در طول دو دهه گذشته حدود سه میلیارد نفر تحت تاثیر بلایای طبیعی مرتبط با آب مانند خشکسالی و سیل قرار گرفته اند. انتظار می‌رود تغییرات اقلیمی فراوانی این خطرات آبی را افزایش دهد و برخی پیش‌بینی‌کنندگان تخمین می‌زنند که در 30 سال آینده تنها در ایالات متحده بیش از 3.7 تریلیون دلار خسارت ناشی از آب وارد شود. فراتر از آسیب رساندن به خانه‌ها و زیرساخت‌ها، طلسم‌های شدید مرطوب و خشک نیز محصولات کشاورزی را ویران می‌کند و مخازن آب را خالی می‌کند.

یکی از حوزه‌های مورد علاقه محققان، فراوانی خشکسالی مرکب و سیلاب‌های شدید (ناشی از بارندگی سریع، شدید یا بارندگی پایدار فراتر از حد معمول) است، که زمانی است که هر دو به‌طور متوالی در یک منطقه در عرض یک سال از یکدیگر رخ می‌دهند. از نظر تاریخی، این سطح از تصادف کمتر مورد بررسی قرار گرفته است.

جالب توجه مشابه زمانی است که برعکس اتفاق می افتد: بارندگی شدید به دنبال خشکسالی هواشناسی. خشکسالی هواشناسی زمانی است که الگوهای آب و هوای خشک غالب می شود، که در نهایت می تواند باعث خشکسالی هیدرولوژیکی شود که منجر به خشکی نهرها و پایین آمدن سطح مخازن شود، مانند آنچه در دریاچه مید در سال 2022 اتفاق افتاد.

یک مطالعه جدید که توسط محققان دانشگاه آرکانزاس و همچنین همکارانش در چین انجام شده است، اکنون یک بررسی جهانی از نوسانات خشکسالی – یا تمایل به تغییر از یک افراط به دیگری (از خشک به مرطوب یا مرطوب به خشک) در مدت زمان کوتاهی.

Yichan Li، دکترای کاندیدای U of A، اولین نویسنده از چهار نویسنده در مقاله “عدم قطعیت مشاهده ای برای نوسانات خشکسالی-پلویال جهانی” بود که در تحقیقات منابع آب منتشر شد ، در حالی که لینین چنگ، استادیار علوم زمین، نویسنده دوم بود.

این مطالعه به انتقال شدید خشک به مرطوب و مرطوب به خشک در طول هفت دهه گذشته از طریق تجزیه و تحلیل تصادفی رویداد می پردازد، روشی برای تعیین کمیت تعداد رویدادهای شدید متوالی که همچنین پاسخ های آنی یا تاخیری را در یک دوره نامشخص بین آنها در نظر می گیرد. . این مطالعه از سه مجموعه داده های آب و هوایی پرکاربرد برای ارائه شواهدی مبنی بر افزایش نوسانات خشکسالی در مقیاس های زمانی کمتر از یک سال استفاده کرد.

این تیم همچنین دقت این مجموعه داده ها را ارزیابی کرد و نقاط قوت و ضعف متفاوتی را به دلیل عدم قطعیت های مشاهده ای در جمع آوری داده ها یافت. به عنوان مثال، دور بودن یک منطقه ممکن است در جمع آوری داده های دقیق نقش داشته باشد.

به طور متوسط ​​در مقیاس جهانی، این تیم دریافت که 15.46 درصد از خشکسالی های هواشناسی توسط یک پدیده خشکسالی در فصل بعد اتفاق افتاده است. درصد انتقال مرطوب به خشک به طور قابل ملاحظه ای مشابه بود: 15.49%. با این حال، هنگام نگاه کردن به مناطق خاص، تفاوت های برجسته ای وجود دارد.

