صابره دربندی - دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی ، دانشگاه تبریز
سارینا امامی - دانش آموخته کارشناسی ارشد منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی ، دانشگاه تبریز

پیش بینی تراز آب زیرزمینی اهمیت زیادی در مدیریت و برنامه ریزی منابع آبی دارد. در این پژوهش مدلسازی تغییرات تراز آب زیرزمینی به صورت ماهانه در دوره ۲۰۲۲ -۲۰۱۳ با مدلهای MLP، WNN انجام شد که از دادههای نه سال اول برای آموزش و سال آخر جهت صحت سنجی استفاده گردید و بهترین مدل با استفاده از معیارهای ضریب تبیین (R۲)، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) تعیین شد. بارش و دمای ایستگاه هواشناسی شبستر در آینده(۲۰۴۰-۲۰۲۱) با استفاده از مدل CanESM۲ تحت سناریوهای RCP۲.۶ و RCP۸.۵ پیش بینی و با استفاده از مدل LARS-WG ریزمقیاسسازی شدند. در دوره آتی ، تحت هر دو سناریو و در ماه های فوریه ، جولای و اکتبر میانگین بارش کاهش و در نه ماه دیگر افزایش خواهد یافت . برای دما نیز به جز سناریو RCP۸.۵ و ماه ژوئن ، در ۱۱ ماه دیگر و تحت هر دو سناریو، افزایش دما پیش بینی می شود و بیش ترین افزایش دما(۴۳/۲۳۷ درصد)، در ماه ژانویه و تحت سناریو RCP۲.۶ خواهد بود. تراز آب زیرزمینی آبخوان دشت شبستر با افت ۴۲/۴ متری ، از ۶۴/۱۳۰۳ متر در سال ۲۰۰۳ به ۲۲ /۱۲۹۹ متر در سال ۲۰۲۲ رسیده است . تراز آب زیرزمینی دشت شبستر تحت سناریو RCP۲.۶ در شش ماه ابتدایی کاهش و در شش ماه دوم افزایش خواهد یافت . تحت سناریو RCP۸.۵ فقط در ماه های ژانویه ، فوریه و دسامبر کاهش تراز آب زیرزمینی پیش بینی می شود و بیش ترین کاهش در ماه ژانویه اتفاق خواهد افتاد.

آب زیرزمینی ، تغییر اقلیم ، شبستر، شبکه عصبی ، مدلسازی ، LARS-WG