Observation par satellite de l'évolution du CO2 atmosphérique et du stockage de l'eau au-dessus de l'Iran

Dec 09, 2023

Rapports scientifiques volume 13, Numéro d'article : 3036 (2023) Citer cet article

1221 accès

1 Altmétrique

Détails des métriques

Comme de nombreux autres pays du Moyen-Orient, l'Iran a souffert de graves pénuries d'eau au cours des deux dernières décennies, comme en témoigne la baisse significative des niveaux des eaux de surface et des eaux souterraines. Les changements observés dans le stockage de l'eau peuvent être attribués aux effets se renforçant mutuellement des activités humaines, de la variabilité climatique et, bien sûr, du changement climatique. L'objectif de cette étude est d'analyser la dépendance de l'augmentation du CO2 atmosphérique à la pénurie d'eau en Iran, pour laquelle nous étudions la relation spatiale entre le changement de stockage de l'eau et la concentration de CO2 à l'aide de données satellitaires à grande échelle. Nous effectuons notre analyse en utilisant les données de changement de stockage d'eau du satellite GRACE et la concentration atmosphérique de CO2 des satellites GOSAT et SCIAMACHY au cours de la période 2002-2015. Pour analyser le comportement à long terme des séries chronologiques, nous bénéficions du test de Mann-Kendal et pour l'étude de la relation entre la concentration de CO2 atmosphérique et le stockage total de l'eau, nous utilisons l'analyse de corrélation canonique (CCA) et le modèle de régression. Nos résultats montrent que l'anomalie de changement de stockage de l'eau et la concentration de CO2 sont négativement corrélées, en particulier dans le nord, l'ouest, le sud-ouest (province du Khuzestan) et également le sud-est (provinces de Kerman, Hormozgan, Sistan et Baluchestan) de l'Iran. Les résultats de l'ACC révèlent que dans la plupart des régions du Nord, la diminution du stockage de l'eau est significativement influencée par l'augmentation de la concentration de CO2. Les résultats montrent en outre que les précipitations dans les hautes terres et les pics ne semblent pas être influencés par la variation à long et à court terme de la concentration de CO2. Par ailleurs, nos résultats montrent que la concentration en CO2 est légèrement corrélée à une faible tendance positive de l'évapotranspiration sur les surfaces agricoles. Ainsi, l'effet indirect du CO2 sur l'augmentation de l'évapotranspiration est observé spatialement dans l'ensemble de l'Iran. Les résultats du modèle de régression entre la variation totale du stockage d'eau et le dioxyde de carbone (R2 = 0,91)/le rejet d'eau/la consommation d'eau montrent que le dioxyde de carbone a l'effet le plus élevé sur la variation totale du stockage d'eau à grande échelle. Les résultats de cette étude contribueront à la fois à la gestion des ressources en eau et aux plans d'atténuation pour atteindre l'objectif de réduction des émissions de CO2.

La température moyenne de la Terre (15 degrés Celsius) augmente depuis la révolution industrielle. La NASA a signalé une augmentation moyenne des températures de surface mondiales de 0,9 °C entre 1880 et 2015 (NASA'S Goddard Institute). Le dioxyde de carbone (CO2) est identifié comme le gaz à effet de serre le plus important dans l'atmosphère1 et sa concentration dans la troposphère est passée d'environ 277 ppm en 1750 à 408,12 ppm en 20192,3). La réduction des émissions de dioxyde de carbone (CO2) de 20 % est l'un des objectifs dits 20/20/20, dans le cadre de l'Accord de Paris, avec l'objectif à long terme de maintenir l'augmentation de la température moyenne mondiale bien en dessous de 2 °C. au-dessus des niveaux préindustriels. Les cycles de l'eau et du carbone sont reconnus comme des composantes de la vie sur Terre et jouent un rôle important dans le changement climatique et la sécurité hydrique/alimentaire4. L'échange de CO2 entre différents écosystèmes et l'atmosphère a un rôle important dans la température terrestre et les changements des caractéristiques climatiques ont un effet sur le cycle hydrologique5. À mesure que les concentrations atmosphériques de CO2 augmentent, le climat et le cycle hydrologique changent et leurs conséquences sur la température, la couverture nuageuse, l'évapotranspiration, la formation du ruissellement et l'intensité et la distribution des précipitations sont observées dans les écosystèmes naturels4,5.

Le climat du Moyen-Orient est aride et chaud. La rareté de l'eau a été identifiée comme le plus grand défi, en particulier depuis le début de la sécheresse en 2007. D'après les statistiques de la Banque mondiale en 2007, environ 50 % des pays du Moyen-Orient consomment en moyenne plus d'eau qu'ils n'en reçoivent sous forme de précipitations, et 85 % des eaux de surface et souterraines totales ont été consommées dans le secteur agricole. Le phénomène de désertification se produit au Moyen-Orient, notamment en Syrie, en Iran, en Jordanie et en Irak. Les ressources en eau de l'Iran sont soumises à de fortes pressions en raison de la croissance démographique, des changements d'affectation des terres tels que l'urbanisation, l'expansion agricole et leurs conséquences connexes au cours des dernières décennies6. L'effet indirect de l'augmentation de la population (~ 83 millions en 2019) sur les ressources en eau a été une augmentation de la demande de terres cultivées et le développement des terres irriguées tandis que son effet direct a entraîné une nécessité accrue d'eau douce dans les zones urbaines et rurales7. Sarraf et al.8 ont déclaré que le stockage total de l'eau sur l'Iran a diminué de plus de 65 % depuis 1960, et une réduction de 16 % s'attend à 2025. La surexploitation des ressources en eau (de surface et souterraines) et le taux élevé de l'irrigation dans certaines provinces sont les principales causes de défi pour la préservation future des bassins d'eau souterraine dans la plupart des régions de l'Iran9, Mohammadi Ghaleni & Ebrahimi10). Il convient de mentionner qu'environ 50 % du volume d'eau d'irrigation provient de sources de surface telles que les lacs et les rivières et les 50 % restants proviennent des eaux souterraines7. Au cours des trois dernières décennies, une surexploitation des ressources en eaux souterraines a provoqué une baisse du niveau d'eau dans la majorité des bassins en Iran9. En outre, certaines activités telles que les activités industrielles et agricoles ont provoqué une grave diminution de la qualité des eaux souterraines dans la plupart des régions de l'Iran11. Dans l'intervalle, les phénomènes d'évaporation pourraient augmenter la salinité du sol des terres cultivées et des eaux de surface, généralement dans les rivières et les lacs naturels.

L'étude de la relation bilatérale entre l'amplitude du CO2 atmosphérique et le cycle de l'eau est un sujet intéressant en sciences de l'environnement et du changement climatique. Dans cette recherche, pour la première fois, nous essayons d'utiliser les progrès de la technologie de télédétection pour étudier la relation entre le CO2 atmosphérique et le stockage des eaux intérieures à l'échelle régionale. Parmi eux, les capteurs géodésiques spatiaux, prévus à des fins diverses, se sont imposés comme un instrument utile pour les applications océanographiques, cryosphériques, mais aussi hydrologiques. Par exemple, l'altimétrie radar par satellite, conçue à l'origine pour des applications en océanographie et en géodésie, a indiqué son potentiel comme jauges virtuelles de lacs et de rivières12, Papa et al.13 ; Réfs.14,15,16. Le lancement de Gravity Recovery and Climate Experiment (GRACE) en 200217 a permis de récupérer le champ de gravité variable dans le temps à l'échelle du bassin versant à l'aide d'un suivi satellite à satellite (llSST). Les données de GRACE ont fourni une estimation directe des variations mensuelles du champ de gravité grâce au calcul du mouvement relatif du centre de masse des satellites jumeaux avec une liaison hyperfréquence inter-satellites en bande K très précise. GRACE est une mission spéciale parmi tous les autres capteurs spatiaux car elle nous permet d'étudier le stockage de l'eau continentale sur de courtes échelles de temps18. De nombreux types de recherche ont été consacrés à l'utilisation des données GRACE pour l'analyse du changement de hauteur d'eau équivalente (EWH)19,17, Forotan et al.20, Ref.21,22,23. La présence d'une telle mission satellitaire a motivé cette étude pour comprendre la relation entre les changements totaux de stockage d'eau, tels que vus par GRACE, et la concentration de CO2 telle qu'elle est également mesurée depuis l'espace.

