محمد حسین جهانگیر؛ سید محمد احسان عظیمی
چکیده
سابقه و هدف: پیش بینی بلند و کوتاه مدت وضعیت آب و هوا از جمله چالش هایی محققان حوزه های آب و اقلیم بوده است. لذا به منظور فائق آمدن بر این چالش، ابزار های متعددی توسعه و ارائه شده است. مدل های گردش عمومی جوی-اقیانوسی از جمله ابزرا هایی است که در سال های اخیر به منظور پیش بینی بلند مدت اب و هوا قرار بسیار مورد توجه محققان گرفته ...
بیشتر
سابقه و هدف: پیش بینی بلند و کوتاه مدت وضعیت آب و هوا از جمله چالش هایی محققان حوزه های آب و اقلیم بوده است. لذا به منظور فائق آمدن بر این چالش، ابزار های متعددی توسعه و ارائه شده است. مدل های گردش عمومی جوی-اقیانوسی از جمله ابزرا هایی است که در سال های اخیر به منظور پیش بینی بلند مدت اب و هوا قرار بسیار مورد توجه محققان گرفته است. این مدل ها با در نظر گرفتن جنبه های متعددی به تولید سناریو های مختلف پیش بینی در مقیاس مکانی بزرگ میپردازند که نیاز است بنا به خصوصیات هواشناسی در هر منطقه، این سناریو ها ریزمقیاس شوند. در این مطالعه، کارایی مدل های ریز مقیاس نمایی با استفاده از رویکرد های مختلف هوش مصنوعی به منظور پیش بینی دمای میانگین روزانه سه ایستگه سینوپتیک استان اردبیل، مورد بررسی قرار گرفت.مواد و روش ها: پارامتر های پیش بینی کننده بزرگ مقیاس دوره آماری 1961 تا 2003 از پایگاه داده مراکز ملی پیش بینی محیط زیست (NCEP) ، داده های بزگ مقیاس سناریو های پیش بینی A1B و A2 مدل HadCM3 در دوره آماری 2001 تا 2100 از مرکز ارزیابی و مدلسازی اقلیم کانادا موسوم به CCCma و داده های هواشناسی ایستگاه های اردبیل از سازمان هواشناسی دریافت شده است. در این مطالعه سه روش ریزمقیاس نمایی آماری (SDSM)، حداقل مربعات ماشین بردار پشتیبان (LS-SVM) و پرسپترون چند لایه (MLP)برای ریز مقیاس نمایی مورد استفاده قرار گرفت. کارایی رویکرد های مختلف ریز مقیاس نمایی بر اساس سنجنده های آماری CC، MSE، RMSE، NMSE، Nash-Sutcliffe، MAE و دیاگرام تیلور مورد ارزیابی قرار گرفت. نتایج و بحث: بر اساس نتایج بدست آمده، مدل MLP بر اساس میانگین ایستگاه ها بهترین نتیجه را با مقادیر (CC=0/85)، (NMSE=0/63)، (NSH=0/73) و (MAE=0/52) کسب کرده و در رتبه های دوم و سوم به ترتیب مدل های LS-SVM و SDSM قرار گرفته اند. بر اساس ارزیابی مدل ها در دیاگرام تیلور نیز مدل SDSM با اختلاف بسیار نسبت به دو مدل دیگر ضعیف تر عملکرده است و نتایج دو مدل LS-SVM و MLP با اختلاف کمی با یکدیگر شباهت داشته اند. همچنین بر اساس نتایج ریزمقیاس نمایی و پیش بینی دما تا سال 2100 افزایش نسبی دما ارزیابی شده است.نتیجه گیری: مدل MLP نسبت به سایر مدل ها در تمامی ایستگاه های استان اردبیل از توانایی بالاتری در ریزمقیاس نمایی برخوردار بوده است. همچنین در ریزمقیاس نمایی دما با استفاده از مدل MLP بر اساس سناریو های مذکور در تمامی ایستگاه ها تا سال 2100 افزایش دمای میانگین روزانه پیش بینی شده است. لذا لازم است تا در تهیه سند چشم انداز 100 ساله برای آمایش سرزمین در این منطقه، شرایط دمایی آن نیز لحاظ شود تا از بروز خسارات احتمالی جلوگیری شود.
