رضا نوروز ولاشدی - Sari Agricultural Sciences and Natural Resources University
جلیل هلالی - Department of Irrigation and Reclamation Engineering, faculty of agricultural engineering and technology, University of Tehran, Karaj, Iran.

چکیده مبسوط مقدمه و هدف: الگوهای دورپیوندی یکی از عوامل موثر هیدروکلیماتولوژیکی در پیش بینی بارش، دما و دبی در مقیاس بزرگ می باشند. از طرفی، مدیریت جامع و یکپارچه منابع آب ایجاب می کند که بتوان متغیرهای بارشی و درنتیجه دبی حاصل از رواناب آن را پیش بینی نمود. الگوهای دورپیوندی از دیدگاه دینامیکی و سینوپتیکی می توانند بر الگوی بارشی مناطق مختلف موثر باشند. هدف از این پژوهش بررسی ارتباط دقیق این شاخص ها با بارش پاییزه حوضه دریای کاسپین و پیش بینی آن با استفاده از مدل های آماری است. مواد و روش ها: بر این اساس در این مطالعه زیرحوضه های دریای کاسپین انتخاب شده و بارش فصل پاییز در دوره ۲۸ ساله ۱۹۸۷ تا ۲۰۱۵ محاسبه شد. سپس همبستگی شاخص های MEI، SOI، NCP، NAO، AO، CSST، P-SST و MSST با بارش پاییزه در گام های زمانی July، Aug، Sep، Oct، Nov، Summer، Aug-Sep-Oct و Sep-Oct-Nov محاسبه و مهم ترین آن ها که بالاترین همبستگی را داشتند به عنوان ورودی به مدل های مختلف در نظر گرفته شد. در نهایت پیش بینی بارش پاییزه با استفاده از یک مدل آماری و سه مدل هوش مصنوعی با ساختار متفاوت انجام شده است. یافته ها: نتایج این پژوهش نشان داد الگوهای دورپیوندی متنوعی بسته به نوع زیر حوضه و گام زمانی تاثیرگذار بوده اند. نتایج پیش بینی نشان داد اختلاف داده های مشاهداتی و مدل شده در دوره آموزش ناچیز و در دوره آزمون تا حدودی افزایش یافته و به حدود ۲۵/۷- تا ۴۷/۶ میلی متر در کل زیرحوضه ها رسیده است. بررسی نوع مدل پیش بینی کننده اثبات نمود دو مدل SVR و MLP دقت بالاتری از دو مدل GRNN و MLR داشته اند به طوری که جذر میانگین مربعات خطا به وسیله مدل SVR در زیرحوضه های ارس، اترک، هراز-سفیدرود، قره سو-گرگان، هراز-قره سو، سفیدرود و تالش به‎ترتیب ۶/۱۸، ۷/۳۴، ۳۵/۴۴، ۱۸/۲۵، ۱۹/۵۸، ۱۷/۶۸ و ۴۷/۲۲ میلی متر و ضریب تبیین نیز به‎ترتیب ۰/۹۴، ۰/۹۱، ۰/۹۲، ۰/۸۴، ۰/۸۸، ۰/۸۸ و ۰/۸۷ بود. نتیجه ­گیری: به طور کلی نتایج به دست آمده نشان از ارتباط قوی بین شاخص های دورپیوندی با بارش پاییزه در حوضه مورد مطالعه دارد. ازجمله آن ها می توان به شاخص های NAO، SOI، AO و دمای سطح دریای کاسپین و مدیترانه در تاخیرهای زمانی مختلف اشاره نمود. با این نتایج می توان جهت پیش بینی و مدیریت دقیق تر منابع آبی حوضه دریای کاسپین گام برداشت.  

Caspian Sea Sub-Basin, MEI, SOI, Statistical Models, Teleconnection Patterns, الگوهای دور پیوندی, حوضه دریای کاسپین, مدل های آماری, MEI,  SOI