تنوع آب و هوا، تغییرات آب و هوایی و روندهای جهانی در خطر خشکسالی

خشکسالی ناشی از تغییر در الگوهای گردش جوی پایدار است که معمولاً با شرایط مرزی جوی به آرامی متغیر است (به عنوان مثال تغییرات دمای سطح دریا، پوشش یخ دریا یا برهم کنش های زمین و جو). نوسان جنوبی ال نینو (ENSO) یکی از منابع اصلی خشکسالی های دوره ای در سطح جهان است، همراه با سایر منابع با فرکانس پایین. چرخه های طبیعی فعل و انفعالات اقیانوس و جو منجر به نوسانات مکرر بین دمای سطح دریا به طور غیرعادی گرم (ال نینو) و سرد (لا نیینا) در اقیانوس آرام استوایی می شود. در طی یک رویداد ENSO، خشکسالی تقریباً در هر نقطه از جهان رخ می دهد، اگرچه محققان قوی ترین ارتباطات بین ENSO و خشکسالی شدید را در استرالیا، برزیل، هند، اندونزی، فیلیپین، مناطق مختلف ایالات متحده آمریکا، بخش هایی از شرق پیدا کرده اند. و جنوب آفریقا و آمریکای مرکزی و جزایر حوزه غربی اقیانوس آرام (از جمله هاوایی).

خشکسالی ها با شاخص های خشکسالی مخصوص بخش ها، که معمولاً از متغیرهای آب و هوایی مانند بارش، تعادل آب و هوایی، رطوبت خاک، جریان و سطح آبهای زیرزمینی نشأت می گیرند، پایش و تعیین می شوند. تأثیرات مرتبط مانند کاهش سبزه و قدرت پوشش گیاهی شاخص های مربوطه هستند. شاخص ها نمایانگر شدت خشکسالی هستند که با استفاده از ورودی های هواشناسی، اقلیم شناسی و هیدرولوژی، از جمله شاخص های ذکر شده در بالا، ارزیابی می شوند. هدف آنها اندازه گیری وضعیت خشکسالی برای یک دوره معین است. همچنین می توان شاخص ها را به عنوان شاخص در نظر گرفت. برای این گزارش، اصطلاح "شاخص" با این درک استفاده می شود که شاخص ها در این تعریف گنجانده شده اند. سازمان جهانی هواشناسی (WMO) و مشارکت جهانی آب (GWP) نمای کلی شاخص ها و شاخص های خشکسالی را که به طور گسترده مورد استفاده قرار می گیرند، منتشر کرده اند.

1.2.1 تعریف خشکسالی

خشکسالی یک ویژگی مکرر در همه اقلیم ها است و عموماً با توجه به میانگین آب و هوای بلند مدت یک منطقه مشخص می شود. با توجه به ماهیت پیچیده خشکسالی، تعریف آنها در مناطق اقلیمی متفاوت است و به طور سنتی در بخش های آسیب دیده و رشته های علمی متفاوت است. بنابراین مقایسه ویژگی های خشکسالی در زمان و مکان دشوار است.

خشکسالی یکی از پیچیده ترین و شدیدترین خطرات مربوط به اقلیم است که دارای تأثیرات گسترده در جوامع، اکوسیستم ها و اقتصادها است. آنها مکرر هستند، می توانند از چند هفته تا چند سال دوام بیاورند و بر مناطق وسیعی از مردم در سراسر جهان تأثیر می گذارد. خشکسالی در طول تاریخ به دلیل تنوع طبیعی آب و هوا رخ داده است.

خطرات ناشی از خشکسالی برای جوامع، اکوسیستم ها و اقتصادها بسیار بزرگتر و عمیق تر از اندازه گیری است. تأثیرات به طور نامتناسب توسط آسیب پذیرترین افراد تحمل می شود. تأثیرات خشکسالی در جوامع گسترده است - آنها در مناطق وسیعی به هم متصل می شوند، از طریق سیستم های اجتماعی و فنی در مقیاس های مختلف، و در طول زمان ادامه می یابند. عدم آگاهی از چنین ویژگی هایی، از جمله دست کم گرفتن مداوم هزینه اثرات خشکسالی، می تواند منجر به واکنش ناکارآمد و شکست سیستمیک شود. با درک جنبه های شبکه ای جهانی خشکسالی و سایر خطرات پیچیده، تغییرات مورد نیاز برای کاهش خطر و بهبود تجربه خشکسالی امکان پذیر می شود. این گزارش ارزیابی جهانی در مورد کاهش خطر بلایای طبیعی (GAR) در مورد خشکسالی 2021 با هدف برداشتن گامی روشن در جهت ایجاد این آگاهی انجام می شود.