در این راستا، این مطالعه تصویر نقشه ای را ارائه می دهد که نشان می دهد چگونه حوادث این دو پدیده در سطح جهانی توزیع شده اند. به طور کلی، الگوی فضایی نرخ‌های تصادفی شدید رویدادهای خشک به مرطوب و مرطوب به خشک تا حد زیادی در بین سه مجموعه داده مطابقت دارد، اگرچه تنوع منطقه‌ای برجسته وجود دارد.

به عنوان مثال، در اوراسیا از اواسط قرن بیستم، احتمال انتقال خشکسالی های هواشناسی به آب و هوای نسبتاً کمی وجود دارد، اما شانس بیشتری برای سناریوی مخالف، تغییر سریع از رویدادهای مرطوب به خشک وجود دارد. الگوی مشابهی در غرب آمریکای شمالی نیز وجود دارد که به طور متوسط ​​شاهد انتقال شدید مرطوب به خشک با فرکانس بیش از 17 درصد است. برعکس، آسیای جنوبی و استرالیا بیشتر مستعد انتقال فوری از خشکسالی های هواشناسی به آبشارها هستند.

نویسندگان خاطرنشان کردند: «یافته‌های ما نشان می‌دهد که تفاوت‌های مرتبط با نوسانات خشکسالی در بین مشاهدات در نظر گرفته شده در بسیاری از مناطق بزرگ‌تر از رویدادهای منفرد آنها (خشکسالی یا آبریزش به تنهایی) است، که نیاز به استفاده از داده‌های مبتنی بر مشاهدات مستقل متعدد را برجسته می‌کند. هنگام مطالعه چنین رویدادهای شدید ترکیبی، آزمایشات قوی تری را انجام می دهد.”

در نهایت، نویسندگان بر نیاز به استفاده از چندین مجموعه داده مبتنی بر مشاهدات مستقل در هنگام تجزیه و تحلیل رویدادهای شدید و ترکیبی خشک به مرطوب تأکید می‌کنند. این دستورالعمل‌های واضح‌تری برای تصمیم‌گیری مرتبط با آب و هوا، به‌ویژه برنامه‌ریزی منابع آب، و همچنین اطمینان از دقت بهتر هنگام مدل‌سازی رویدادهای آب‌وهوای آینده ارائه می‌دهد.

نویسندگان دیگر در این مقاله شامل چییون میائو، با دانشگاه عادی پکن و ژیونگ لیو، با دانشگاه سان یات سن بودند.

لیتوسفر اقیانوسی، که لایه بالایی شامل پوسته زمین و گوشته زیر اقیانوس ها را تشکیل می دهد، به دلیل رفتار عجیبش مدت هاست که دانشمندان را مجذوب خود کرده است. به نظر می‌رسد این لایه روی ناحیه ضعیف‌تری به نام استنوسفر می‌لغزد که با تضعیف لرزه‌ای بالا و سرعت موج برشی کم مشخص می‌شود. استنوسفر دارای خواص فیزیکی متفاوتی از جمله ویسکوزیته کمتر نسبت به لیتوسفر است که در نتیجه یک مرز تیز به نام مرز لیتوسفر-آستنوسفر (LAB) ایجاد می شود. دلایل دقیق این ویژگی‌های متمایز و اینکه چگونه لیتوسفر را قادر می‌سازد بر روی استنوسفر حرکت کند، به‌وضوح درک نشده است.

در حالی که ذوب جزئی که در نزدیکی پشته‌های میانی اقیانوس به دلیل دماهای بالا رخ می‌دهد می‌تواند چنین شرایط غیرعادی ایجاد کند، افت شدید و بزرگ در سرعت امواج لرزه‌ای مشاهده‌شده در LAB دور از پشته‌های میانی اقیانوس را در نظر نمی‌گیرد. درک منشأ این افت سرعت موج لرزه‌ای و تضعیف آن در LAB اقیانوسی برای رمزگشایی ویسکوزیته پایین استنوسفر و چگونگی تسهیل حرکت صفحات تکتونیکی بر روی سطح زمین و ایجاد فرآیندهای کوه‌سازی، زلزله و آتشفشان‌ها بسیار مهم است.

