میلاد علیزاده جبه دار - دانشجوی کارشناسی ارشد منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
اسماعیل اسدی - استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
محمدعلی قربانی - استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

با توجه به اهمیت پدیده تغییر اقلیم ۱به عنوان یکی از دلایل ا صلی نگرانیهای مرتبط با منابع آب، در این تحقیق از مدل شبکه عصبی مصنوعی (ANN) به جهت ریزمقیاس نمایی آماری خروجی مدل اقلیمی فاز ششم (ACCESS-ESM۱.۵) CMIP۶ تحت سناریوهای گزارش ارزیابی ششم IPCC و بررسی تغییرات متوسط ماهانه دما و بارش آینده نزدیک (۲۰۲۱-۲۰۶۰) در محدوده مطالعاتی ایستگاه سینوپتیک اردبیل استفاده گردید. از آنجایی که یکی از موضوعات مهم در بحث ریزمقیاس نمایی آماری مدلهای GCM، انتخاب غالب ترین متغیرهای پیش بینی کننده بزرگ مقیاس از میان تعداد زیادی از پیش بینی کننده ها میباشد، روش استخراج ویژگی درخت تصمیم (M۵) در طی دوره پایه (۱۹۷۶-۲۰۱۴) بکارگرفته شد. نتایج ریزمقیاس نمایی آماری در دوره پایه نشان داد که مدل M۵ عملکرد مطلوبی خصوصا برای پارامتر دما با توجه به مقادیر شاخص PCC برابر با ۰/۹۵ (دما) و ۰/۷۲ (بارش) دا شته ا ست. عملکرد مطلوب مدل ANN در ریزمقیاسنمایی دما و بارش دوره پایه با مقادیر شاخص های PCC و RMSE به ترتیب برابر با ۰/۹۴ و ۲/۵۹ درجه سانتیگراد (دما) و ۰/۶۲و ۹/۴۳ میلیمتر در ماه (بارش) در مرحله صحت سنجی، به اثبات رسید. بنابراین، پیشبینی تغییرات متوسط دما و بارش ماهانه در طی سالهای ۲۰۲۱-۲۰۶۰ با استفاده از مدل آموزش مبتنی بر ANN به انجام رسید. نتایج حاصل از بررسی تغییرات متوسط دما و بارش سالانه در محدوده مطالعاتی شهرستان اردبیل نشان داد که این متغیرها در ۴۰ سال آتی روندی افزایشی خواهند داشت. بیشترین تغییرات افزایشی دما و بارش سالانه نیز به ترتیب به میزان ۸/۸۲ و ۵/۶۷ درصد تحت سناریوهای SSP۲-۴.۵ و SSP۵-۸.۵ ثبت گردید. همچنین نتایج نشاندهنده وقوع فصول گرمتر و با بارش بیشتری به ترتیب در تابستان و زمستان بوده است.

تغییر اقلیم، شبکه عصبی مصنوعی، گزارش ارزیابی ششم، سناریوهای SSP، CMIP۶