Document Type : پژوهشی

Authors

1 Dept. of Natural Resource. University of Sari, Iran

2 Professor, Dept. of Natural Resource. University of Sari, Iran

3 - Associate Professor, Dept of Range& Watershed Management, Malayer University, Iran

4 - Assistant Professor, Dept of Range and Watershed Management Engineering, Lorestan University, Iran

Abstract

Climate change has altered the earth’s hydrologic cycles, especially its temporal and spatial distributions. Therefore, prediction of its future changes is very important. This study investigated the effects of climate change onthe precipitation, minimum temperature, maximum temperature, and runoff in three sub watersheds in Hamadan, Bahar Watershed. To this end, the WETSPASS model was used to estimate runoff and the LARS-WG model was used to predict climate variables between the years of 2014 and 2043. The results showed that the HadCM3 model with the largest weighting coefficient and the lowest error has the highest efficiency in simulation of precipitation and temperature. According  to the scaled down measurements, in the next period, the average minimum and maximum temperatures will respectively increase up to 1.22 ºc and 0.9 ºc and the total rainfall will decrease about 8%. The results of the impact of the climate change on the future of the watershed's hydrology showed that runoff volume for all three sub-watersheds under the A2 scenario and the first and second sub-watersheds under the B1 scenario is going to decrease. For the third sub-watersheds, in contrast, it is going to increase.  In addition, while total runoff input to plain will decrease by 36 % under A2 scenario, it will increase by 8 % under B1 scenario which will affect the watershed's water resource system changes. The remarkable thing is the reduction in rainfall in the winter and in the spring, disassembling the temporal distribution of the rainfall, and increasing the temperature. Accompanied by land use changes, it can have a significant negative effect on the future water resources management.
 

Keywords

مقدمه

افزایش امواج گرمائی، گرم شدن اتمسفر تحتانی، عقب‌نشینی یخچال‌ها، بالا آمدن سطح آب دریاها و وقوع باران‌های سنگین در بسیاری از مناطق دنیا نشان می‌دهد که جهان در حال گرم شدن و اقلیم در حال تغییر است (وینیکوو و همکارن[1]، 2006: 104 و کریمی کاخکی و سپهری، 1389: 145). هیئت بین‌الدول تغییر آب‌وهوا،  اثرات تغییر اقلیم بر منابع هیدرولوژی و آب را طی 1990- 2007 بررسی نمودند. در این گزارش فنی بیان‌شده، تغییرات دما و بارش اثرات قابل‌توجهی بر رواناب و در دسترس بودن آب، به ‌ویژه در مناطق نیمه‌خشک و خشک دارد (لی و همکاران[2]، 2013: 458). این امر می‌تواند برای مناطق خشک و نیمه‌خشک به ویژه ایران که منابع آب آن به تغییرپذیری آب و هوایی، به‌ویژه بارش، بسیار حساس است، صحیح باشد (عثمان و همکارن[3]، 2014: 950). مطالعات مختلفی توسط پژوهشگران در خصوص اثر پدیده تغییر اقلیم بر رواناب انجام‌شده است. مانگو و همکاران[4] (2011) به بررسی اثرات تغییر آب‌وهوا بر هیدرولوژی حوضه­ی رودخانه­ی  upper Mara، کنیا با استفاده از مدل SWAT پرداختند. کاترینا و همکاران[5] (2016) به‌منظور درک هیدرولوژی آینده­ی رودخانه در ۷ حوضه­ی آبخیز در شرق و مرکز مونتانا سیستم مدل‌سازی بارش-رواناب و خروجی مدل RegCM3 را استفاده نمودند. ژیانگ و همکاران[6] (2015) از معادلات بادیکو به‌ منظور جدا کردن سهم تغییر آب‌ و هوا و فعالیت‌های انسانی بر تغییر رواناب رودخانه Weihe در دوره‌های طولانی ‌مدت استفاده نمودند. با توجه به مطالعات پیشین مطالعه­ی تغییرات هیدرولوژیکی به ‌منظور انطباق با وضعیت فعلی و تغییراتی که به علت تغییرات اقلیم در منابع آب ممکن است رخ دهد، ضروری می‌باشد. این پژوهش به بررسی پتانسیل تأثیر تغییر متغیرهای دما و بارش بر جریان رودخانه سه زیرحوضه در حوضه­ی آبخیز همدان - بهار در استان همدان برای دوره آماری ۲۰۱۴ تا ۲۰۴۳ می‌پردازد.