در همین راستا، تیمی از محققان ژاپنی به سرپرستی پروفسور تاکاشی یوشینو از مؤسسه مواد سیاره‌ای در دانشگاه اوکایاما، اخیراً تأثیر آب را بر خواص لرزه‌ای سنگ‌های الیوین بدون تیتانیوم، مشابه آنچه در استنوسفر مطالعه آنها در جلد 120، شماره 32 مجله Proceedings of the National Academy of Sciences در 31 ژوئیه 2023 منتشر شد.

پروفسور یوشینو توضیح می دهد: “ما به طور تجربی ویژگی های تضعیف امواج لرزه ای، پارامترهایی برای تعیین نرمی لیتوسفر و استنوسفر، تحت دما و فشار بالا را با استفاده از فناوری تولید نوسانات دوره کوتاه خود تعیین کردیم.”

این تیم خواص ضد الاستیک سنگ‌های الیوین را تحت شرایطی که شبیه LAB در زیر کف اقیانوس قدیمی بود مورد مطالعه قرار دادند – فشار 3 گیگا پاسکال و دمایی در محدوده 1223 تا 1373 کلوین. آزمایش با ایجاد ارتعاشات اجباری در طیف گسترده ای از فرکانس های لرزه ای – 0.5 تا 1000 ثانیه – از طریق فناوری منحصر به فرد نوسان دوره کوتاه آنها.

آزمایش‌ها نشان داد که آب تأثیر قابل‌توجهی دارد و باعث افزایش پراکندگی انرژی و کاهش مدول الاستیک سنگ‌ها در طیف وسیعی از فرکانس‌ها می‌شود. علاوه بر این، محققان یک اوج تضعیف لرزه ای را در فرکانس های بالاتر از 1 تا 5 ثانیه مشاهده کردند که با افزایش محتوای آب آشکارتر شد. پروفسور یوشینو می گوید: “وجود آب باعث تضعیف در فرکانس های بالاتر می شود و منجر به کاهش سرعت امواج لرزه ای می شود. وجود آب همچنین باعث تضعیف استنوسفر می شود که به لیتوسفر اجازه می دهد تا به آرامی روی آن حرکت کند.”

این مشاهدات نشان می دهد که استنوسفر اقیانوسی باید حاوی آب باشد. این تفاوت در محتوای آب بین دو لایه تشکیل دهنده LAB می تواند افت سرعت تیز و همچنین تضعیف تقریبا ثابت مشاهده شده در یک محدوده فرکانس وسیع در استنوسفر را توضیح دهد.

شایان ذکر است، محققان اذعان می‌کنند که نتیجه‌گیری آنها تأثیر ناچیزی آهن بر نقص‌های مربوط به هیدروژن در سنگ‌ها را فرض می‌کند، که نشان‌دهنده نیاز به تحقیقات بیشتر برای کشف خواص ضد الاستیک سنگ‌های الیوین حاوی آهن است.

پروفسور یوشینو پیامدهای دراز مدت یافته های خود را برجسته می کند. او می‌گوید: «حضور آب در استنوسفر می‌تواند بینش‌های مهمی در مورد فعالیت‌های آتشفشانی و لرزه‌ای ارائه کند، بنابراین پیش‌بینی و تشخیص آن‌ها را تسهیل می‌کند».

به طور کلی، این مطالعه به درک ما از حرکت صفحات تکتونیکی کمک می کند و راه را برای درک بهتر فعالیت های زمین ساختی مختلف هموار می کند.

غنای گونه ای و ویژگی های آب های جاری در سراسر جهان چگونه به هم مرتبط هستند؟ این سوال توسط تیمی به سرپرستی سامی دومیش در موسسه Leibniz-Für Gewässerökologie und Binnenfischerei (IGB) در آلمان مطرح شده است.