La surveillance des gaz à effet de serre à l'aide de technologies de télédétection a débuté en 2002 par SCIAMACHY à bord d'ENVISAT et se poursuit par GOSAT, OCO-2 et Tansat24, Schneising et al.25, Réf.26,27. Par exemple, Shim et al.28 ont utilisé les données du satellite GOSAT dans leur zone d'étude pour étudier les émissions de gaz à effet de serre en Asie de l'Est entre avril 2009 et 2011. Ils ont montré que la concentration la plus élevée de dioxyde de carbone en avril est que les plantes n'ont pas encore démarré. grandir. Le montant le plus bas est en juillet et août lorsque l'intensité photosynthétique atteint son niveau le plus élevé. Jing et al.29 ont préparé une cartographie de la distribution mondiale du dioxyde de carbone en septembre 2012 en utilisant la méthode d'interpolation conventionnelle de Krigeage et l'utilisation combinée des données satellitaires GOSAT et SCIAMACHY. Sun et al.30 ont utilisé les données spatiales sur le dioxyde de carbone des satellites GOSAT (juillet 2009 à avril 2014) et ENVISAT ainsi que les émissions moyennes mensuelles de dioxyde de carbone atmosphérique de Loa Manua et MEI. Les objectifs de leur étude étaient de déterminer la relation entre la concentration atmosphérique de CO2 et l'ENSO et également d'étudier les variations de la distribution spatiale de la concentration de CO2 en Amérique du Sud au cours des différentes phases de l'ENSO. Ils ont montré que le taux de croissance mensuel moyen du dioxyde de carbone est positivement corrélé avec le MEI. Mousavi et al.31 ont utilisé des capteurs thermiques dans le proche infrarouge pour les observations par spectroscopie de carbone de Fourier (TANSO-FTS) à partir de données GOSAT de niveau 2 et de paramètres météorologiques pour estimer les variations de CO2 de 2009 à 2015. Ils ont exprimé que les variations de CO2 dépendent fortement du mois. , avec les concentrations de CO2 les plus élevées en avril et mai et les concentrations les plus faibles en août et septembre. La corrélation entre XCO2 et la température moyenne mensuelle de l'air s'est également avérée négative, indiquant que la diminution de XCO2 avec l'augmentation de la température dépend du processus photosynthétique par la végétation pendant la saison chaude. Falahatkar et al.32 ont étudié la relation entre le XCO2, l'indice de végétation par différence normalisée et certaines variables météorologiques telles que la température de l'air, l'humidité et les précipitations à l'échelle nationale. Leurs découvertes ont montré que les valeurs les plus élevées et les plus basses de la concentration de dioxyde de carbone étaient respectivement réparties dans les parties sud-est, nord et nord-ouest de l'Iran. Dans une étude similaire, Siabi et al.33 ont évalué la distribution spatiale du CO2 atmosphérique d'avril à septembre dans l'ensemble de l'Iran. Ils ont utilisé les données OCO-2 et différentes variables environnementales pour trouver la relation entre le CO2 atmosphérique et les paramètres environnementaux.

Velicogna et al.34 ont utilisé les données GRACE pour étudier la relation entre la variation du stockage total d'eau et la croissance de la végétation. Leurs résultats ont montré que la disponibilité du stockage total de l'eau joue un rôle clé dans l'ajustement de la réponse de la végétation aux fluctuations de température. Semblable à l'idée de notre étude, Humphrey et al.35 ont utilisé les changements EWH extraits de GRACE pour étudier les effets des eaux intérieures sur la dynamique du cycle du carbone à grande échelle. Ils ont montré que le taux de changement de CO2 dépend de manière significative des changements obtenus dans le stockage des eaux intérieures, où des années plus sèches ont été observées avec une tendance à la hausse plus rapide du CO2. De plus, ils ont démontré que la relation universelle est indépendante des effets connus de la température de l'air et est sous-estimée dans les modèles actuels du cycle du carbone. Gentine et al.5 ont exploré le rôle clé de la disponibilité des eaux intérieures dans le cycle du carbone et ont mis en évidence le rôle effectif des satellites dans l'étude du couplage entre le dioxyde de carbone atmosphérique et les cycles de l'eau.

Bien que l'évolution du stockage total de l'eau ait été étudiée à l'aide de données de télédétection et de données in situ avec des caractéristiques climatiques et des paramètres économiques, à notre connaissance, il n'existe aucune étude examinant la relation bilatérale entre le CO2 et l'évolution du stockage de l'eau dans Iran. Nous rappelons que les puits de carbone terrestres diminuent avec l'augmentation des épisodes de sécheresse et de la pénurie d'eau, comme c'est le cas en Iran depuis 2008. Par conséquent, nous visons à étudier le lien entre le stockage total de l'eau et l'évolution du CO2 dans le temps. À cette fin, pour la première fois, nous effectuons une analyse minutieuse de la dépendance entre l'anomalie de hauteur d'eau équivalente par les données GRACE et la concentration atmosphérique de CO2 au cours des 15 dernières années. Nos résultats sont importants et bénéfiques pour les futures études sur l'hydrologie, l'écologie et le changement climatique en Iran et seront essentiels à la fois pour la gestion des ressources en eau et les plans d'atténuation du CO2. Une telle analyse comprend les étapes suivantes, qui caractérisent également les objectifs de cette étude :

L'analyse des séries chronologiques du stockage total de l'eau et de l'évolution de la concentration en CO2 pendant 15 ans,

Quantification de la relation entre le stockage total de l'eau et le CO2 atmosphérique à l'échelle nationale,

Trouver la relation entre le changement total de l'eau et le CO2 atmosphérique/le rejet d'eau/la consommation d'eau en Iran.

L'Iran est situé entre 25° à 40° de latitude N et 44° à 63° de longitude E et a une superficie de 1 648 000 km2 (Fig. 1). L'Iran est connu comme un pays aride et semi-aride. La plage d'altitude est de - 30 m à plus de 5500 m, ce qui a une influence significative sur la variété des climats. Cependant, l'Iran présente une grande diversité de régions climatiques avec des amplitudes de précipitations (moyenne de 120 mm an−1 dans les provinces du centre et de l'est et moyennes de 2000 mm/an dans les régions du nord de l'Iran) et des variations de température (amplitude de – 20 ° C dans le nord-ouest à 50 °C sur le sud de l'Iran). Il y a deux montagnes célèbres en Iran. Les montagnes d'Alborz et de Zagrous sont situées dans le nord et l'ouest de l'Iran. Plus de 50% de la zone entre Alborz et Zagrous est couverte par les marais salés de Dasht-e-Kavir et Kavir-e-Lut. L'ensemble de l'Iran est constitué de six principaux bassins versants. La mer Caspienne, le lac d'Ourmia, le golfe Persique et le golfe d'Oman, le plateau central, le Kara-Kum et le lac Hamoon sont situés dans le nord, le nord-ouest, le sud, le centre, le nord-est et l'est de l'Iran.

L'emplacement de l'Iran au Moyen-Orient et ses pays voisins. Il est généré à l'aide des outils génériques de cartographie (GMT).

La Gravity Recovery and Climate Experiment) GRACE) est une mission satellitaire visant à produire la carte globale du champ de gravité avec une résolution spatiale d'environ 400 km tous les 30 jours36,37. GRACE comprend deux satellites identiques à 500 km d'altitude et 89,5° d'inclinaison, séparés l'un de l'autre d'environ 220 km le long de la trajectoire. GRACE présente une estimation directe des variations mensuelles du champ de gravité en observant le mouvement relatif du centre de masse des deux satellites, qui est mesuré avec la liaison hyperfréquence inter-satellites en bande K très précise. Cette mensuration est obtenue par la variabilité de la gravité dans le temps sur le terrain, qui représente l'évolution de la masse d'eau après prise en compte des signaux repliés et sous certaines considérations de résolution temporelle et spatiale38. Dans cette étude, nous avons utilisé les données du niveau 2 des satellites GRACE (Mascon) sur la période de 2003 à 2015. La solution JPL RL06M Mascon fournit des variations mensuelles du champ de gravité en termes de calotte sphérique de surface égale de 3 par 3 degrés Mascons . Les données sont disponibles sous la forme d'une anomalie de hauteur d'eau équivalente (EWH) en mm pour des cellules de 0,5 degré et elles ont été téléchargées à partir de https://grace.jpl.nasa.gov/data/get-data/jpl_global_mascons (tableau 1).

Nous utilisons la moyenne des ensembles de données XCO2 (fraction molaire du CO2 troposphérique) extraites des capteurs SCIAMACHY et TANSO-FTS à bord des satellites ENVISAT et GOSAT, respectivement39,40. XCO2 n'a pas de dimension (unité : mol/mol) expliquée comme le nombre de molécules de CO2 divisé par le nombre de molécules d'air sec dans une colonne verticale d'air. Le produit Obs4MIPs a été produit en utilisant des produits XCO2 de niveau 2 comme intrant. Notez qu'une résolution de 5° × 5° a été choisie pour assurer un meilleur contrôle du bruit. Dans cette étude, GOSAT et SCIAMACHY ont été combinés avec l'algorithme Obs4MIPs et de 2003 à 2015. Les données ont été téléchargées depuis l'Institut de physique environnementale de l'Université de Brême (tableau 1).