مواد و روش­ها

حوضه­ی آبخیز همدان - بهار با مساحت 2460 کیلومترمربع، بین عرض جغرافیایی  40 °34 تا  10 °35 شمالی و طول جغرافیایی7 °48 تا 37 °48 شرقی واقع گردیده ­شده است. حداکثر و حداقل ارتفاع حوضه  به ترتیب 3372 متر در ارتفاعات الوند و 1710 متر در محل خروجی حوضه مـی‌باشد (مهندسین مشاور هگمتان آب، 1383: 21). در شکل (1) موقعیت سه ایستگاه‌ هیدرومتری مورد مطالعه نشان داده ‌شده است.

 

شکل (1) موقعیت حوضه­ی آبخیز مورد مطالعه

محاسبه­ی رواناب سطحی: مدل بیلان آب توزیعی[7]WETSPASS مدل شبیه‌ساز انتقال انرژی و آب بین خاک، گیاهان و اتمسفر تحت شرایط شبه‌پایدار است (باتلان و اسمدت[8]، 2007: 339). در این مدل هر رستر داری کسری از پوشش گیاهی، خاک لخت، آب روباز و سطح غیرقابل نفوذ است (باتلان و ولیدیمالک[9]، 2007: 21) رواناب هر سلول رستری به‌صورت زیر محاسبه می‌شود:

رابطه­ی (1)        

که در آن R رواناب سطحی av ، as ، ao،ai به ترتیب  مساحت مؤلفه‌های  مربوط به انواع مختلف پوشش زمینی که توسط پوشش گیاهی، خاک لخت، آب روباز و سطوح غیرقابل نفوذ پوشیده شده‌اند. طبق جدول (1) توپوگرافی تند دارای ضریب رواناب بیشتری است، درحالی‌که خاک رسی در مقایسه با خاک شنی مقادیر ضریب رواناب را به دلیل هدایت هیدرولیکی پایین‌تر آن برای جریان زیرسطحی، کاهش می‌دهد (وانگ و همکاران[10]، 2012: 321).

جدول (1) پتانسیل ضرایب رواناب بالقوه پوشش گیاهی برای خاک‌های مختلف و گروه‌های مختلف بافت خاک

شیب (درصد)

شن

شن­لومی

لومی شنی

لوم

لوم سیلتی

سیلت

کمتر از 5/0

05/0

08/0

11/0

17/0

15/0

17/0

5/0 تا 5

10/0

13/0

16/0

22/0

20/0

22/0

5 تا 10

15/0

18/0

21/0

27/0

25/0

27/0

بیشتر از 10

20/0

23/0

26/0

32/0

30/0

32/0

شیب (درصد)

لوم رسی شنی

لوم رسی

لوم رسی سیلتی

رسی شنی

لوم سیلتی

رس

کمتر از 5/0

13/0

15/0

18/0

20/0

23/0

25/0

5/0 تا 5

18/0

20/0

23/0

25/0

28/0

30/0

5 تا 10

23/0

25/0

28/0

30/0

33/0

35/0

بیشتر از 10

28/0

30/0

33/0

35/0

38/0

40/0

بافت خاک: با توجه به نقشه­ی بافت خاک تهیه‌ شده 11 نوع بافت خاک برای منطقه­ی مورد مطالعه وجود دارد، بافت غالب در حوضه­ی آبخیز همدان- بهار، لومی رسی است و بافت غالب دشت همدان- بهار رسی است.

نقشه­­ی کاربری اراضی: نقشه کاربری اراضی بر اساس استاندار مدل WETSPAS تهیه شد. کاربری غالب کشاورزی است که بیشتر تحت کشت گندم و سیب‌زمینی است.

نقشه‌های پوشش برف: نقشه‌های پوشش برف بر مبنای نسبت اختلاف بازتابندگی باند چهار­سنجنده MODIS و باند شش­سنجنده MODIS تقسیم بر مجموع بازتابندگی در این دو بانـد تحت عنوان شاخص NDSI مطابق رابـطه­ی (2) تهیه شدند (هال و همکاران، 2002: 184).

