نوع مقاله : مقاله پژوهشی

نویسندگان

• محمد حسین جهانگیر ¹
• سید محمد احسان عظیمی ²

¹ گروه انرژی نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

² گروه انرژی نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران،تهران، ایران

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 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.

کلیدواژه‌ها

• ریز مقیاس نمایی آماری
• دما میانگین روزانه
• سناریو های تغییر اقلیم
• استان اردبیل

عنوان مقاله [English]

Performance evaluation of the of different Artificial intelligence approaches in temperature microscaling (Study area: Ardabil province)

نویسندگان [English]

• Mohammad Hossein Jahangir ¹
• Seyed Mohammad Ehsan Azimi ²

¹ University of Tehran

² University of Tehran

چکیده [English]

Background and purpose: Long-term and short-term weather forecasting has been one of the challenges for researchers in the field of climate and climate. Therefore, in order to overcome this challenge, several tools have been developed and presented. Atmospheric public circulation models are among the tools that have received much attention from researchers in recent years for long-term weather forecasting. Taking into account several aspects, these models produce different large-scale spatial forecast scenarios that need to be micro-scaled according to the meteorological characteristics of each region. In this study, the efficiency of exponential microscale models was investigated using different artificial intelligence approaches to predict the average daily temperature of three synoptic stations in Ardabil province.Materials and Methods: Large-Scale Predictive Parameters of the Statistical Period 1961 to 2003 from the National Environmental Prediction Centers (NCEP) Database, Large Scale Data of the HadCM3 Model A1B and A2 Predictive Scenarios in the 2001 to 2100 Statistical Period from the Center Canadian Climate Assessment and Modeling called CCCma and meteorological data of Ardabil stations have been received from the Meteorological Organization. In this study, three methods of statistical microscaling (SDSM), support vector machine least squares (LS-SVM) and multilayer perceptron (MLP) were used for exponential microscaling. The performance of various exponential microscale approaches was evaluated based on CC, MSE, RMSE, NMSE, Nash-Sutcliffe, MAE and Taylor diagrams.Results and Discussion: Based on the obtained results, the MLP model based on the average of the stations has the best result with the values (CC = 0.85), (NMSE = 0.63), (NSH = 0.73) and (MAE = 0). / 52) and are in the second and third ranks of LS-SVM and SDSM models, respectively. Based on the evaluation of the models in the Taylor diagram, the SDSM model performed much worse than the other two models, and the results of the LS-SVM and MLP models were slightly similar. Also, based on the results of exponential microscale and temperature forecast until 2100, a relative increase in temperature has been estimated.Conclusion: MLP model compared to other models in all stations of Ardabil province has a higher ability in microscaling. Also, in the exponential micro-scale of temperature using the MLP model based on the mentioned scenarios in all stations until 2100, an increase in the average daily temperature is predicted. Therefore, it is necessary to prepare the 100-year vision document for land management in this region, its temperature conditions should be taken into account to prevent possible damage.

کلیدواژه‌ها [English]

• Statistical exponential micro-scale
• daily average temperature
• climate change scenarios
• Ardabil province