برای کمک به پاسخ به این سوال، محققان نقشه‌ای با بالاترین وضوح از سیستم‌های رودخانه‌ای جهان که تاکنون تولید شده است، تهیه کرده‌اند. این نقشه مبنایی را برای تجزیه و تحلیل دقیق از ویژگی‌های زیستگاه‌های رودخانه‌ای و نحوه ارتباط آنها فراهم می‌کند.

رودخانه‌ها راه نجات تمام خشکی‌های روی زمین هستند. این همچنین در نقشه ای که سامی دومیش با همکاری سایر محققان از IGB و دانشگاه ییل تهیه کرده است قابل مشاهده است: شبکه ای با شاخه های ظریف از بخش های بالقوه رودخانه در تمام قاره ها امتداد دارد. این نقشه بر اساس مجموعه داده های “Hydrography90m” است که محققان دو سال و نیم صرف ساخت آن بر روی یک ابر رایانه در دانشگاه ایالات متحده کردند.

نقشه برداری دقیق

البته این نقشه در نوع خود اولین نیست. رودخانه ها و توزیع آنها در سراسر جهان در حال حاضر در مدل های متعدد نشان داده شده است. همه این نقشه ها بر اساس داده های ماهواره ای از نقش برجسته های توپوگرافی است: هر جا شکاف هایی در چشم انداز با ویژگی های خاص وجود داشته باشد، به طور بالقوه یک جریان آب نیز وجود خواهد داشت. و با این حال، هیچ مجموعه داده دیگری به اندازه Hydrography90m دقیق نیست.

سامی دومیش گفت: “ما یک مدل ارتفاعی با وضوح بالا از زمین گرفتیم و از نرم افزار منبع باز برای استخراج شبکه رودخانه از آن استفاده کردیم. برخلاف سایر مجموعه های داده قبلی، Hydrography90m همچنین بازوهای کوتاه و بسیار کوتاه آب های جاری را نقشه برداری می کند.” سطح دقت در نام است: کوتاه ترین واحد 90 متر طول دارد. از آنجایی که رودخانه های کوچک بیشترین سهم شبکه رودخانه های جهانی را به خود اختصاص می دهند (حدود 70%)، نقش مهمی در تنوع زیستی رودخانه ایفا می کنند.

مدل سازی دبی رودخانه ها

مجموعه داده ها در مجموع 726 میلیون بخش رودخانه بالقوه را شامل می شود. اصطلاح «پتانسیل» در این زمینه بسیار مهم است: سامی دومیش گفت: «در ابتدا، ما نمی‌دانیم رودخانه‌ها واقعاً کجا جریان دارند. دانشمند و تیمش در حال حاضر در حال مدل‌سازی دبی‌ها برای شناسایی رودخانه‌هایی هستند که در واقع آب را حمل می‌کنند – چه در طول سال یا به صورت متناوب.

برای انجام این کار، آنها از داده‌های 30000 ایستگاه سنجش در سراسر جهان استفاده می‌کنند که در آن‌ها مقادیری آب در بخش‌های تعریف‌شده رودخانه برای سال‌ها جمع‌آوری شده است. علاوه بر این، محققان به داده های جامع در مورد طیف گسترده ای از پارامترهای محیطی مانند بارش، دما، کاربری زمین، ویژگی های خاک و شیب دسترسی دارند. در مدل، این پارامترها مربوط به مقادیر آب اندازه گیری شده در هر مورد است.

جوزپه آماتولی، نویسنده اصلی این مطالعه، گفت: “در این رابطه، ما با یادگیری ماشین کار می کنیم. این بدان معناست که با هر مجموعه داده جدید، مدل ما در تشخیص اینکه کدام متغیرهای پارامتر مربوط به حجم آب است، بهتر و بهتر می شود.” اگر مدل کار کند، می‌توان آن را در تمام بخش‌های رودخانه در سراسر جهان اعمال کرد، حتی اگر ایستگاه سنجش نداشته باشند: در این حالت، مدل دبی احتمالی، یعنی مقدار آب رودخانه برای کل منطقه را از روی پارامترهای محیطی موجود محاسبه می‌کند.