Nous utilisons les ensembles de données mensuels de l'ensemble de données ERA5 pour les précipitations et l'évapotranspiration (https://www.ecmwf.int/en/forecasts/datasets/reanalysis-datasets/era5). L'ensemble de données ERA5 comprend des paramètres climatiques horaires différents dans l'atmosphère, l'hydrosphère et la terre, qui sont disponibles de 1950 à aujourd'hui (Copernicus Climate Change Service (C3S)41) (tableau 1).

Outre les ensembles de données mentionnés ci-dessus, pour l'évaluation de la plausibilité de nos résultats, nous nous sommes appuyés sur des données telles que les statistiques des puits piézométriques, le débit d'eau (sources, aqueducs, puits profonds, puits semi-profonds) et la consommation d'eau dans trois secteurs (agriculture, industrie et domestique) qui ont été obtenus à partir du site d'études sur les ressources en eau de l'Iran.

Notre analyse de la relation entre le CO2 et le stockage de l'eau s'appuie tout d'abord sur la réalisation d'une analyse de séries temporelles pour comprendre le comportement statistique de ces séries temporelles et leur tendance à long terme. De plus, pour capturer les modèles liés de deux ensembles de données, nous avons utilisé une analyse de corrélation canonique (CCA).

Pour l'analyse des séries chronologiques, outre l'inspection graphique des séries chronologiques et l'analyse de corrélation, nous effectuons le test de tendance de Mann-Kendal. Kendall et Ord (1990) ont décrit la tendance comme un mouvement à long terme. La tendance monotone (Mann-Kendall) fournit un indicateur de tendance non linéaire qui estime le degré d'augmentation ou de diminution continue d'une tendance. Les valeurs de Mann-Kendall vont de moins un à positif. Une valeur de + 1 exprime une tendance qui augmente constamment et n'a pas de diminution dans la période d'étude. Une valeur de −1 montre une diminution constante au cours de la période d'étude. La valeur zéro ne représente aucune tendance cohérente. La pente de Theil-Sen est estimée sur la base de la tendance médiane. Toutes les combinaisons de valeurs par paires sont évaluées pour chaque pixel pendant la durée de l'étude et un décompte est fait du nombre qui augmente ou diminue avec le temps. La signification Mann-Kendall produit deux cartes; une carte de signification représentée sous forme de scores Z et une seconde image qui indique la probabilité (valeur P) que la tendance obtenue ait pu se produire par hasard. De plus, la valeur P représente l'importance d'une tendance de Mann-Kendall au fil du temps42.

L'analyse de corrélation canonique (CCA) est une méthode d'extraction de modes conjoints entre deux variables de séries temporelles43. Cette méthode extrait les informations bilatérales de deux ensembles de données de séries chronologiques en effectuant une décomposition de valeur unique sur la matrice de covariance entre deux ensembles de données. Cette méthode peut détecter les vecteurs de base pour deux ensembles de données de séries chronologiques différents sans tenir compte des unités, car elle repose sur une corrélation entre les ensembles de données qui est invariante à l'ampleur. Contrairement à l'ACP, l'ACC considère la valeur maximale de la covariance entre les variables et non la valeur maximale de la variance44, Zhang et al.45). Les informations corrélées bilatérales sont obtenues dans différents modes canoniques des deux champs. CCA distingue les relations entre deux séries de champs pour identifier les modèles liés entre les séries.

Le CCA tel qu'employé ici peut être appelé PCA42 à double canon. Deux variables X (t1 × n1) et Y (t2 × n2) comme concentration de CO2 atmosphérique et anomalie EWH, respectivement, aux points de grille n1 et n2 dans les caractéristiques spatiales, prises au temps 1 et au temps 2. Il convient de souligner qu'un des dimensions de deux variables (X et Y) doivent avoir la même taille. Par conséquent, le temps a été considéré comme la même dimension des variables X et Y. Nous estimons la matrice de covariance XTY (n1 × n2) entre les variables X et Y auxquelles la décomposition en valeur unique est maintenant appliquée

Dans l'éq. (1), UC, VC sont des modes canoniques et ΣC (n1 × n2) représente les valeurs singulières de la covariance entre les deux séries temporelles. UC, VC avec les dimensions n1, n2 indiquent des informations spatiales. Avec les modes canoniques pour chaque ensemble de données de séries chronologiques, les composants associés correspondants sont ensuite calculés par prédiction de l'ensemble de données sur eux (Eqs. (2) et (3)):

où VX (t × r) et VY (t × r) sont les caractéristiques temporelles associées des séries chronologiques X et Y de dimension temps (t), respectivement. De plus, CXY est le temps calculé indépendamment, ainsi UC, VC indiquent le modèle spatial, et VX, VY se réfèrent par conséquent à des informations temporelles corrélées. Un sous-groupe des modes canoniques des deux séries temporelles est considéré sur la base de la variance la plus élevée.

L'un des principaux objectifs des études statistiques est de trouver la relation entre deux ou plusieurs variables. Les méthodes de régression font référence à une méthode de modélisation statistique qui analyse ces relations (Adab46). Dans cette recherche, nous avons utilisé un modèle de régression pas à pas pour trouver la relation entre le changement total de l'eau/des eaux souterraines et le CO2 atmosphérique/le rejet d'eau/la consommation d'eau. Pour plus de détails sur la modélisation de la régression pas à pas, lisez Farajzadeh47.

La figure 2 montre la série chronologique de l'anomalie EWH ainsi que la série chronologique de la concentration de CO2 sur l'ensemble de l'Iran. La tendance à la hausse s'accompagne de fluctuations saisonnières des concentrations atmosphériques de dioxyde de carbone est représentée de 2003 à 2015. Les concentrations de dioxyde de carbone les plus élevées et les plus faibles sont observées au printemps et en été, respectivement. Ce résultat est cohérent avec la courbe de Keeling3. Au cours de cette période, des oscillations sinusoïdales et décroissantes sont également présentées, ainsi que des changements dans la série temporelle de l'anomalie EWH. La série chronologique montre un coefficient de corrélation de – 0,74 (R2 = 0,55), indiquant que l'augmentation de la concentration de dioxyde de carbone dans l'atmosphère de l'Iran s'accompagne d'une diminution de l'anomalie EWH. La corrélation négative est principalement due au signe négatif de la tendance de ces séries chronologiques. Cependant, en termes de saisonnalité, les deux séries chronologiques montrent une corrélation positive. Les séries temporelles sans tendance montrent un coefficient de corrélation de + 0,7 (R2 = 0,5), indiquant un fort couplage entre le CO2 et l'anomalie EWH (Fig. 3).

Série chronologique de l'anomalie EWH et de la concentration de CO2 de 2003 à 2015 sur l'Iran (en haut) et enregistrement complet de la concentration de CO2 (Scripps Institution of Oceanography à UC San Diego) (en bas).

Nuage de points de la concentration de CO2 (axe Y) par rapport à l'anomalie EWH (axe X) de 2003 à 2015.

La série chronologique de l'anomalie EWH montre une tendance négative de 13,6 mm/an entre 2003 et 2015. D'autre part, la série chronologique de la concentration de CO2 montre une tendance positive de 2,1 ppm/an pour la même période.

Les résultats du test de Mann Kendall sur la figure 4a indiquent clairement une tendance à la hausse du dioxyde de carbone dans toutes les régions de l'Iran. La valeur la plus élevée de Mann-Kendall monotone a été observée dans le nord, l'ouest, le sud-ouest (province du Khuzestan) puis le sud-est de l'Iran (provinces de Kerman, Hormozgan, Sistan et Baluchestan). La valeur Mann-Kendall monotone la plus faible a été observée dans le nord-ouest du pays. Selon la valeur p (Fig. 4b), on peut affirmer qu'une tendance à la hausse significative a été observée sur l'Iran de 2003 à 2015. La plage de pente de Theil-Sen a été estimée très faible pour la variation de la concentration de CO2 en Iran (environ 0,02 ). Dans le nord-ouest et l'ouest de l'Iran, ainsi que dans le sud et le sud-est du pays, le taux de variation de la concentration de dioxyde de carbone est plus élevé que dans d'autres régions (Fig. 4c). Comme l'ont également indiqué Mousavi et al.31, la variation de la concentration de dioxyde de carbone est fortement liée à la saison (Fig. 2). En fait, la concentration la plus élevée de CO2 en avril et mai et la concentration la plus faible en août et septembre48 ont observé la valeur la plus élevée de XCO2 pendant la saison froide et la valeur la plus faible pendant la saison chaude sur la base des données OCO-2 au Brésil. Mousavi et al.49 ont attribué la forte concentration de dioxyde de carbone dans l'est et le sud-est de l'Iran à la température élevée et au manque de végétation dense dans cette région. De plus, les activités anthropiques telles que la déforestation, le défrichement, les activités agricoles et la combustion de la biomasse accélèrent le processus d'émissions de gaz à effet de serre50. Certains chercheurs ont découvert que la dégradation des terres causée par des pratiques agricoles insupportables est la principale raison de l'augmentation des émissions de gaz à effet de serre.