رابطه­ی (2)  

 

در شکل (2) نمونه­ای از نقشه­ها ارائه شده است.

 

شکل (2)  نمونه‌ای از نقشه‌های پوشش برف استخراجی از تصاویر ماهواره‌ای MODIS  (پیکسل‌های دارای کد 1 پیکسل‌های برف­دار و پیکسل‌های دارای کد 0 پیکسل‌های بدون برف می‌باشند)

مدل‌ها و سناریوهای انتخابی در بخش تغییر اقلیم: در این مطالعه از سه مدل ‌اقلیمی HadCM3،NCCM و IPCM4 در مدل آماری LARS-WG استفاده شد. صحت­سنجی نتایج مدل‌ها: به‌منظور ارزیابی مدل‌ها از شاخص‌های ضریب همبستگی[11] (R2)، میانگین مربعات خطا[12]، میانگین خطای مطلق، ناش ساتکلیف[13] (NSE) و اریب (BIAS) استفاده شد (عباس­پور و همکاران[14]؛  2007: 190).

رابطه­ی (3)  

 

 

 

 رابطه­ی (4)  

 

 

 

رابطه­ی (5)

 

 

 

رابطه­ی (6)

 

که  و به ترتیب i امین داده‌های مشاهداتی و شبیه‌سازی‌شده و ٬  میانگین داده‌های مشاهداتی و شبیه‌سازی‌شده  و  تعداد کل داده‌ها و Siداده‌های شبیه‌سازی‌شدهOiداده‌های مشاهداتی می‌باشد.   

بررسی عدم قطعیت مدل‌های اقلیمی: بر اساس روش وزن­دهی، مدل‌ها طبق رابطه­ی (7) وزن­دهی شدند.

رابطه­ی (7)

 

که Wi وزن بـه دست آمده در ماه مورد نظر و  ΔTiانـحراف میانگین طولانی ‌مدت پارامتر اقلیمی شبیه‌سازی‌شده در دوره­ی پایـه از داده­ی مشاهداتی و N تعداد مدل‌های گردش عمومی است.

بحث و نتایج

کالیبراسیون و اعتبارسنجی مدل WETSPASS: نتایج کالیبراسیون (2003 تا 2008) و اعتبارسنجی (2008-2013) در شکل (3) ارائه ‌شده است. کالیبراسیون مدل بر اساس چهار پارامتر α، LP، a و x مطابق بهترین برازش رواناب سطحی شبیه‌سازی شده و رواناب مشاهداتی، انجام شد (جدول 2)، در محاسبه دقت مدل، ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابر 79/0 و 71/0 برای دوره­ی کالیبراسیون و 83/0 و 14/0 برای دوره اعتبارسنجی شد، که بیانگر مقبولیت مدل در شبیه­سازی رواناب منطقه می­باشد.

جدول (2) پارامتر­های ورودی به مدل  به منظور کالیبراسیون

پارامتر

مقدار تعیین شده

دامنه­ی معمول

a

5/4

3/0 تا 6

LP

85/0

4/0 تا 1

x

5/0

0 تا 1

α

5/1

3/0 تا بیشتر از 3

 

 

شکل (3) رواناب ماهانه شبیه‌سازیشده در مقایسه با رواناب مشاهداتی (دوره­ی کالیبراسیون و اعتبارسنجی)

