| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شماره‌ها | 3,262 |
| تعداد مقالات | 36,058 |
| تعداد مشاهده مقاله | 55,181,287 |
| تعداد دریافت فایل اصل مقاله | 94,181,792 |
آشکارسازی روند تغییرات دبی سرشاخه‌های رودخانه کارون و اثرگذاری الگوهای دور پیوند منطقه‌ای و جهانی بر روی آن | ||
| مهندسی و مدیریت آبخیز | ||
| مقاله 4، دوره 17، شماره 4، دی 1404، صفحه 477-497 اصل مقاله (1.12 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2025.366517.2075 | ||
| نویسندگان | ||
| نظام تنی1؛ کمال امیدوار* 2؛ احمد مزیدی3؛ غلامعلی مظفری2 | ||
| 1دانشجوی دکتری، گروه آب و هواشناسی، مخاطرات طبیعی، دانشگاه یزد، یزد، ایران | ||
| 2استاد، گروه آب و هواشناسی، دانشگاه یزد، یزد، ایران | ||
| 3دانشیار، گروه آب و هواشناسی، دانشگاه یزد، یزد، ایران | ||
| چکیده | ||
| مقدمه تغییر در نوسانات دبی رودخانه‌ها چه به‌صورت افزایشی یا کاهشی می‌تواند خسارت‌های جبران‌ناپذیری برای محیط‌زیست انسانی و طبیعی داشته باشد. امروزه پذیرفته‌شده که نوسان در فازهای مختلف الگوهای دور پیوندی می‌تواند افزایش یا کاهش دبی رودخانه‌ها را در مناطق مختلف جهان با توجه به اثرگذاری هر الگو بر دوره‌های بارشی، تبخیر و تعرق و خشکسالی در پی داشته باشد. مواد و روش‌ها بدین‌منظور برای انجام این پژوهش داده‌های دریافتی 28 شاخص مهم دور پیوندی تأثیرگذار بر اقلیم ایران از وب سایت NOAA دریافت شد. همچنین آمار دبی ایستگاه‌های هیدرومتری منتخب بالادست سدهای مستقر بر روی رودخانه کارون (ایستگاه‌های تله‌زنگ، لردگان، ارمند، پاتاوه و کتا) طی سری زمانی 30 ساله (2022-1993) از وزارت نیرو جهت مطالعه دریافت و مورد بررسی قرار گرفته شد. پس از بررسی اولیه بر روی‌داده‌های دبی، با استفاده از روش رگرسیون چندگانه جهت برآورد داده‌ها مفقودی از صحت و انسجام داده‌ها اطمینان حاصل شد. این روش به‌دلیل حفظ روند کلی داده‌ها و کاهش اختلالات داده‌ای انتخاب شد. سپس برای محاسبه روند و شدت تغییرات دبی فصلی و سالانه، از روش ناپارمتری من‌کندال و تایل سن استفاده شد. در ادامه، ارتباط بین شاخص‌های دورپیوندی و دبی رودخانه با استفاده از ضریب همبستگی پیرسون در سه مقیاس زمانی ماهانه، فصلی و سالانه هم به‌صورت هم‌زمان و هم با تأخیر یک تا سه‌ماهه انجام شد. با توجه به تعداد بالای شاخص‌ها، تنها مواردی که دارای همبستگی معنی‌دار با دبی بودند، وارد تحلیل‌های نهایی شدند. نتایج و بحث طبق نتایج به‌دست‌آمده به‌طور متوسط روند مجموع میانگین دبی طی دوره موردمطالعه به‌طور پیوسته کاهشی بوده است. به‌طوری‌که میانگین دبی در تمام فصل‌ها، با روند کاهشی همراه بوده و این مقدار در مقیاس سالانه طی دوره موردمطالعه با کاهش معنی‌دار 11.3 مترمکعب در سال با جهش منفی (4.1- =Z) همراه بوده است. همچنین ارتباط بین الگوهای دور پیوند با دبی حوضه مورد مطالعه طی سری زمانی مورد نظر مورد واکاوی قرار گرفت. طبق نتایج به‌دست‌آمده طی مقیاس‌های زمانی مختلف (ماهانه، فصلی و سالانه) الگوهای دور پیوند متعددی ازجمله الگوهای GLBTS، WHWP، SOI، SOLAR FLUX، TSA، TNA، NINO4،AMO ، AMM، MEIVE2،PDO ، NINO1، AAO، WARMPOOL، PNA، EPO، WP، TNH، NCP، RMM1 و RMM2 به‌صورت هم‌زمان یا با تأخیر یک تا سه ماهه همبستگی معنی‌دار در سطح 0.05 و 0.01 با دبی سرشاخه‌های رودخانه کارون طی سری زمانی موردمطالعه داشته‌اند. نتیجه‌گیری درمجموع می‌توان بیان کرد، میانگین دبی ایستگاه‌های منتخب در بالادست سدهای رودخانه کارون روند کاهشی داشته است. همچنین مشخص شد بین نوسانات برخی از الگوهای دور پیوندی با دبی همبستگی معنی‌داری به‌صورت هم‌زمان و با تأخیر وجود دارد. بنابراین می‌توان نتیجه‌گیری کرد که الگوهای دور پیوند ذکرشده می‌توانند بر دبی این حوضه تأثیرگذار باشند. از طرفی با توجه به قابل پیش‌بینی بودن نوسانات الگوهای دور پیوند موردنظر و وجود همبستگی معنی‌دار با دبی می‌توان میزان نوسانات دبی رودخانه کارون را در آینده به‌صورت ماهانه، فصلی و یا سالانه با توجه به نتایج این پژوهش پیش‌بینی کرد. | ||