Analyse des tendances en série chronologique de la concentration de dioxyde de carbone à l'aide du test de Mann – Kendall (a), de la valeur P (b) et de la pente de Theil-Sen (c).

Une analyse similaire est effectuée sur l'anomalie EWH sur l'Iran. En général, seule une partie de l'ouest et du sud-ouest de l'Iran a montré une tendance à la baisse moins importante que d'autres parties de l'Iran. La tendance à la baisse la plus faible a été observée dans les provinces de Kohkiluyeh et Boyer-Ahmad, puis au Khouzistan et dans une partie de la province de Bushehr. Il convient de noter que la tendance à la baisse la plus élevée a été observée dans la province de Semnan, la province du Khorasan du Sud, puis dans les provinces de Khorasan Razavi, Yazd et Kerman (Fig. 5a). La valeur de p pour ce paramètre indique qu'il existe une tendance à la baisse significative (p ≤ 0,05) dans toutes les régions de l'Iran, à l'exception d'une petite partie dans la province du Sistan et du Baluchestan et d'une petite partie à Kohkiloyeh et Boyer Ahmad, Bushehr et Khuzestan. provinces (fig. 5b). Selon le taux de changements mensuels des résultats d'anomalies EWH, le taux de changement élevé est observé dans la région comprenant la province du Khuzestan et à l'est de la province du Sistan et du Baluchestan (Fig. 5c). Abou Zaki et al.51 ont montré que le niveau des eaux souterraines avait diminué d'environ 7,6 mm par an de 2002 à 2011, ce qui équivaut au volume total d'eau de 2,6 km3 dans le bassin de Bakhtegan. Moshir Panahi et al.52 ont réchauffé l'Iran et les précipitations ont diminué dans la plupart des régions et le stockage total de l'eau s'est épuisé de 1986 à 2016. La raison d'une perte d'eau aussi drastique pourrait être la sécheresse, la croissance démographique et la croissance économique qui ont entraîné une demande accrue pour des ressources en eau limitées20 ,53, Shamsi et Ghorbani54, Moshir Panahi et al.52, et Abou Zaki et al.51.

Tendance de la série chronologique de l'anomalie EWH à l'aide du test de Man-Kendall (a), valeur P (b), pente de Theil-Sen (c).

L'analyse de corrélation canonique (CCA) a été appliquée pour découvrir la relation entre deux variables multidimensionnelles. Nous avons effectué l'analyse pour les paires suivantes :

Concentration de CO2 et anomalie EWH.

Concentration de CO2 et précipitations.

Concentration de CO2 et évapotranspiration.

Afin d'étudier les modèles entre le CO2 et les variables hydrologiques, dans ce qui suit, nous analysons sa corrélation canonique avec les précipitations comme entrée et aussi l'évapotranspiration car elle relie l'eau, l'énergie et le cycle du carbone de la Terre.

Les corrélations canoniques ont été déterminées entre deux séries de variables de CO2 et d'anomalie EWH (X indépendantes) et (Y dépendantes), respectivement. Les figures 6 et 7 montrent les valeurs singulières de la covariance croisée entre la concentration de CO2 et l'anomalie EWH, soulignant que 99 % de la corrélation se situe dans les trois premiers modes. Le mode 1 avec 93% de la corrélation canonique entre l'anomalie de stockage d'eau et la concentration de CO2 capture une combinaison de tendance et de variations saisonnières, visible dans la projection du mode canonique obtenu VX, VY (Fig. 7). Les UX, UY obtenus représentent le modèle spatial de la corrélation capturée. Il est intéressant d'observer que les changements de stockage de l'eau dans la partie nord de l'Iran, à l'exception des provinces de Khorasan et d'Azerbaïdjan occidental, reçoivent une plus forte influence de l'augmentation de la concentration de CO2. Une raison d'un modèle aussi fort dans cette région pourrait être due à l'effet des régions industrielles et à la forte densité de population à Téhéran et dans la province d'Alborz avec un taux élevé d'activités humaines et d'empreinte CO2. D'autre part, la forêt hyrcanienne du nord de l'Iran, en tant que principal puits de CO2, peut jouer un rôle important dans la formation d'une telle relation. Dans le même temps, on peut observer que la concentration de CO2 et l'anomalie EWH sont moins couplées dans la partie sud de l'Iran le long de la côte du golfe Persique et de la mer d'Oman. L'une des raisons pourrait être le torchage du gaz le long de la côte du golfe Persique, en particulier dans la province de Bushehr qui contribue fortement aux émissions de gaz à effet de serre55. Humphery et al.35 ont montré que le TWS basé sur les données GRACE avait une bonne corrélation avec le taux de croissance du CO2 dans les régions semi-arides. Le mode 2 avec 5% de la corrélation montre une variation annuelle sans comportement significatif à long terme avec une dépendance plus forte dans le nord-ouest de l'Iran dans la province d'Azerbaïdjan. Il est important de mentionner qu'en moyenne, les valeurs de CO2 sont plus élevées aux latitudes nord moyennes à élevées, ce qui pourrait être lié à diverses sources et puits de carbone et à la configuration des vents mondiaux. En fait, les vents dans cette région ne sont pas assez rapides et forts pour mélanger toutes les émissions de CO2 industrielles/anthropiques de la latitude nord à la latitude sud56. De plus, la forte dépendance entre le CO2 et l'anomalie EWH dans l'ouest de l'Iran pourrait être due aux activités agricoles importantes dans cette zone, ce qui conduit à l'épuisement des eaux souterraines avec pour conséquence une augmentation du taux d'émission de CO257. Humphrey et al.35 ont découvert que la relation entre la température et le taux de croissance du CO2 n'était pas significative à l'échelle mondiale. Ils ont également observé que le taux de croissance du CO2 variait en fonction de la température et du stockage total de l'eau, mais le rôle du TWS est plus important que la température. Zhou et al.58 ont étudié le rôle de facteurs importants sur la variation potentielle de l'évapotranspiration au-dessus de la Chine. Leurs résultats ont montré que le rayonnement, la température et la concentration de CO2 étaient des facteurs significatifs sur l'évapotranspiration potentielle, respectivement (Fig. 8).

Corrélations canoniques entre la concentration de CO2 et l'anomalie EWH de GRACE.

Résultats de l'analyse CCA entre l'anomalie CO2 et EWH pour les trois premiers modes portant 99 % de la corrélation. Pour chaque mode, des séries chronologiques et des cartes des modes canoniques sont présentées pour la concentration de CO2 (à gauche) et l'anomalie EWH de GRACE (à droite).

La corrélation canonique entre les ensembles de données de précipitations et de CO2 ne révèle pas un mode canonique fort comme celui entre l'anomalie CO2 et EWH. Dans ce cas, le mode 1 porte 54% de la corrélation entre le CO2 et les précipitations avec un comportement saisonnier clair (Fig. 8 et 9). Alors que les deux variations temporelles du premier mode montrent une variation saisonnière couplée claire, le comportement temporel des données de précipitations ne montre aucun comportement à long terme. Les schémas spatiaux du premier mode nous permettent d'identifier une découverte intéressante, où les précipitations dans la partie ouest des monts Zagros et de la province de Guilan semblent être positivement corrélées avec le CO2. De plus, la forêt hyrcanienne et la forêt de Zagrous dans le nord et l'ouest de l'Iran jouent un rôle important dans l'absorption du carbone en tant que puits naturel pendant les saisons chaudes. La diminution du CO2 pendant la saison de croissance par le processus de photosynthèse dans l'ouest et le nord de l'Iran est simultanée avec des précipitations plus faibles dans cette région. Parallèlement, de fortes amplitudes de CO2 et de précipitations ont été observées de 2003 à 2006. Le mode 2 avec une corrélation de 28% représente également un comportement saisonnier avec un modèle spatial totalement différent. Il reflète une forte corrélation négative entre les variations saisonnières des précipitations en haute montagne couplées à la concentration en CO2. Les régions du nord et de l'ouest de l'Iran ont des hautes terres telles que les montagnes d'Alborz et de Zagrous, respectivement, qui provoquent des températures basses et la formation de courants de vent dans ces régions. Les courants d'air jouent un rôle important dans le transfert de grandes quantités de CO2 vers l'est et le sud-est de l'Iran33. Mousavi et al.59 ont trouvé la corrélation négative entre XCO2 et les précipitations sur l'Iran de 2003 à 2020 au cours de différents mois. Ils ont observé la même corrélation entre le CO2 atmosphérique et la densité de la végétation. Costa et al.48 ont appliqué le modèle empirique pour l'estimation quotidienne du XCO2 au Brésil. Leurs résultats ont montré que le rayonnement, la fluorescence de la chlorophylle induite par le soleil et l'humidité relative avaient la règle la plus importante dans la modélisation. Par conséquent, on s'attend à observer une dépendance négative entre la concentration de CO2 et les précipitations dans cette zone. De plus, les fortes précipitations sur les hautes terres iraniennes semblent être négativement corrélées à la concentration de CO2 le long des côtes du golfe Persique et de la mer d'Oman. Le mode 3 avec seulement 5% de corrélation canonique révèle une dépendance semi-annulaire avec une corrélation négative entre la concentration de CO2 et les précipitations, où des amplitudes plus fortes sont observées le long de la côte de la mer Caspienne. De manière générale, les résultats semblent montrer que les précipitations sur les hauts plateaux et sur les sommets ne sont pas plus corrélées aux variations à long et court terme de la concentration en CO2. Cependant, nous n'observons pas une diminution ou une augmentation rapide des précipitations en raison de la concentration de CO2, comme exprimé dans certaines études antérieures (Andrews et al.60; Réf.61. Bien que la variation du CO2 atmosphérique sur le climat mondial ait un effet significatif sur les eaux de surface et eaux souterraines (cycle de l'eau), l'évapotranspiration et les modèles de précipitations et de ruissellement dans les écosystèmes naturels, nous n'avons pas observé de forte corrélation entre le changement de carbone et les précipitations.