بررسی عملکرد مدل LARS-WG در شبیه‌سازی دما و بارش: با توجه به شکل (5) مدل در شبیه‌سازی دماهای کمینه، بیشینه، و تابش از صحت بالایی برخوردار است. با این ‌حال در مدل‌سازی بارش ضعف کمی در شبیه‌سازی ماه‌های ژانویه، مارس، و دسامبر وجود دارد. در ماه دسامبر بارش شبیه‌سازی 6/7 میلی‌متر بیشتر از مقدار مشاهداتی، و در ماه‌های ژانویه، فوریه و مارس به ترتیب 5/4 ، 9/3 و 2/4 میلی‌متر کمتر از مقدار مشاهداتی است. بر اساس نتایج جدول 3 مقدار ضریب تبیین برای دو متغیر  میانگین دمای حداقل و حداکثر برابر 99/0 و مقدار خطای RMSE به ترتیب برابر 162/0 و 21/0 است. همچنین بر اساس مقادیرPvalue  محاسبه شده  برای این دو متغیر، اختلاف مقادیر شبیه‌سازی و مشاهداتی در سطح 5 درصد معنی‌دار نمی­باشد که بیانگر تطابق نسبتاً بالای میانگین دمای حداقل و حداکثر شبیه‌سازی و مشاهداتی است. در مورد بارش باوجود بیشترین اختلاف در ماه دسامبر بااین‌حال براساس جدول (3) و مقادیرPvalue  تفاوت معنی‌داری وجود ندارد و همچنین مقدار ضریب تبین برابر 98/0 می­باشد و سایر شاخص‌های خطا نیز نسبتاً کوچک است که مقبولیت مدل در شبیه‌سازی این متغیر را نشان می­دهد. همچنین در مورد متغیر تابش به ‌جز ماه‌های نوامبر و دسامبر برای سایر ماه‌ها تفاوت معنی‌دار مشاهده نشد و از طرفی بر اساس معیارهای خطا سنجی داده‌های تابش شبیه‌سازی و مشاهداتی تطابق خوبی با هم دارند.

 

 

 

 

شکل (4) مقایسه مقادیر مدل شده و مشاهداتی برای پارامترهای دما حداقل، حداکثر، بارش و تابش در ایستگاه سینوپتیک همدان فرودگاه برای دوره­ی ­پایه (1980-2013)

جدول (3)  نتایج ارزیابی و اعتبارسنجی مدل ریزمقیاس نمایی LARS-WGبر اساس شاخص‌های مورد نظر

معیارهای خطاسنجی

دمای حداقل

دمای حداکثر

بارش

تابش

R2

999/0

999/0

98/0

999/0

NSE

999/0

999/0

987/0

998/0

RMSE

162/0

211/0

245/2

293/0

MAE

146/0

21/0

41/1

21/0

BIAS

001/0-

027/0-

641/0

158/0-

مقدامیانگین Pvalue

ژانویه

فوریه

مارس

آوریل

می

ژوئن

ژولای

آگوست

سپتامبر

اکتبر

نوامبر

دسامبر

دمای حداقل

55/0

67/0

59/0

77/0

16/0

19/0

1/0

42/0

41/0

85/0

89/0

27/0

دمای حداکثر

47/0

78/0

67/0

60/0

60/0

85/0

81/0

93/0

42/0

63/0

59/0

61/0

بارش

27/0

35/0

23/0

61/0

91/0

80/0

83/0

75/0

94/0

81/0

92/0

60/0

تابش

58/0

57/0

04/0

83/0

61/0

76/0

10/0

27/0

86/0

87/0

040/0

30/0

پیش­بینی متغیرهای بارش و دما برای آینده: در جدول (4) مقادیر مربوط به شاخص‌های آماری برای هر مدل آورده شده است. بهترین مدل در شبیه‌سازی هر کدام از متغیرها طبق جدول مدل HadCM3می‌باشد. طبق نتایج شکل (5)، چنانکه انتظار می‌رفت بیشترین وزن درباره­ی تمامی متغیرها به مدل HadCM3 که کمترین خطا را داشت، تعلق گرفت. بنابراین مدل HadCM3 بیشترین کارایی را در شبیه‌سازی بارش و دما برای منطقه­ی مطالعاتی دارد.

جدول (4) نتایج ارزیابی و اعتبارسنجی مدل­های اقلیمی

بارش

MAE

RMSE

NSE

R2

BIAS

HadCM

45/0-

12/4

95/0

95/0

22/0

NCCM

17/1-

67/3

95/0

95/0

097/0

IPCM4

87/0

59/3

95/0

97/0

58/1

دمای حداقل

MAE

RMSE

NSE

R2

BIAS

HadCM3

013/0

18/0

99/0

99/0

02/0

NCCM

065/0-

20/0

99/0

99/0

053/0

IPCM4

019/0-

12/0

99/0

99/0

015/0

دمای حداکثر

MAE

RMSE

NSE

R2

BIAS

HadCM3

045/0-

15/0

99/0

99/0

008/0-

NCCM

016/0-

069/0

99/0

99/0

011/0-

IPCM4

078/0-

164/0

99/0

99/0

066/0-

 