دفتر کنترل خطرات بلایای سازمان ملل متحد در "گزارش ویژه GAR در مورد خشکسالی 2021"، با تاکید بر خشکسالی به عنوان "تهدیدی وجودی برای بسیاری از نقاط جهان"، به دنبال افزایش آگاهی از خطرات ناشی از کمبود دوره ای آب است. در این بیانیه آمده است: "خطرات ناشی از خشکسالی برای جوامع، اکوسیستم ها و اقتصادها بسیار بزرگتر و عمیق تر از اندازه گیری است."

یکی از مسائلی که در اثر برداشت بی‌رویهٔ آب زیرزمینی رخ می‌دهد، فرونشست زمین land subsidence است. در نمونه‌ای، این وضعیت اکنون در بسیاری از زمین‌های استان‌های کرمان و خراسان ایران که دشت‌ها با بیلان منفی آب زیرزمینی روبرو هستند، رخ داده‌است. نشست زمین در آکیفرهای محصور و نیمه محصور که از مواد آبرفتی تحکیم نشده یا نیمه تحکیم شده تشکیل یافته باشند بیشتر دیده می‌شود. در اثر برداشت آب زیرزمینی و بیرون آمدن آب از منافذ امکان متراکم شدن مواد تا عمق ۳۰۰ متر فراهم می‌گردد و هرچه بیشتر برداشت شود، تراکم مواد بیشتر خواهد بود. نشست زمین باعث ایجاد شکاف‌های عمیق در سطح زمین، کج شدن لوله‌های چاه، خرابی ساختمان‌ها و لوله زایی چاه‌ها می‌گردد. لوله زایی به پدیده‌ای گفته می‌شود که در آن به دلیل نشست زمین قسمتی از لوله چاه به خارج از سطح زمین رانده می‌شود.

هیدرولوژی به معنای عام آن، شناخت حرکت آب است، چه بر روی زمین، چه در زیر سطح خاک و چه در اعماق زمین. هیدرولوژی می تواند به انسان ها بیش از گذشته با استفاده از علوم ترکیبی جدید، نظیر هوش مصنوعی و روش های پیچیده یادگیری ماشین، و همچنینی نرم افزارهای قدرتمند شبیه سازی، تا ابزارهای تهیه داده وسیع نظیر ماهواره ها، کمک کند. در اینجا ما تمایل خود را در همکاری های علمی در زمینه حل چالش های واقعی آب نشان داده ایم. برای جزییات بیشتر، تماس حاصل کنید.

فراخوان مقاله: زمین آمار پیشرفته در هیدرولوژیکی

روشهای زمین آمار معمولاً در علوم آب، زمین و محیط زیست برای کمی کردن تغییرات فضایی، تولید نقشه های درون یابی با عدم قطعیت کمی و بهینه سازی طرحهای نمونه برداری فضایی استفاده می شود. زمین آمار زمین-فضا جنبه های پویای فرایندهای محیطی را بررسی کرده و تغییرات پویا را از نظر همبستگی مشخص می کند. زمین آمار نیز می تواند با یادگیری ماشین و مدل های مکانیکی ترکیب شود تا مدل سازی فرایندها و الگوهای دنیای واقعی را بهبود بخشد. چنین روشهایی برای مدل سازی خواص خاک، تولید خروجی های مدل آب و هوایی، شبیه سازی فرآیندهای هیدرولوژیکی و درک بهتر و پیش بینی عدم قطعیت ها به طور کلی استفاده می شود. تجزیه و تحلیل داده های بزرگ و ادغام داده ها به دلیل پیشرفت های تکنولوژیکی و فراوانی منابع داده جدید از سنجش از دور و نزدیک و همچنین تعداد زیادی از شبکه های حسگر محیطی به موضوعات اصلی تحقیق تبدیل شده است. پیشرفتهای روش شناختی، مانند مدل سازی سلسله مراتبی بیزی، یادگیری ماشین، فرآیندهای پراکنده گوسی، مدلهای تعامل محلی و همچنین پیشرفت در ماژولهای نرم افزاری زمین آمار در R و پایتون، جعبه ابزار زمین آمار را افزایش داده است.