Corrélation canonique entre les séries temporelles de CO2 et les précipitations

Résultats de l'analyse CCA entre le CO2 et les précipitations pour les trois premiers modes portant 87 % de la corrélation. Pour chaque mode, des séries chronologiques et des cartes des modes canoniques sont présentées à la fois pour la concentration de CO2 (à gauche) et les précipitations (à droite).

Les résultats de la corrélation canonique entre les séries temporelles de CO2 et d'évapotranspiration (indépendantes de X et dépendantes de Y) respectivement sont présentés dans les Fig. 10 et 11. Les trois premiers modes portent 91 % de la corrélation entre ces deux ensembles de données. Le premier mode extrait un modèle intéressant d'évapotranspiration sur les régions montagneuses de l'Iran ainsi que sur les montagnes du Zagros et de l'Alborz à l'ouest et au nord de l'Iran. Une augmentation de l'évapotranspiration avec la latitude a été observée dans les montagnes sans neige pendant la saison chaude. Certains paramètres météorologiques tels que la nébulosité, la pression atmosphérique en surface, la vitesse du vent, le rayonnement solaire et la température ont des effets importants sur l'évapotranspiration et peuvent entraîner une augmentation de l'évapotranspiration avec la latitude62. D'autre part, le gaz CO2 a une densité élevée et est plus lourd que l'air. Par conséquent, lorsqu'il est libéré dans l'atmosphère, il conduira à une faible altitude. Ce problème est observé dans le premier mode et représente un schéma similaire au premier mode de précipitation. Le mode 2 montre deux modèles spatiaux distincts pour le CO2, où la concentration de CO2 montre une tendance négative au-dessus de la latitude 30° et une tendance positive en dessous de la latitude 30°. Elle est liée à la variation de la concentration troposphérique de CO2 avec la latitude géographique. Le mode 2 avec un tel schéma est canoniquement corrélé à l'évapotranspiration dans les hautes montagnes de Zagrous et du lac Urmia. Différentes espèces de microalgues jouent un rôle important dans la séquestration du carbone dans les lacs salés. La présence de ces microalgues dans les lacs salés iraniens tels que le lac Urmia, le lac Qum et le lac Maharlue, ainsi que le calcaire marin peu profond du mont Zagrous, ont un impact efficace sur le cycle du carbone63. Bien que le CCA ne montre aucun comportement significatif à long terme dans les données d'évapotranspiration corrélées à la tendance positive du CO2, seule une tendance légèrement positive est visible dans le troisième mode (la carte spatiale montre des nombres négatifs transformant la tendance négative de la série chronologique en positif s'orienter). Une raison possible d'une si légère tendance positive est le changement de température dû au changement climatique et au changement du rayonnement net (Oguntunde et al.64). Ce résultat est conforme à une précédente étude de Tabari et Marofi65, qui a montré une faible relation inverse entre l'évaporation potentielle et les précipitations. Cette faible tendance positive, cependant, montre un modèle spatial particulier principalement réparti sur les zones agricoles, y compris le bassin du lac Urmia et les provinces de Guilan, Mazandaran et Golestan (voir la carte du mode 3). En outre, certaines recherches ont montré que l'augmentation de la concentration de CO2 dans l'atmosphère a des effets directs et indirects sur la couverture végétale et l'hydrologie. La forte réduction de l'évapotranspiration sous l'augmentation de la concentration de CO2 a été observée en raison de son rôle dans la réduction des besoins en eau des cultures66. Liao et al.67 ont utilisé les modèles de circulation générale sous différents scénarios RCP afin de projeter l'évapotranspiration. Ils ont montré que l'évapotranspiration diminuera en cas de doublement de la concentration de CO2 dans les terres cultivées en Chine. Pan et al. ont montré que les températures élevées et les fortes précipitations provoquaient une augmentation de l'évapotranspiration jusqu'en 2100. Ils ont également indiqué que la concentration atmosphérique de CO2 est responsable de la diminution de l'évapotranspiration à l'avenir, en particulier en Asie centrale et occidentale.

Corrélation canonique entre les séries temporelles de CO2 et l'évapotranspiration.

Résultats de l'analyse CCA entre CO2 et évapotranspiration pour les trois premiers modes portant 91% de la corrélation. Pour chaque mode, des séries chronologiques et des cartes des modes canoniques sont présentées pour la concentration de CO2 (à gauche) et l'évapotranspiration (à droite).

Dans la régression pas à pas, la première variable entrée dans le modèle est basée sur l'effet maximal, et si d'autres variables peuvent affecter de manière significative la variable dépendante, elles entreront dans le modèle dans les étapes suivantes. La variable dépendante (Y) dans cette étude est le stockage total d'eau et les variables indépendantes (X) sont le dioxyde de carbone, les informations statistiques relatives aux rejets de puits profonds et semi-profonds, les sources, les aqueducs et la consommation d'eau dans les secteurs agricoles, domestiques. , et secteurs industriels. Le coefficient de détermination ajusté (R2 ajusté) montre que le CO2 a un degré de confiance plus élevé que le coefficient de détermination (R2), qui est estimé à 0,9 dans la présente étude.

Selon le tableau 2, la variable du dioxyde de carbone a le plus grand effet sur la sortie du modèle de régression. Les résultats ont montré que l'augmentation ou la diminution du CO2 atmosphérique en tant que facteur effectif des ressources en eau peut être calibrée en termes de précipitations, d'évaporation et de transpiration. En d'autres termes, le dioxyde de carbone en tant que gaz à effet de serre important dans le réchauffement climatique avec un effet direct ou indirect sur les précipitations, la température, l'évaporation et la transpiration peut être considéré comme une variable climatique influente pour la recherche sur les ressources en eau de l'Iran. effet du changement climatique sur les paramètres hydrologiques actuels et futurs tels que Saifullah et al.24, Zhuang et al.68, Umair et al.69 et Ougahi70.

Y est la hauteur d'eau équivalente, X est la concentration de CO2.

Nous avons observé une tendance à la hausse associée à des fluctuations sinusoïdales de la concentration de dioxyde de carbone atmosphérique de 2003 à 2015. La concentration de CO2 la plus élevée s'est produite au printemps et la valeur la plus faible a été observée en été. Ces résultats étaient cohérents avec les données de la courbe de Keeling. En termes de distribution spatiale, la plus forte concentration de dioxyde de carbone a été observée dans le sud et le sud-est de l'Iran, puis dans le sud-ouest et le centre de l'Iran. L'analyse des séries chronologiques a montré que la tendance monotone la plus faible se produit dans les pixels qui couvrent le nord et le nord-ouest du pays. Une analyse similaire de l'anomalie EWH a montré une tendance à la baisse sur l'ensemble de l'Iran. Au cours de cette période, les oscillations sinusoïdales et décroissantes représentaient des changements dans l'anomalie EWH.