شکل (5) مقایسه ضرایب وزنی سناریوهای مدل‌های اقلیمی

از مدل HadCM3 به­منظور پیش‌بینی متغیرهای اقلیمی استفاده شد. با توجه به شکل (6)، میانگین دما حداکثر و حداقل نسبت به دوره­ی پایه برای تمامی ماه‌ها به‌ویژه در مورد دمای حداقل برای ماه‌های سرد سال رو به افزایش است. مقایسه­ی میانگین مجموع بارش ماهانه در دوره‌های پایه و آتی نشان می‌دهد که در اکثر ماه‌های سال بارندگی دوره آتی نسبت به دوره­ی پایه کاهش خواهد یافت. در هر سه سناریو بیشترین کاهش مربوط به ماه‌های آوریل، می و ژوئن است که از لحاظ کشاورزی نیز زمان مهمی است. همچنین، افزایش دما در فصل زمستان و پاییز باعث کاهش بارش به‌صورت برف در منطقه خواهد شد و حجم ذخیره برفی کاهش خواهد یافت. درنتیجه بارش در فصل زمستان به رواناب تبدیل خواهد شد و در مقابل با کاهش بارش در فصل بهار و کاهش رواناب ناشی از ذوب برف، کاهش جریان در فصل بهار رخ خواهد داد.

 

 

شکل (6) نمودار تغییرات میانگین ماهانه­ی بارش، دما حداقل و دما حداکثر در دوره­ی 2043-2014 نسبت به دوره­ی پایه (1980-2013).

پیش‌بینی رواناب تحت تأثیر تغییر متغیرهای اقلیمی دما و بارش: پیش‌بینی اثر تغییر متغیرهای دما و بارش بر روی رواناب در شکل (7) ارائه‌شده است. مطابق شکل، حجم رواناب سالانه پیش‌بینی‌شده زیر حوضه­ی شماره­ (3) نسبت به دو زیرحوضه­ی دیگر بیشتر می‌باشد. تحت سناریو B1 حجم رواناب بیشتر از سناریو A2 برای تمامی زیرحوضه­‌ها شد، همچنین با توجه به شکل (6) میزان کاهش بارش تحت سناریو A2 نبت به سناریو برای دوره آتی بیشتر خواهد بـود که یکی از دلایل کاهـش بیشتر حجم رواناب تحت سناریو­ A2است. بررسـی‌های حاصـله از جدول شماره­ی (5) برای هر سه زیر حوضه حاصل از تاثیر تغییر اقلیم بر رواناب نشان داد، حجم رواناب برای هر سه زیرحوضه تحت سناریو A2 کاهش و تحت سناریو B1برای زیرحوضه­ی 1 و 2 کاهش و برای زیرحوضه­ی 3 افزایش خواهد یافت. کاهش رواناب در زیرحوضه­ی 1و2 بیانگر کاهش رواناب در سر شاخه­های حوضه­ی آبخیز همدان-بهار می‌باشد که همان‌طور قبلاً بیان شد علاوه بر کاهش بارش بهاره، با افزایش دما در فصل زمستان و پاییز، کاهش بارش به صورت برف در منطقه رخ خواهد داد و به دنبال آن رواناب بهاره کاهش می‌یابد. این موضوع نیز می‌تواند یکی از دلایل کاهش رواناب در دو زیرحوضه واقع در سرشاخه­ی حوضه باشد. در مجموع رواناب ورودی به دشت تحت سناریو A2، 36 درصد کاهش و B1، 8 درصد افزایش خواهد یافت، بنابراین تغییر اقلیم، تغییرات سیستم منابع آب حوضه را تحت تأثیر قرار خواهد داد.

