با دوره آماری 10 ساله (2005-2014) و داده های روزانه و ماهانه بارش، دماهای کمینه و بیشینه و ساعت آفتابی ایستگاه سینوپتیک میاندوآب در یک دوره آماری 20 ساله (1995-2014) استفاده گردید. نتایج ارزیابی داده های مشاهداتی و شبیه سازی شده توسط مدل  LARS-WG با استفاده از شاخص های آماری مختلف بیانگر این است که اختلاف های معنی داری بین مقادیر شبیه سازی شده و مشاهداتی وجود ندارد. تحلیل عملکرد مدل شبکه عصبی مصنوعی نشان داد که مدل مذکور از دقت خوب و مناسبی در شبیه سازی تغییرات عمق سطح آب زیرزمینی در دشت مورد بررسی برخوردار است. نتایج نشان داد که متوسط عمق سطح آب زیرزمینی بطور میانگین در دوره اول (2065-2046) و دوره دوم (2099- 2080) به ترتیب 87/2 و 3/9 درصد افزایش می یابد. در حقیقت، افزایش قابل توجه دما و به تبع آن افزایش مصرف آب زیرزمینی باعث عمق عمیق تر آب زیرزمینی می شود.