En outre, nous avons étudié les dépendances entre le CO2 atmosphérique (variable indépendante X) et l'anomalie EWH, les précipitations et l'évapotranspiration (variable dépendante Y) par CCA. Les résultats montrent que les changements de stockage de l'eau dans la partie nord de l'Iran, à l'exception des provinces de Khorasan et d'Azerbaïdjan occidental, reçoivent une plus forte influence de l'augmentation de la concentration de CO2. Un tel résultat peut être attribué aux villes métropolitaines et industrielles telles que les provinces de Téhéran et d'Alborz avec le taux élevé d'émission de carbone de jour comme de nuit. Notre analyse montre que la corrélation canonique entre les ensembles de données de précipitations et de CO2 ne met pas en évidence un mode canonique fort comme celui entre l'anomalie CO2 et EWH. Selon les trois premiers modes, la corrélation entre le CO2 et les précipitations a été considérée dans les régions montagneuses. Contrairement à la montagne de Zagrous et à la province de Guilan, une corrélation négative a été observée entre le CO2 et les précipitations le long des côtes sud de l'Iran. Nos résultats montrent que l'évapotranspiration sur les régions montagneuses de l'Iran ainsi que les montagnes Zagrous et Alborz à l'ouest et au nord de l'Iran est fortement corrélée avec la concentration de CO2 dans la partie nord-ouest de l'Iran. Les plantes régulaient les échanges gazeux avec l'air ambiant par les stomates de leurs feuilles. L'absorption de CO2 et la vapeur d'eau libérée par la végétation lors du processus photosynthétique dépendent de la température de l'air. Alors que la température de l'air change progressivement avec l'altitude et la latitude géographique, nous observons le schéma spatial de la dépendance au CO2 et à l'évapotranspiration sur l'Iran. Il est clair que la variété des types de sols, l'humidité du sol, le type de végétation et la densité de la végétation dans les différentes parties de l'Iran ont joué un rôle important dans la formation de ces résultats. Nos résultats CCA offrent une nouvelle perspective sur l'application de la télédétection TWS pour l'analyse régionale du cycle du carbone.

Alors que le dioxyde de carbone, en tant que gaz à effet de serre important dans le réchauffement climatique, a un impact direct ou indirect sur les précipitations, la température, l'évapotranspiration et la transpiration, affectant les modifications de l'anomalie EWH en réduisant l'épuisement des ressources en eau, peut être utilisé pour réduire le dioxyde de carbone (CO2 ) émissions. Nos résultats démontrent que le stockage total de l'eau est lié aux changements de la concentration atmosphérique de CO2, de l'évapotranspiration et des précipitations à l'échelle régionale. L'importance de la concentration en CO2 est plus efficace que ce qui peut être distingué de l'évapotranspiration et des précipitations sur TWS. De plus, la conservation des écosystèmes naturels tels que la forêt hyrcanienne et la forêt de Zagrous en tant que puits de carbone, ainsi que la gestion durable des terres cultivées, en particulier dans l'ouest et le nord de l'Iran, auront un impact efficace et à long terme sur la variation du CO2. D'autre part, il semble y avoir une relation bilatérale entre le CO2 et le stockage total de l'eau. Ainsi, la modification du CO2 atmosphérique peut avoir un effet sur le stockage de l'eau et l'épuisement des eaux souterraines peut entraîner des émissions de CO2. Les défis environnementaux de l'épuisement des eaux souterraines en Iran sont difficiles ainsi que les émissions de CO2 associées, et par conséquent, il est nécessaire d'établir une règle d'extraction des eaux souterraines. Dont l'extraction des eaux souterraines est devenue un défi sérieux en Iran, la politique d'atténuation des eaux souterraines retirées est cruciale pour les politiques environnementales et la gestion du carbone de l'Iran.

Cependant, étant donné que les données sur le CO2 sont très grossièrement résolues et que l'objectif de cette étude était de déterminer le lien entre les paramètres climatiques et l'EWH avec les données sur le CO2, nous ne pensons pas que l'alternance entre différents ensembles de données modifierait radicalement les résultats. Cependant, il est important de noter que ces corrélations ne signifient pas nécessairement une influence directe. En outre, il convient de noter que ces relations sont tangibles au niveau macro, tandis que les pratiques de gestion ont plus d'influence sur l'évolution des ressources en eau, en particulier les eaux souterraines à l'échelle locale. Parallèlement, la concentration de CO2 dans l'atmosphère est fortement influencée par la production industrielle ainsi que par les activités humaines (changement d'affectation des terres, combustion d'énergie fossile…) et il en va de même pour le stockage de l'eau terrestre (projet de transfert d'eau, changement d'affectation des terres, construction de barrages…). Cette recherche a mis en évidence une nouvelle perspective dans laquelle les variations de l'interaction entre le CO2 atmosphérique et le TWS sont basées sur l'effet potentiel de l'oscillation climatique en hydrologie par des données de télédétection pour la recherche à grande échelle sur le cycle du carbone. Dans les travaux futurs, il est recommandé d'évaluer les facteurs anthropiques pour une meilleure interprétation et la relation entre la concentration atmosphérique de CO2 et l'anomalie EWH, les précipitations et l'évaporation pour différentes saisons sur l'Iran.

Les ensembles de données analysés au cours de la présente étude ne sont pas accessibles au public car ils contiennent des informations susceptibles de compromettre la confidentialité des participants à la recherche (données sur la consommation d'eau et l'extraction des eaux souterraines), mais sont disponibles auprès de l'auteur correspondant sur demande raisonnable.

Davidson, O., Bosch, P., Dave, R. et Meyer, L. Atténuation du changement climatique (Cambridge University Press, 2007).

Google Scholar

Dlugokencky, E. & Tans, P. Tendances du dioxyde de carbone atmosphérique, National Oceanic and Atmospheric Administration, Earth System Research Laboratory (NOAA/ESRL) (2014).

https://scripps.ucsd.edu/programs/keelingcurve.

Evans, M. Carbone et cycle de l'eau. Faire progresser la géographie et l'apprentissage géographique, 1–19 (2014).

Gentine, P. et al. Couplage entre les cycles terrestres du carbone et de l'eau - Bilan. Environ. Rés. Lett. 14, 083–0103. https://doi.org/10.1088/1748-9326/ab22d6 (2019).

Article CAS Google Scholar

FAO. Rapport sur l'eau de la FAO, 34 (2009).

Ardakanian, R. Vue d'ensemble de la gestion de l'eau en Iran. Dans Water Conservation, Reuse, and Recycling: Actes d'un atelier irano-américain, J. Natl. Acad. Presse, 18–33 (2005).

Sarraf, M., Owaygen, M., Ruta, G. & Croitoru, L. République islamique d'Iran : Évaluation du coût de la dégradation de l'environnement (Banque mondiale, 2005).

Google Scholar

Motagh, M. et al. Affaissement des terres en Iran causé par la surexploitation généralisée des réservoirs d'eau. J. Geophys. Rés. Lett. https://doi.org/10.1029/2008GL033814 (2008).

Article Google Scholar

Mohammadi-Ghaleni, M. & Ebrahimi, K. Évaluation de l'impact du réseau d'irrigation et de drainage sur les ressources en eaux de surface et souterraines - Étude de cas : plaine de Saveh, Iran. Dans 21e Congrès international CIID sur l'irrigation et le drainage, 15–23 (2011).

Tizro, AT & Voudouris, KS Qualité des eaux souterraines dans la région semi-aride du bassin de Chahardouly à l'ouest de l'Iran. J. Hydrol. Processus. 22, 3066–3078. https://doi.org/10.1002/hyp.6893 (2008).

Article ADS CAS Google Scholar

Crétaux, J. F. & Birkett, C. Lake studies from satellite radar altimetry. J. Compt. Rendus Geosci. 338, 1098–1112. https://doi.org/10.1016/j.crte.2006.08.002 (2006).

Annonces d'article Google Scholar

Papa, F., Durand, F., Rossow, WB, Rahman, A. & Bala, SK Débit mensuel dérivé d'un altimètre satellite de la rivière Ganga-Brahmapoutre et ses variations saisonnières à interannuelles de 1993 à 2008. J. Geophys. Rés. Océans https://doi.org/10.1029/2009JC006075 (2010).

Article Google Scholar

Berry, PAM, Garlick, JD, Freeman, JA & Mathers, EL Surveillance mondiale des eaux intérieures à partir de l'altimétrie multi-missions. J. Geophys. Rés. Lett. https://doi.org/10.1029/2005GL022814 (2005).

Article Google Scholar

C. Lorenz, MJ Tourian, B. Devaraju, N. Sneeuw et H. Kunstmann. J. Resour d'eau. Rés. 51, 8450–8475. https://doi.org/10.1002/2014WR016794 (2015).

Annonces d'article Google Scholar

Tourian, MJ et al. Densification spatio-temporelle des séries temporelles de niveaux d'eau des rivières par altimétrie satellitaire multimissions. J. Resour d'eau. Rés. 52, 1140–1159. https://doi.org/10.1002/2015WR017654 (2016).

Annonces d'article Google Scholar

Tapley, BD, Bettadpur, S., Ries, JC, Thompson, PF & Watkins, MM Mesures GRACE de la variabilité de masse dans le système terrestre. J. Sci. 305, 503-505. https://doi.org/10.1126/science.1099192 (2004).

Article ADS CAS Google Scholar

Lettenmaier, DP & Famiglietti, JS L'eau d'en haut. Nature 444, 562–563. https://doi.org/10.1038/444562a (2006).

Article ADS CAS PubMed Google Scholar

Klees, R. et al. Une comparaison des modèles GRACE mondiaux et régionaux pour l'hydrologie terrestre. J. Surv. Géophys. 29, 335–359. https://doi.org/10.1007/s10712-008-9049-8 (2008).

