Few studies have evaluated the impact of climate change on groundwater resources for a region with no pumping well. Indeed, the uncertainty of pumping wells may undesirably influence the results. Therefore, a region without any pumping well was selected to assess the impact of climate change on the karstic spring flow rates. NASA Earth Exchange Global Daily Downscaled Projections (NEX-GDDP) dataset was used to extract the climatic variables for the present (1961–1990) and future (2021–2050) time periods by two Representative Concentration Pathways (RCPs), i.e., RCP4.5 and RCP8.5, in Lali region, southwest Iran. Although this dataset has been already verified, its output was evaluated for Lali region. Then, the impact of climate change on the discharge of Bibitarkhoun karstic spring was examined by the Artificial Neural Network (ANN). In this regard, if considering the daily data, ANN is not trained satisfactorily, because of the spring’s lag time response to the precipitation; if monthly time step is considered, the data would not be adequate. Therefore, the average of some previous days was considered to calculate the variables. The average precipitation is 344, 329, and 324 mm/year and the average temperature is 14.18, 15.98, and 16.3 °C both for the present, future time period under RCP4.5 and future time period under RCP8.5, respectively. The network selected demonstrated no climate change impact on the average of spring discharge. However, the discharge increased by about + 8% in spring and summer and decreased by about − 7% in autumn and winter in the future time period.

中文翻译：

---

基于人工神经网络的气候变量预测气候变化下的岩溶泉水流量：以伊朗为例。

很少有研究评估气候变化对没有抽水井的地区的地下水资源的影响。确实，抽水井的不确定性可能会不希望地影响结果。因此，选择一个没有抽水井的区域来评估气候变化对岩溶泉水流量的影响。美国宇航局地球交换全球每日缩减投影（NEX-GDDP）数据集用于通过两个代表性集中路径（RCP），即RCP4，提取当前（1961-1990年）和未来（2021-2050年）时间段的气候变量。 5和RCP8.5，位于伊朗西南部的拉里地区。尽管此数据集已经过验证，但已对拉里地区的输出进行了评估。然后，通过人工神经网络（ANN）考察了气候变化对Bibitarkhoun岩溶泉水排放的影响。在这方面，如果考虑每日数据，则由于春季对降水的滞后时间响应，对ANN的训练并不令人满意。如果考虑每月时间步长，则数据将不足。因此，考虑前几天的平均值来计算变量。RCP4.5的当前，未来时间段和RCP8.5的未来时间段的平均降水量分别为344、329和324 mm / year，平均温度分别为14.18、15.98和16.3°C。所选网络表明气候变化对春季平均排放量没有影响。但是，在未来的某个时间段，春季和夏季的排放量增加了约8％，而秋季和冬季的排放量则减少了约7％。由于春季的滞后时间对降水的响应；如果考虑每月时间步长，则数据将不足。因此，考虑前几天的平均值来计算变量。RCP4.5的当前，未来时间段和RCP8.5的未来时间段的平均降水量分别为344、329和324 mm / year，平均温度分别为14.18、15.98和16.3°C。选定的网络表明气候变化对春季平均排放量没有影响。但是，在未来的某个时间段，春季和夏季的排放量增加了约8％，而秋季和冬季的排放量则减少了约7％。由于春季的滞后时间对降水的响应；如果考虑每月时间步长，则数据将不足。因此，考虑前几天的平均值来计算变量。RCP4.5的当前，未来时间段和RCP8.5的未来时间段的平均降水量分别为344、329和324 mm / year，平均温度分别为14.18、15.98和16.3°C。所选网络表明气候变化对春季排放量的平均值没有影响。但是，在未来的某个时间段，春季和夏季的排放量增加了约8％，而秋季和冬季的排放量则减少了约7％。考虑前几天的平均值来计算变量。RCP4.5的当前，未来时间段和RCP8.5的未来时间段的平均降水量分别为344、329和324 mm / year，平均温度分别为14.18、15.98和16.3°C。选定的网络表明气候变化对春季平均排放量没有影响。但是，在未来的某个时间段，春季和夏季的排放量增加了约8％，而秋季和冬季的排放量则减少了约7％。考虑前几天的平均值来计算变量。RCP4.5的当前，未来时间段和RCP8.5的未来时间段的平均降水量分别为344、329和324 mm / year，平均温度分别为14.18、15.98和16.3°C。选定的网络表明气候变化对春季平均排放量没有影响。但是，在未来的某个时间段，春季和夏季的排放量增加了约8％，而秋季和冬季的排放量则减少了约7％。