| کلیدواژه‌ها | ||
| دبی رودخانه؛ رگرسیون چندگانه؛ روش ناپارمتری من‌کندال؛ لردگان؛ همبستگی | ||
| عنوان مقاله [English] | ||
| Detection of discharge trend variations in the headwaters of the Karun River and the influence of regional and global teleconnection patterns | ||
| نویسندگان [English] | ||
| Nezam Tani1؛ Kamal Omidvar2؛ Ahmd Mazidi3؛ GHolam ali Mozafari2 | ||
| 1PhD student, Department of Meteorology, Natural Hazards, Yazd University, Yazd, Iran | ||
| 2Professor, Department of Meteorology, Yazd University, Yazd, Iran | ||
| 3Associate Professor, Department of Meteorology, Yazd University, Yazd, Iran | ||
| چکیده [English] | ||
| Introduction Changes in river discharge fluctuations, whether increases or decreases, can lead to irreversible damage to both human and natural environments. It is now well established that variations in the phases of teleconnection patterns can cause significant increases or decreases in river discharge across different regions of the world, depending on their influence on precipitation cycles, evapotranspiration, and drought occurrence. Materials and methods For this study, data on 28 major teleconnection indices affecting Iran’s climate were obtained from the NOAA website. In addition, river discharge records from selected hydrometric stations located upstream of the dams on the Karun River (Telezang, Lordegan, Armand, Pataveh, and Kata stations) were collected from the Ministry of Energy for a 30-year period (1993–2022). Following a preliminary assessment of the discharge data, missing values were reconstructed using the multiple regression method to ensure data consistency and reliability. This method was chosen for its ability to preserve the general trend of the dataset while minimizing disturbance to the data. To analyze the trends and magnitude of seasonal and annual discharge variations, the non-parametric Mann–Kendall test and Theil–Sen slope estimator were applied. Furthermore, the relationship between teleconnection indices and river discharge was examined using the Pearson correlation coefficient across three temporal scales: monthly, seasonal, and annual. These correlations were assessed both simultaneously and with time lags of one to three months. Given the large number of indices, only those with statistically significant correlations with discharge were included in the final analyses. Results and discussion The results indicated that, overall, the mean discharge exhibited a continuous decreasing trend during the study period. Specifically, the mean discharge in all seasons showed a declining pattern, and at the annual scale, a significant decrease of 11.3 m³/s per year was observed, accompanied by a negative Mann-Kendall statistic (Z = –4.1). The correlations between teleconnection patterns and discharge in the study basin were further explored. The findings revealed that, at different temporal scales (monthly, seasonal, and annual), several teleconnection indices—including GLBTS, WHWP, SOI, Solar Flux, TSA, TNA, NINO4, AMO, AMM, MEI v2, PDO, NINO1+2, AAO, Warm Pool, PNA, EPO, WP, TNH, NCP, RMM1, and RMM2-exhibited