Annonces d'article Google Scholar

Forootan, E. et al. Séparation des modèles de stockage d'eau à grande échelle sur l'Iran à l'aide de GRACE, de données altimétriques et hydrologiques. J. Remote Sens. Environ. 140, 580–595. https://doi.org/10.1016/j.rse.2013.09.025 (2014).

Annonces d'article Google Scholar

Hassan, A. & Jin, S. Changements et équilibres du stockage de l'eau en Afrique observés par GRACE et les modèles hydrologiques. J. Geodesy Geodyn. 7, 39–49. https://doi.org/10.1016/j.geog.2016.03.002 (2016).

Article Google Scholar

Kaki, M. et al. Détermination de l'épuisement du stockage de l'eau en Iran en assimilant les données GRACE dans le modèle hydrologique W3RA. J. Adv. Ressource en eau. 114, 1–18. https://doi.org/10.1016/j.advwatres.2018.02.008 (2018).

Annonces d'article Google Scholar

Tourian, MJ et al. Approche spatiale multicapteurs pour surveiller l'assèchement du lac d'Ourmia en Iran. J. Rem. Sens. Environ. 156, 349–360. https://doi.org/10.1016/j.rse.2014.10.006 (2015).

Annonces d'article Google Scholar

Saifullah, M., Li, Z., Li, Q., Zaman, M. & Hashim, S. Estimation quantitative de l'impact des précipitations et du changement de la surface terrestre sur les processus hydrologiques grâce à la modélisation statistique. Adv. Météorol. 2016, 15. https://doi.org/10.1155/2016/6130179 (2016).

Article Google Scholar

Schneising, O. Trois ans de fractions molaires d'air sec moyennées par colonne de gaz à effet de serre extraites du satellite – Partie 2 : Méthane. J.Atmos. Chim. Phys. 9, 443–465. https://doi.org/10.5194/acp-9-443-2009 (2009).

Article ADS CAS Google Scholar

Crisp, D. et al. La mission Orbiting Carbon Observatory (OCO). J. Adv. Espace Rés. 34, 700–709. https://doi.org/10.1016/j.asr.2003.08.062 (2004).

Article ADS CAS Google Scholar

Ran, Y. & Li, X. TanSat : Une nouvelle star de la surveillance mondiale du carbone en provenance de Chine. J. Sci. Taureau. 64, 284–285. https://doi.org/10.1016/j.scib.2019.01.019 (2019).

Article Google Scholar

Shim, C., Lee, J. & Wang, Y. Effet des sources et des puits continentaux sur le gradient saisonnier et latitudinal du dioxyde de carbone atmosphérique en Asie de l'Est. J.Atmos. Environ. 79, 853–860. https://doi.org/10.1016/j.atmosenv.2013.07.055 (2013).

Article ADS CAS Google Scholar

Jing, Y., Shi, J. & Wang, T. Cartographie du XCO2 terrestre mondial à partir des mesures de GOSAT et SCIAMACHY en utilisant la méthode d'interpolation par krigeage. En 2014 IEEE Geoscience and Remote Sensing Symposium (eds Jing, Y. et al.) 3017–3020 (IEEE, 2014). https://doi.org/10.1109/IGARSS.2014.6947112.

Chapitre Google Scholar

Sun, Z., Wang, X., Tani, H., Zhong, G. & Yin, S. Distribution spatiale de la concentration de CO2 en Amérique du Sud pendant les épisodes ENSO en utilisant les données GOSAT. Suis. J.Clim. Modification 5, 77–87. https://doi.org/10.4236/ajcc.2016.51009 (2016).

Article Google Scholar

Mousavi, SM, Falahatkar, S. & Farajzadeh, M. Évaluation des variations saisonnières de la concentration de dioxyde de carbone en Iran à l'aide des données GOSAT. J. Nat. Resour. Forum 41, 83–91. https://doi.org/10.1111/1477-8947.12121 (2017).

Article Google Scholar

Falahatkar, S., Mousavi, SM & Farajzadeh, M. Distribution spatiale et temporelle du gaz carbonique à l'aide des données GOSAT sur l'Iran. J. Environ. Monit. Évaluer 189, 627. https://doi.org/10.1007/s10661-017-6285-8 (2017).

Article CAS Google Scholar

Siabi, Z., Falahatkar, S. & Alavi, SJ Distribution spatiale du XCO2 à l'aide des données OCO-2 pendant les saisons de croissance. J. Environ. Géré. 244, 110–118. https://doi.org/10.1016/j.jenvman.2019.05.049 (2019).

Article CAS Google Scholar

Velicogna, I. Kimball, J. S Kim, Y. Impact des changements dans le stockage de l'eau terrestre dérivé de GRACE sur la croissance de la végétation en Eurasie. Environ. Rés. Lett. 10, 124024. (2015).

Annonces d'article Google Scholar

Humphrey, V. et al. Sensibilité du taux de croissance du CO2 atmosphérique aux changements observés dans le stockage de l'eau terrestre. J. Nat. 560, 628–631. https://doi.org/10.1038/s41586-018-0424-4 (2018).

Article ADS CAS Google Scholar

Tapley, BD & Reigber, C. La mission GRACE : Statut et plans futurs. AGUFM, G41C-02 (2001).

Watkins, M. & Bettadpur, S. The Grace Mission : Les défis de l'utilisation de la télémétrie satellite à satellite au niveau du micron pour mesurer le champ de gravité terrestre (2000).

Tourian, MJ, Reager, JT & Sneeuw, N. Le stockage total d'eau drainable du bassin de l'Amazone : une première estimation à l'aide de GRACE. J. Resour d'eau. Rés. 54, 3290–3312. https://doi.org/10.1029/2017WR021674 (2018).

Annonces d'article Google Scholar

Bovensmann, H. et al. Objectifs de la mission Sciamachy et modes de mesure. J.Atmos. Sci. 56, 127–150. https://doi.org/10.1175/1520-0469(1999)056%3c0127:SMOAMM%3e2.0.CO;2 (1999).

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0469%281999%29056%3C0127%3ASMOAMM%3E2.0.CO%3B2" aria-label="Article reference 39" data-doi="10.1175/1520-0469(1999)0562.0.CO;2">Annonces d'article Google Scholar

Kuze, A., Suto, H., Nakajima, M. & Hamazaki, T. Capteur thermique et proche infrarouge pour l'observation du carbone Spectromètre à transformée de Fourier sur le satellite d'observation des gaz à effet de serre pour la surveillance des gaz à effet de serre. J. Appl. Optique. 48, 6716–6733. https://doi.org/10.1364/AO.48.006716 (2009).

Article ADS CAS Google Scholar

Service Copernicus sur le changement climatique (C3S). ERA5 : Cinquième génération de réanalyses atmosphériques ECMWF du climat mondial. Stockage de données climatiques (CDS) du service Copernicus sur le changement climatique. https://cds.climate.copernicus.eu/cdsapp#!/home (2017). Consulté le 28 juin 2019.

Eastman, JR IDRISI Terrset Manual (Clark Labs-Clark University, 2016).

Google Scholar

Glahn, HR Corrélation canonique et sa relation avec l'analyse discriminante et la régression multiple. J.Atmos. Sci. 25, 23-31 (1968)

2.0.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0469%281968%29025%3C0023%3ACCAIRT%3E2.0.CO%3B2" aria-label="Article reference 43" data-doi="10.1175/1520-0469(1968)0252.0.CO;2">Annonces d'article Google Scholar

Jolliffe, IT Principales composantes de l'analyse de régression. Dans Analyse en composantes principales (éd. Jolliffe, IT) 129–155 (Springer, 1986).

Chapitre Google Scholar

Zhang, J. Évaluation des relations statistiques du changement de la masse d'eau terrestre avec les variables hydrologiques et la variabilité climatique. Univ. Stuttg. https://doi.org/10.18419/opus-10474 (2019).

Article Google Scholar

In Presian: Adab, H. Modélisation de l'estimation de la récolte de colza d'automne à l'aide de la méthode de régression multivariée dans l'environnement SIG Étude de cas Sabzevar M.Sc. Thèse en Bibliothéconomie et Sciences de l'Information, Faculté des Sciences Humaines, Université Tarbiat Modares (2009).

En presian : Farajzadeh, M. Techniques climatiques. Publications Samat, 283 (2007).

Costa, LMD, Santos, GADA, Panosso, AR, Rolim, GDSR et Scala, NL Un modèle empirique pour estimer la concentration moyenne quotidienne de CO2 atmosphérique par colonne au-dessus de l'État de São Paulo, Brésil. Gestion du bilan carbone https://doi.org/10.1186/s13021-022-00209-7 (2022).

