پیش بینی مقادیر دما و بارش استان اصفهان براساس دو مدل ریزمقیاس نمایی Lars_WG و SDSM و روش شبکه عصبی مصنوعی

برای آگاهی از وضعیت یک ایستگاه محلی با استفاده از (GCMs) نیاز است که مدل ها براساس رفتارهای محلی داده های ایستگاه عمل کنند، بنابراین ریزمقیاس سازی انجام می گیرد. در این مطالعه با استفاده از مدل های SDSM، LARS_WG و روش شبکه عصبی مصنوعی به وسیله داده های مشاهداتی به دست آمده از ۶ ایستگاه سینوپتیک استان اصفهان به پیش بینی دما و بارش این ایستگاه ها از سال ۱۳۸۴ تا سال ۱۴۲۸ پرداخته شده است. ضریب همبستگی پیرسون (r) و ضریب تعیین (۲ R) بین داده های مشاهداتی و داده های سناریوهای منتخب در تمامی ایستگاه ها بالای ۰.۶ است. نتایج به دست آمده نشان می دهند که مدل SDSM برای پیش بینی دما نسبت به دو مدل دیگر کارایی بیشتری دارد، همچنین براساس نتایج به دست آمده دمای استان اصفهان از سال ۱۳۸۴ تا سال ۱۴۲۸ افزایش تدریجی داشته و در سال ۱۳۸۴ دارای کمترین مقدار و در سال ۱۴۲۶ بیشترین مقدار را داشته است و اختلاف دمای این سال ها تقریبا برابر۲.۳ درجه سانتی گراد است و تغییرات بارش تقریبا همانند تغییرات فعلی است و در سال ۱۴۰۲ و ۱۴۰۶ بیشترین مقدار بارش را خواهیم داشت که در ایستگاه داران که بارندگی بیشتری نسبت به دیگر ایستگاه ها دارد، تقریبا برابر ۲.۵ میلیمتر خواهد بود و بنابراین استان اصفهان نیازمند راهکارهای مدیریتی مناسب برای کاهش مصرف آب است که از احتمال وقوع کم آبی و خشکسالی در سال های پیش رو جلوگیری به عمل آید.

Keywords:

دما , بارش , شبکه عصبی مصنوعی , SDSM , LARS-WG