statistically significant correlations (at the 0.05 and 0.01 confidence levels) with the discharge of the Karun River headwaters, either simultaneously or with lags of one to three months. Conclusions Overall, the mean discharge recorded at the selected upstream stations of the Karun River dams demonstrated a decreasing trend. Moreover, the study confirmed the existence of significant simultaneous and lagged correlations between the fluctuations of several teleconnection indices and river discharge. Consequently, it can be concluded that the identified teleconnection patterns exert considerable influence on discharge variations in the basin. Given the predictability of these teleconnection indices and their significant correlations with discharge, future fluctuations of the Karun River discharge can potentially be forecasted at monthly, seasonal, and annual scales based on the findings of this research. | ||
| کلیدواژه‌ها [English] | ||
| Correlation, Lordegan, Multiple regression, Non-parametric Mann–Kendall test, River discharge | ||
| مراجع | ||
|
Abghari, H., Tabari, H., Talaee, P.H., 2013. River flow trends in the west of Iran during the past 40 years: impact of precipitation variability. Global Planet. Change 101, 52-60. Broecker, W.S., 1987. The biggest chill. Natural History Magazine, October, 74-82. Cheng, Q., Zuo, X., Zhong, F., GAO, L., Xiao, S., 2019. Runoff variation characteristics, association with large-SCAle circulation and dominant causes in the Heihe River Basin, Northwest China. Sci. Total Environ. 688, 361-379. https://doi.org/10.1016/j.scitotenv.2019.05.397. Dong, Y., Zhai, J., Zhao, Y., Li, H., Wang, Q., Jiang, S., Ding, Z., 2020. Teleconnection patterns of precipitation in the Three-River Headwaters region, China. Environ. Res. Letters 15(10), 104050. Emam Gholizadeh, S., Torabi Pude, H., 2014. Examination of the trends in river flow changes in Lorestan province using the TFPW-MK method. Appli. Res. Geograph. Sci. 14(35), 73-93. Ghasemi, A.R., Khalili, D., 2008. The association between regional and global atmospheric patterns and winter precipitation in Iran. Atmospheric Res. 88(2), 116-133. Hurrell, J.W., 1995. Decadal trends in the North Atlantic Oscillation: Regional temperatures and precipitation. Sci. 269(5224), 676-679. Hussain, A., Cao, J., Ali, S., Ullah, W., Muhammad, S., Hussain, Zhou, J., 2022. Variability in runoff, responses to land, and oceanic parameters in the source region of the Indus River. Ecolo. Indicator. 140, 109014. Jiang, R., Wang, Y., Xie, J., Zhao, Y., Li, F., Wang, X., 2019. Assessment of extreme precipitation events and their teleconnections to El Niño Southern Oscillation, a case study in the Wei River Basin of China. Atmosph. Res. 218, 372-384. Kendall, M.G., 1975. Rank Correlation Methods. Griffin. Khodabakhsh, N., Pourkarami, A., Motakan, M., Cherchi, A., 2015. Active tectonics of the Karun River basin. Earth Sci. 24(95). Khoramian, A., 2024. Assessing annual and seasonal precipitation trends in the Karun River Basin using Co-Kriging: An Over 60-Year Analysis. Water Harvest. Res. 7(2), 301-313. Lee, R., Williams, G., 2008. Investigating the impacts of climate change on watersheds in the Lebanon Basin. Water Wastewater J. 31-36. Mann, H.B., 1945. Nonparametric tests against trend. Economet. 