Article PubMed PubMed Central Google Scholar

En présian : Mousavi, SM, Falahatkar, S. & Farajzadeh, M. Enquête sur les changements mensuels de CO2 en Iran à l'aide des données satellitaires GOSAT. Première conférence internationale sur l'échantillonnage et la surveillance des polluants environnementaux (2016).

Guo, M., Wang, X., Li, J., Wang, H. & Tani, H. Distribution spatiale des concentrations de gaz à effet de serre dans les régions arides et semi-arides : une étude de cas en Asie de l'Est. J. Arid Environ. 91, 119–128. https://doi.org/10.1016/j.jaridenv.2013.01.001 (2013).

Annonces d'article Google Scholar

Abou Zaki, N., Torabi Haghighi, A., Rossi, PM, Tourian, MJ & Kløve, B. Surveillance de l'épuisement du stockage des eaux souterraines à l'aide des données de récupération par gravité et de l'expérience climatique (GRACE) dans le bassin versant de Bakhtegan en Iran. Eau 11, 1456. https://doi.org/10.3390/w11071456 (2019).

Article Google Scholar

Moshir Panahi, D., Kalantari, Z., Ghajarnia, N., Seifollahi-Aghmiuni, S. & Destouni, G. Variabilité et changement de l'hydroclimat et des ressources en eau de l'Iran sur une période récente de 30 ans. Sci. Rep. 10, 7450. https://doi.org/10.1038/s41598-020-64089-y (2020).

Article ADS CAS PubMed PubMed Central Google Scholar

Joodaki, G., Wahr, J. & Swenson, S. Estimation de la contribution humaine à l'épuisement des eaux souterraines au Moyen-Orient, à partir des données GRACE, des modèles de surface terrestre et des observations de puits. J. Resour d'eau. Rés. 50, 2679–2692. https://doi.org/10.1002/2013WR014633 (2014).

Annonces d'article Google Scholar

Shamsi, S. & Ghorbani, Z. Enquête sur les modifications du stockage de l'eau en Iran à l'aide des données GRACE et CHIRPS dans le système de moteur Google Earth. Int. Cambre. Photogramme. Sens à distance Spat. Inf. Sci. https://doi.org/10.5194/isprs-archives-XLII-4-W18-981-2019 (2019).

Article Google Scholar

Mirzaei, A., Saghafian, B., Mirchi, A. & Madani, K. Le lien entre les eaux souterraines, l'énergie et l'alimentation dans le secteur agricole iranien : implications pour la sécurité de l'eau. J. Water 11, 1835. https://doi.org/10.3390/w11091835 (2019).

Article Google Scholar

Cao, L. et al. La distribution spatio-temporelle globale de la concentration en CO2 de la moyenne troposphère et l'analyse des facteurs de contrôle. J. Remote Sens. 11, 94 (2019).

Annonces d'article Google Scholar

Wood, WW & Hyndman, DW Appauvrissement des eaux souterraines : une importante source non signalée de dioxyde de carbone atmosphérique. J. Earth Future 5, 1133–1135. https://doi.org/10.1002/2017EF000586 (2017).

Annonces d'article Google Scholar

Zhou, J. et al. Pourquoi l'effet du CO2 sur l'estimation de l'évapotranspiration potentielle devrait être pris en compte dans le climat futur. Eau 14, 986. https://doi.org/10.3390/w14060986 (2022).

Article CAS Google Scholar

Mousavi, SM, MobarghaeeDinan, N., Ansarifard, S. & Sonnentag, O. Analyse des schémas spatio-temporels de la concentration de dioxyde de carbone atmosphérique en Iran de 2003 à 2020. Atmos. Environ. 14, 100163. https://doi.org/10.1016/j.aeaoa.2022.100163 (2022).

Article CAS Google Scholar

Andrews, T. & Forster, PM La réponse transitoire des précipitations moyennes mondiales à l'augmentation des niveaux de dioxyde de carbone. J. Environ. Rés. Lett. 5, 025212. https://doi.org/10.1088/1748-9326/5/2/025212 (2010).

Article ADS CAS Google Scholar

Chadwick, R., Good, P., Andrews, T. & Martin, G. Les modèles de réchauffement de surface déterminent les réponses des modèles de précipitations tropicales au forçage du CO2 à toutes les échelles de temps. J. Geophys. Rés. Lett. 41, 610–615. https://doi.org/10.1002/2013GL058504 (2014).

Annonces d'article Google Scholar

Henning, I. & Henning, D. Évapotranspiration potentielle dans les géoécosystèmes de montagne de différentes altitudes et latitudes. J. Mt. Res. Dév. 1, 267–274 (1981).

Article Google Scholar

Ghorbani, A., Rahimpour, HR, Ghasemi, Y., Zoughi, S. & Rahimpour, MR Examen de la capture et de la séquestration du carbone en Iran : potentiel de biofixation des microalgues en Iran. Renouveler. Soutenir. Énergie Rev. 35, 73–100. https://doi.org/10.1016/j.rser.2014.03.013 (2014).

Article CAS Google Scholar

Oguntunde, PG, Friesen, J., van de Giesen, N. & Savenije, HH Hydroclimatologie du bassin de la Volta en Afrique de l'Ouest : Tendances et variabilité de 1901 à 2002. J. Phys. Chim. Parties de la Terre A/B/C 31, 1180–1188. https://doi.org/10.1016/j.pce.2006.02.062 (2006).

Annonces d'article Google Scholar

Tabari, H. & Marofi, S. Modifications de l'évaporation-bac dans l'ouest de l'Iran. J. Resour d'eau. Géré. 25 , 97–111 . https://doi.org/10.1007/s11269-010-9689-6 (2011).

Article Google Scholar

Chen, Y. et al. L'évapotranspiration accrue due aux modifications de la couverture terrestre a intensifié la crise de l'eau dans un bassin fluvial aride du nord-ouest de la Chine. J. Hydrol. 574, 383–397. https://doi.org/10.1016/j.jhydrol.2019.04.045 (2019).

Annonces d'article Google Scholar

Liao, D., Niu, J., Kang, S., Singh, SK et Du, T. Effets d'une élévation de CO2 sur l'évapotranspiration sur les terres agricoles du nord-ouest de la Chine. J. Hydrol. 593, 125858. https://doi.org/10.1016/j.jhydrol.2020.125858 (2021).

Article CAS Google Scholar

Zhuang, XW, Li, YP, Nie, S. & Huang, GH Modélisation des impacts du changement climatique sur les ressources en eau. 10e Int. Conf. Environ. Sci. Technol. 356, 7–9 (2019).

Google Scholar

Umair, M., Kim, D. & Choi, M. Impact du climat, augmentation du dioxyde de carbone atmosphérique et autres facteurs environnementaux sur l'efficacité de l'utilisation de l'eau pour plusieurs types de couverture terrestre. Sci. Rep. 10, 11644. https://doi.org/10.1038/s41598-020-68472-7 (2020).

Article CAS PubMed PubMed Central Google Scholar

Ougahi, JH, Cutler, EJ & Cook, MJ Évaluation des effets du changement climatique sur la végétation et l'hydrologie fluviale dans un bassin fluvial semi-aride. PLoS ONE 17(8), e0271991. https://doi.org/10.1371/journal.pone.0271991 (2022).

Article CAS PubMed PubMed Central Google Scholar

Télécharger les références

Cette recherche a été soutenue par la Fondation nationale des sciences de l'Iran (numéro de subvention 98020586). Tous les auteurs remercient toutes les organisations qui ont produit les produits de télédétection utilisés dans cette recherche, y compris la NASA pour les données GRACE/GRACE-FO Mascon, l'ECMWF pour les données ERA5 et l'Université de Brême pour le produit XCO2 Obs4MIPs.

Département des sciences de l'environnement, Faculté des ressources naturelles, Université Tarbiat Modares, Noor, Mazandaran, Iran

Samaneh Safaeian & Samereh Falahatkar

Institut de géodésie, Université de Stuttgart, Stuttgart, Allemagne

Mohammad J. Tourian

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Le nom des auteurs de la commande est : premier auteur : SS deuxième auteur : SF troisième auteur : MJT Déclaration de l'auteur : SF : Conceptualisation et superviseur de cette recherche dans l'analyse Mann-Kendal. SS : Faire cette recherche pour son Master of Science, écrire le brouillon original. MJT : Conseiller de cette recherche en analyse CCA et en utilisant les données GRACE.

Correspondance à Samereh Falahatkar.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournir un lien vers la licence Creative Commons et indiquer si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Safaeian, S., Falahatkar, S. & Tourian, MJ Observation par satellite du CO2 atmosphérique et de l'évolution du stockage de l'eau au-dessus de l'Iran. Sci Rep 13, 3036 (2023). https://doi.org/10.1038/s41598-023-28961-x

Télécharger la citation

Reçu : 24 mai 2022

Accepté : 27 janvier 2023

Publié: 21 février 2023

DOI : https://doi.org/10.1038/s41598-023-28961-x

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.