فراخوان مقاله: هوش مصنوعی در هیدرولوژی

تحقیقات هیدرولوژیکی و مهندسی هیدرولوژیکی با یک تحول دیجیتالی شامل پیش بینی کاملتر و دقیق سیستمهای پیچیده روبرو هستند. از دیدگاه کلان، هدف تحقیق از بخشهای رودخانه محلی، دریاچه ها، مخازن و غیره به کل حوضه یا حتی محیط جهانی در حال تکامل است. به عنوان مثال، ممکن است ده ها مخزن بر روی یک رودخانه بزرگ توزیع شده باشد، و تبادل اطلاعات و تصمیم گیری در ارتباط بین آنها با چالش بزرگی برای عملیات و کنترل برای محدود کردن خسارات ناشی از سیل روبرو خواهد شد. در این شرایط، میزان اطلاعات و محاسبه بسیار فراتر از روشهای سنتی است. از دیدگاه میکروسکوپی، تحقیقات هیدرولوژیکی با روشهای تصفیه شده بیشتری در حال توسعه است و عوامل بیشتری در مدلهای نظری پوشش داده شده است. استفاده از حسگرهای جدید اتوماتیک حجم زیادی از اطلاعات را به تحقیقات و مهندسی هیدرولوژی می رساند. بنابراین، بیشتر و بیشتر داده های زمان واقعی نیاز به پردازش دارند. به عنوان مثال، در گذشته، محاسبه جریان آب در مناطق آبیاری کشاورزی عمدتا میانگین جریان رودخانه های اصلی و بارش در یک دوره زمانی را محاسبه می کرد، اما در حال حاضر، ما امیدواریم که بتوانیم داده های دقیق تری در زمان واقعی برای پشتیبانی بدست آوریم. تولیدات کشاورزی همه اینها منجر به پردازش و محاسبه داده در زمان واقعی در مقیاس بزرگ شده است. تقریباً غیرممکن است که این وظایف را با روشهای سنتی و محاسبات انسانی انجام دهیم. ابر رایانه ها می توانند به مردم در حل مشکل حجم زیادی از محاسبه داده ها کمک کنند، با این حال مدل هایی که استفاده می کنند ممکن است در کمک به قضاوت و تصمیم گیری محدودیت قابل توجهی داشته باشند، زیرا قادر به ارائه برآورد فرآیندهای پیچیده تحت شرایط عمومی، به ویژه برای شبیه سازی در زمان واقعی یا پیش بینی.

فراخوان مقاله: رخداد های شدید هیدرولوژیکی

رخداد های شدید هیدرولوژیکی، یعنی خشکسالی و سیل، خطرات طبیعی مهم جهانی هستند که تأثیرات پرهزینه ای بر جامعه و محیط زیست دارند. سیل و خشکسالی ناشی از برهم نهی فرایندهای مختلف در مقیاس های مختلف مکانی و زمانی است: فرایندهای فیزیکی در جو، حوضه های آبریز، سیستم های رودخانه ها و فعالیت های انسانی. با این حال، ویژگی های افراطی هیدرولوژیکی به دلیل تغییرات آب و هوایی و تغییرپذیری تغییر کرده است، به طوری که رویکردهای تشخیص، انتساب و فراوانی وقوع آنها نیاز به بازبینی دارد زیرا دیگر فرایندهای ثابت نیستند. برای برآورد دقیق تر افراط هیدرولوژیکی در شرایط غیر ثابت و نامشخص، نیاز به ارزیابی های جامع است. تجزیه و تحلیل فرکانس زمان، مدل سازی هیدرولوژیکی، تجزیه و تحلیل علل فیزیکی، تجزیه و تحلیل آماری چند متغیره و تجزیه و تحلیل عدم قطعیت ابزارهای قدرتمندی برای تشخیص، انتساب و تجزیه و تحلیل فراوانی افراط های هیدرولوژیکی غیر ثابت در شرایط آب و هوایی در حال تغییر است. هر دو حالت غیر ایستایی و عدم قطعیت تجزیه و تحلیل فراوانی رویدادهای شدید هیدرولوژیکی باید برای نشان دادن جایگزین های عملیاتی احتمالی فرض ایستایی در تجزیه و تحلیل فرکانس افراط هیدرولوژیکی یکپارچه شوند.

مدیریت زیرساخت های قدیمی و شبکه های بزرگ سیستم های آب چالش های بزرگی است که شرکت های آب در سراسر جهان با آن روبرو هستند. در سال 2021، تحقیقی به سرپرستی تیمی در دانشگاه ملل متحد، زیرساخت های فرسوده آب را به عنوان یک خطر جهانی در حال ظهور شناسایی کرد. اکثر راه حل های مهندسی برای مدیریت آب که امروزه هنوز مورد استفاده قرار می گیرد، مانند سدها و شبکه های فاضلاب، بین سالهای 1930 تا 1970 ساخته شده است. اینها در حال حاضر خطرات و چالش هایی را برای مدیران زیرساختی که در تلاش برای گسترش خدمات و پذیرش انقلاب دیجیتالی هستند ایجاد می کند.

