حسین عساکره - استاد اقلیم شناسی دانشگاه زنجان، زنجان، ایران
نرگس حسامی - دانشجوی دکتری تغییرات آب و هوایی دانشگاه زنجان، زنجان، ایران

با توجه به تغییرات اقلیمی و گرمایش جهانی، پیش­بینی دمای بیشینه و کمینه که از مهم ترین پارمترهای اقلیمی است، فرصت مناسبی را برای برنامه­ریزی و ارائه تمهیدات لازم در اختیار برنامه­ریزان قرار می دهد. در این پژوهش با استفاده از مدل ریزگردانی آماری دینامیک (SDSM) و مدل ریزگردانی براساس شبکه عصبی مصنوعی (ANN) بیشینه و کمینه دمای ایستگاه اصفهان شبیه­سازی شد. در این راستا از داده­های مرکز ملی پیش بینی محیطی (NCEP) به عنوان متغیرهای پیش­بین جهت واسنجی و ارزیابی مدل استفاده شد و از داده­های HadCM۳ تحت دو سناریوی A۲ و B۲ جهت شبیه­سازی دمای کمینه و بیشینه ایستگاه اصفهان طی سه دوره زمانی ۲۰۱۶-۲۰۴۰، ۲۰۴۱-۲۰۷۰ و ۲۰۷۱-۲۰۹۹ استفاده شد. نتایج نشان داد که دمای بیشینه و کمینه طی دوره های یاد شده افزایش چشم گیری خواهند داشت. به گونه­ای که بر اساس سناریوی B۲ و در هر دو مدل شبکه عصبی و SDSM تا سال ۲۰۹۹ نسبت به دوره پایه، میانگین سالانه دمای کمینه ۳۸/۲ و ۲۲/۳ درجه و دمای بیشینه ۴۳/۳ و ۲۲/۴ درجه سلسیوس افزایش خواهد یافت. بر اساس این پژوهش، مدل شبکه عصبی مصنوعی نتایج قابل قبول­تری را نشان داد.

مدلسازی, SDSM, شبکه عصبی مصنوعی, دما, اصفهان