اعتبارسنجی مدل

برای اعتبارسنجی مدل، محققان ابتدا آن را با 70 درصد از مجموعه داده‌های کمیت آب موجود تغذیه می‌کنند. پس از آموزش به این روش، مدل وظیفه تعیین مقادیر مناسب آب از پارامترهای محیطی 30 درصد باقیمانده را دارد. اگر این مقادیر به اندازه کافی با مقادیر اندازه گیری شده واقعی مطابقت داشته باشند، مدل به درستی عمل می کند – در غیر این صورت، مدل می تواند بهبود یابد.

با این حال، انحرافات سیستماتیک مدل همچنین می تواند به این معنی باشد که پارامترهای خاصی وجود دارد – که محققان هیچ داده ای برای آنها ندارند – که نقش مهمی دارند، یکی برداشت آب توسط انسان است. سپس مدل تطبیقی ​​می‌تواند برای تعیین دبی تمام بخش‌های رودخانه در سراسر جهان استفاده شود.

سامی دومیش گفت: «به‌ویژه در مناطق خشک، این احتمال وجود دارد که رودخانه‌های حاوی آب به میزان قابل توجهی کمتر از آنچه مجموعه داده‌های ما نشان می‌دهد وجود داشته باشد. این فرض همچنین توسط یک مطالعه انجام شده توسط نویسندگانی که از مجموعه داده‌های HydroRIVERS با جزئیات کمتر استفاده کردند، پشتیبانی می‌شود. آنها تخمین زدند که تنها حدود 60 درصد از رودخانه های جهان به طور متناوب یا در طول سال آب را حمل می کنند.

این مدل به سوالات کلیدی پاسخ می دهد: رودخانه هایی که به طور دائم یا موقت آب را حمل می کنند چقدر طول می کشند؟ کجا تراکم جریان زیاد یا کم وجود دارد؟ و این چه تاثیری بر تنوع زیستی دارد؟ همچنین می توان در مورد سؤالاتی از این قبیل اظهارات مفصل داد زیرا Hydrography90m حوضه های آبریز بخش های رودخانه را در مقیاس بسیار کوچک ثبت می کند.

از آنجایی که داده های زیست محیطی در حال حاضر برای هر یک از این حوضه های 5 هکتاری موجود است، این داده ها می توانند برای توصیف وجود جوامع گونه ای استفاده شوند، به عنوان مثال، کدام داده های آب و هوایی یا شیب ها با آن جوامع مرتبط است. به عنوان مثال، مناطق مختلف جهان دارای آب و هوای مدیترانه ای هستند – نه تنها حوزه مدیترانه، بلکه برخی از بخش های ساحل غربی ایالات متحده نیز.

فقط شروع

تجزیه و تحلیل ترکیب گونه‌ها در آنجا محققان را قادر می‌سازد تا در مورد جغرافیای زیستی این زیستگاه‌ها نتیجه‌گیری کنند، یعنی اینکه کدام یک از اثرات زیست‌محیطی به وجود گونه‌های خاص کمک می‌کند. و این تازه شروع آن است:

سامی دومیش می‌گوید: «وقتی بدانیم چقدر آب در کجا جریان دارد، می‌توانیم تجزیه و تحلیل دقیقی از زیستگاه‌های رودخانه‌ای در سراسر جهان انجام دهیم، تا کوچک‌ترین بازوی رودخانه». حتی در نقاطی از جهان که عملاً برای انسان غیرقابل دسترس است.

تحقیقات خلاصه شده در اینجا در Earth System Science Data منتشر شده است