13(3), 245-259. Maroofi, S., Tabari, H., 2011. Detection of trends in the discharge of the Maroun River using parametric and non-parametric methods. Geograph. Res. 26(2), 125-146. Mehrani, A., 2022. Forecasting the discharge of the Zayandeh Rud River at the Qaleh Shahrokh station using deep learning techniques. J. Water Engin. 10(3). Mirabbasi Najafabadi, R., Dinpejouh, Y., 2010. Analysis of the trend of changes in the discharge of northwestern Iran rivers in the last three decades. Water Soil 24(4). Mirzaei Hasanlu, A., Abghari, H., Iraniyan, M., 2020. The impact of teleconnection patterns on precipitation and drought in the Urmia Lake basin. Geophy. Space Physic. 46(3), 537-559. doi: 10.22059/jesphys.2020.292304.1007175. Mukaka, M.M., 2012. A guide to appropriate use of Correlation coefficient in medical research. Malawi Medical J. 24(3), 69-71. Naseri, E., Shahidi, A., Farzaneh, M.R., 2016. The assesment of climate change on run-off by SWAT Model. J. Rainwater Catch. Sys. 3(4), 27-38. Rafiei, T., Nasr Asfahani, M.A., Najaf Abadi, H., 2024. Study of the characteristics of meteorological and hydrological droughts and their relationship with remote meteorological link patterns (White Plain, Chaharmahal and Bakhtiari Province). Iran. Water Res. 18(1). Rahbar, E., Pakpour, M., Masoudi, M., Jokar, L., 2005. Trends of runoff changes in the Khorr River basin. Iran. Res. Rangeland. Deserts 12(4), 357-375. Rezaei, M., Omidipour, R., Rezaei, A., Nedaft, M., 2022. Comparison of the impact of land use trend changes and precipitation on annual discharge, case study of the Kiar Watershed. Int. Watershed Manage. 2(2), 62-74. doi: 10.22034/iwm.2022.556854.1038. Sarmiento, S., Palanisami, A., 2011. Coherence between atmospheric teleconnections and Mackenzie River Basin lake levels. J. Great Lakes Res. 37(4), 642-649. Shakerian, S., Torabi Poudeh, H., Shahi Nejad, B., Naqavi, H., 2019. Torabi Poudeh, H., Emamgholizadeh, S., 2015. Trend analysis of streamflow changes in the northern part of the Dez River Basin using the TFPW-MK method. J. Water Soil Conserv. Res. 22(3), 39-55. Uereyen, S., Bachofer, F., Klein, I., Kuenzer, C., 2022. Multi-faceted analyses of seasonal trends and drivers of land surface variables in Indo-Gangetic river basins. Sci. Total Environ. 847, 157515. Vivekanandan, N., 2007. Analysis of trend in rainfall using nonparametric statisticalmethods, international symposium on rainfall rate and radio wave propagation. American Insti. Physic. 101-113. Wallace, J.M., Guzzler, D.S., 1981. Teleconnections in the geo-potential height field during the northern hemisphere winter. Month. Weather Rev. 109, 784-812. Wang, F., Lai, H., Li, Y., Feng, K., Tian, Q., Guo, W., Yang, H., 2023. Spatio-temporal evolution and teleconnection factor analysis of groundwater drought based on the GRACE mascon model in the Yellow River Basin. J. Hydrol. 626, 130349. Wang, W., Yang, P., Xia, J., Zhang, S., Cai, W., 2022. Coupling analysis of surface runoff variation with atmospheric teleconnection indices in the middle reaches of the Yangtze River. Theoret. Appl. Climatol.148(3), 1513-1527. Zang, H., 2003. A nonparametric test for trend in time series data. J. Environ.Statistic.
| ||
|
آمار تعداد مشاهده مقاله: 252 تعداد دریافت فایل اصل مقاله: 176 |
||