 

 

 

شکل (7) پیش­بینی اثر تغییر متغیرهایدما و بارش بر روی رواناب

جدول (5) متوسط حجم رواناب برای سناریوهای مختلف نسبت به دوره­ی پایه

ایستگاه مطالعاتی

میانگین روانابدر دوره پایه  ( میلیون متر مکعب در سال)

میانگین روانابدر دوره آتی تحت سناریو B1

میانگین روانابدر دوره آتی تحت سناریو سناریو A2

بهادربیگ (زیرحوضه 1)

3/2

59/1

48/1

قره آقاچ (زیرحوضه 2)

1/4

9/3

3/2

کوشک­آباد (زیرحوضه 3)

3/27

75/28

59/16

نتیجه­گیری

مطالعات زیادی در سراسر جهان، تغییر رواناب بسیاری از رودخانه‌ها را در مقیاس‌های زمانی مختلف با توجه به تغییرات آب و هوایی گزارش داده­اند. تغییرات در رواناب آتی به چالش‌های فوری برای برنامه‌ریزی و مدیریت منابع آب تبدیل شده است. نتایج مطالعه­ی حاضر ضمن تأیید کارایی مدل LARS-WG، نشان داد که در شرایط اقلیمی آینده برای دوره­ی زمانی2014-2043 دما و بارندگی نسبت به دوره­­ی مشاهداتی (2003- 2014) به ترتیب افزایش و کاهش خواهد یافت. همچنین مدل هیدرولوژیکی  WETSPASSبرای اولین بار در ایران برای حوضه­ی آبخیز مورد مطالعه تست شد. نتایج حاصل از دوره­ی واسنجی و اعتبارسنجی بیانگر مقبولیت مدل در شبیه‌سازی رواناب سطحی زیرحوضه­ی آبخیز مورد مطالعه بود. با ورود خروجی مدل اقلیمی  HadCM3 به مدل  WETSPASSبه این نتیجه رسیده شد که رواناب در دوره آتی نسبت به دوره مشاهداتی برای سه زیر حوضه­ی مورد مطالعه تحت سناریو A2 کاهش و تحت سناریو  B1 برای زیرحوضه­ی شماره­ی 1 و 2 نسبت به دوره­ی پایه کاهش و برای زیرحوضه­ی شماره­ی 3 افزایش خواهد یافت و نشان از  تأثیر تغییر اقلیم بر رواناب حوضه در دوره­ی آتی خواهد بود که با نتایج مطالعه سهرابیان و همکاران (۱۳۹۴)، بختیاری و همکاران (۱۳۹۲) عباسپور و همکاران (۲۰۰۷) و ژیانگ و همکاران (۲۰۱۵) همخوانی دارد. نکته مهم در این بررسی و نتایج حاصله از مقایسه­ی بارش و دمای حداقل و حداکثر در دوره­ی پایه و دوره­ی آتی بر هم خوردن توزیع زمانی بارش و افزایش دما است که این موضوع و تبعات ناشی از آن مهم­تر از کاهش بارش است، چرا که آثار منفی آن قابل توجه خواهد بود. در این تحقیق، در مدل هیدرولوژیکی مورد استفاده فقط پارامتر بارش و دما تغییر داده شد و پارامتر مربوط به کاربری و پوشش زمین و درصد مناطق نفوذناپذیر ثابت در نظر گرفته شد، بنابراین ممکن است به علت افزایش مناطق نفوذناپذیر و صنعتی و کاهش پوشش گیاهی مقدار رواناب افزایش یابد. در نتیجه نتایج این تحقیق تنها با اتکا به نتایج تغییر اقلیم است. بنابراین توصیه می­شود در مطالعات بعدی نقش سناریوهای تغییر کاربری نیز در نظر گرفته شود. همچنین با توجه به اینکه مدل برای اولین بار در ایران تست شده است توصیه می­شود در سایر نقاط ایران تست شود.



[1]- Vinnikov et al.,

[2]- Li et al.,

[3]- Osman et al.,

[4]- Mango et al.,

[5]- Katherine et al.,

[6]- Jiang et al.,

[7]- Water and Energy Transfer between Soil, Plants and the Atmosphere under quasi-Steady State