ما در سایت بیسین، در یک بررسی آماری، از طریق پردازش داده های ماهواره های ناسا، به نتایجی رسیدیم که شاید یک درک بصری از آن برای همگان وجود داشته باشد. یکی از مهم ترین این نتایج این است که ایران دچار تنش آبی است نه خشکسالی به معنای عام آن. خشکسالی ها می توانند هیدرولوژیک، هواشناسی و... باشند که در جای خود نیاز به بررسی دقیق هستند. اما برای درک بهتر به نمودار زیر نگاه کنید.

این نمودار، خروجی پردازش ناسا از داده های ماهواره GRACE FO در مرکز JPL گودارد است که نشان می دهد از سال 2000 تا 2021 مقدار ضخامت آب معادل (در مقیاس کشور) از رقم 5/977 سانتی متر به 11/696- سانتی متر در انتهای دوره افت داشته است! به افزایش نمودار در سال 2019 که سیلاب های غیر منتظره کشور را فراگرفت توجه کنید.

این روزها که بسیاری از استان‌های کشور از جمله خوزستان، چهارمحال و بختیاری و سیستان و بلوچستان با تنش آبی روبه‌رو هستند، نقش سدسازی‌های بی‌رویه و اجرای طرح‌های انتقال آب در به وجود آمدن وضع موجود بیش از پیش مورد توجه قرار گرفته است. در این شرایط یک کارشناس حوزه آب از مسدود شدن بخش اطلاعات مربوط به سدهای کشور در وبسایت شرکت مدیریت منابع آب ایران خبر داده و نسبت به از دسترس خارج شدن این اطلاعات انتقاد کرده است.

برای پروژه شبکه سه بعدی خود در GMS، آیا داده های متریال از مش سه بعدی یا هندسه دیگری دارید که در برنامه ای غیر از GMS ایجاد شده است؟ با استفاده از روشی که شامل ایجاد مواد جامد است که GMS می تواند از آنها برای اختصاص مواد استفاده کند، می توان این داده ها را به GMS وارد و به شبکه 3D خود متصل کرد. این کار با وارد کردن داده ها به عنوان گمانه و ایجاد مواد جامد از آنها انجام می شود. این پست بررسی می کند که چگونه می توانید داده های مواد را از یک شبکه سه بعدی بگیرید و آنها را به یک شبکه سه بعدی در GMS انتقال دهید.

در بخشهای مختلف بخش آب - از تصفیه خانه های آب گرفته تا نیروگاه های آبی تا پرورش آبزیان - تهیه و انطباق با خطرات به روشی برنامه ریزی شده بسیار کارآمدتر از واکنش در برابر خرابی بزرگ سیستم است. به همین دلیل، داشتن ابزارها و قابلیت پیش بینی و پاسخگویی قبلی به خطرات احتمالی کیفیت آب (و کمیت) می تواند ضمن کاهش هزینه ها، عملکرد محیطی را بهبود بخشد.

در راستای رفع مسائل و مشکلات بخش آب کشور، موسسه تحقیقات آب ایران اقدام به تعریف پروژه های تحقیقاتی و پژوهشی در سال 1400 در زمینه آب و حوزه های مختلف آن کرده است. نکته مهم آنکه طرح های مذکور برای انجام توسط و یا زیر نظر اساتید محترم دانشگاه های کشور تعیین شده است. فهرست ارائه شده در زیر دومین فراخوان می باشد که از تاریخ 31 خرداد 1400 در سامانه تدارکات الکتریکی دولت انجام خواهد شد.

مدل های آب زیرزمینی اغلب نیاز به مقابله با مقدار نسبتاً عدم قطعیت دارند، به ویژه هنگامی که مدل ها داده های کالیبراسیون محدودی در دسترس دارند. یک رویکرد مدل سازی تصادفی می تواند با استفاده از مجموعه ای از مدل ها برای برآورد احتمال برخی از نتایج خاص، یک گزینه مفید برای مقابله با این عدم اطمینان باشد و GMS چند ابزار و روش برای استفاده از این روش ارائه می دهد. در این پست برخی نکات و نکات در مورد مدل سازی تصادفی در GMS بررسی می شود.

دانشمندان ناسا برای درک چگونگی تغییر چرخه آب جهانی، 17 سال از مشاهدات ثقل سیاره ما را مطالعه کرده اند. میزان انتشار گیاهان و سطح زمین از رطوبت در هوا بین سالهای 2003 و 2019 در مقیاس جهانی افزایش یافته است. این فرآیندها در مجموع به عنوان تبخیر و تعرق شناخته می شوند و یک مطالعه جدید ناسا با استفاده از مشاهدات ماهواره های ثقل میزان آن را محاسبه کرده است.