[8]- Batelaan & Smedt

[9]- Batelaan & Woldeamlak

[10]- Wang et al.,

[11]- Coefficient of correlation

[12]- Root Mean Square Error

[13]- Mean Square Error

[14]- Abbaspour et al.,

بختاری، بهرام؛ صاحبی، حمیده و کوروش قادری (1392)، کاربرد مدل WEAP و بررسی اثر تغییر اقلیم بر سیستم­های برداشت آب حوضه­ی آبریز گرگانرود، پنجمین کنفرانس مدیریت منابع آب ایران، تهران، ایران.
ـ سهرابیان، الهه؛ مفتاح­هلقی، مهدی؛ قربانی، خلیل؛ گلیان، سعید؛ و مهدی ذاکری­نیا (1394)، بررسیتأثیرتغییراقلیمبرآبدهیحوضهبادخالتمدل هیدرولوژی (مطالعه­یموردی:حوضه­ی­یگالیکشدراستانگلستان)، نشریه­ی پژوهش­های حفاظت آب و خاک، جلد22، شماره­ی 2، صص111-125.
ـ کریمی کاخکی، مصطفی و  علی سپهری (1389)، روندهای تغییر اقلیم طی دو دوره در همدان و تبریز، مجله­ی دانش آب و خاک، جلد 1، شماره­ی 4، صص143-155.
-Abbaspour, K.C.; Yang, J.; Maximov, I.; Siber, R.; Bogner, K.; Mieleitner, J.; Zobrist, J. & Srinivasan, R., (2007), Modelling Hydrology and Water Quality in the Pre-alpine/alpine Thur Watershed Using SWAT‚ Journal of Hydrology, Vol  .333, PP. 413-430.
-Batelaan, O. Smedt, F.D. )2007), GIS-based Recharge Estimation by Coupling Surface-subsurface Water Balances, Journal of Hydrology, Vol. 337, PP. 337-355.
-Batelaan, O. & Woldeamlak, S.T., (2007), Arcview Interface for Wet Spass, (2007), Version 13-06-2007, Vrije University Brussels Department of Hydrology and Hydraulic Engineering, the Netherlands, P. 75.
-Hall, D.K.; Rigges, G.; Salomonson, v.v.; Digirolamo, N.E. & Bayr, J., (2002), MODIS Snow­-cover Products, Remote Sensing of Environment, Vol. 83, PP. 181-194.
-Jiang, C.; Xiong, L.; Wang, Di.; Liu ,P.; Guo,Sh.&Xu,C., (2015), Separating the Impacts of Climate Change and Human Activities on RunoffUsing the Budyko-type Equations with Time-varying Parameters, Journal of Hydrology, Vol. 522, PP. 326-338.          
-Vinnikov, K.Y.; Grody, N.C.; Robock, A.; Stouffer, R.J.; Jones, P.D. &  Goldberg, M.D., (2006), TemperatureRends at the Surface and in the Troposphere, Journal of Geophysic Research, Vol. 111, PP. 103-116.
-Katherine, J.; Chasea,A.E.; Hajb, R.; Steven, R. & Roland, J.V., (2016), Potential Effects of Climate Change on Streamflow for Sevenwatersheds in Eastern and Central Montana, Journal of Hydrology, Vol. 7, PP. 69-81.
-Li, F.P.; Zhang, G.X. & Dong, L.Q., (2013), Studies for Impact of Climate Change on Hydrology and Waterresources, Science Geographical, Vol. 4, PP. 457-464.
-Mango, L.M.; Melesse, A.M.; McClain, M.E.; Gann, D. & Setegn, S.G., (2011), Land Use andClimate Change Impacts on the Hydrology of the Upper Mara River Basin, Kenya:Results of a modeling Study to Support Better Resource Managemen, Hydrological Earth System Science, Vol. 15, PP. 2245-2258.
-Osman, Y.; Al-Ansari, N.; Abdellatif, M.; Sadeq, A. Sven, K., (2014), Expected Future Precipitation in Central Iraq Using LARS-WG Stochastic Weather Generator, Engineering, Vol. 6, PP. 948-959.
-Rubin, J., (1966), Theory of Rainfall Uptake by Soils Initially Drier than Their Field Capacity and Its Applications, Water Resources Research, Vol. 2, PP. 739-749.
-Smedema, L.K. & Rycroft, D.W. (1988), Land Drainage, B.T. BatsfordLtd, London, PP. 376.
-Wang, Y.; Lei, X.; Liao,W.; Jiang, Y.; Huang, X.; Liu,J.; Song ,X. & Wang, H. (2012), Monthly Spatial Distributed Water Resources Assessment, Computers & Geosciences, Vol. 45, PP. 319-330.