بررسی اثرات تغییر اقلیم بر وضعیت دما و بارش با استفاده از شبکه عصبی و گزارش ششم IPCC (مطالعه موردی: ایستگاه‎های الشتر و خرم‎آباد)

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 459

This Paper With 25 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWIM-12-4_009

تاریخ نمایه سازی: 8 بهمن 1401

Abstract:

هدف از این پژوهش ارزیابی اثرات تغییر اقلیم بر دما، بارش و خشکسالی های آینده در ایستگاه های الشتر و خرم آباد می باشد، که به این منظور از خروجی مدل گردش عمومی MRI-ESM۲‎ مطابق جدیدترین گزارش‎ IPCC(گزارش ششم)‎ ‎و سناریوهای انتشار SSP ۱.۲.۶ ‎، SSP ۲.۴.۵‎، SSP ۳.۷.۰ ‎ و ‎ SSP ۵.۸.۵‎در این مناطق مطالعاتی استفاده شد. با کاربرد مدل درخت تصمیم (‎M۵ Tree‎)، غالب ترین متغیرهای پیشبینی کننده مدل MRI-ESM۲‎ انتخاب شدند. در ادامه متغیرهای پیشبینی کننده به عنوان ورودی در مدل ریزمقیاس نمایی آماری شبکه عصبی مصنوعی پیشرو‎ ‎(FFNN) قرار گرفتند و با الگوریتم بهینه سازی کرم شب تاب (FFA)، فرایند‎ ‎ریزمقیاس نمایی پارامترهای بارش، دمای حداکثر و دمای حداقل برای دوره پایه (۲۰۱۴-۱۹۷۰) با نتایج مطلوب انجام شد. پس از اثبات قابلیت مدل شبکه عصبی، پیشبینی تغییرات متوسط دما و بارش ماهانه در طی دوره های آینده نزدیک (۲۰۶۲-۲۰۲۳) و آینده دور (۲۱۰۰-۲۰۶۳) تحت سناریوهای خط سیرهای مشترک اجتماعی-اقتصادی (SSP) مربوط به مدل جفت شده فاز ششم (‎CMIP۶‎) به انجام رسید. به طورکلی، نتایج نشان داد که این متغیرها در هر دو دوره آتی در مقیاس ماهانه دارای نوسان های متعددی خواهند بود، به طوری که در دو ایستگاه الشتر و خرم‎آباد طی دوره های آینده نزدیک و آینده دور دمای حداکثر و دمای حداقل نسبت به دوره مشاهداتی در تمام سناریوهای SSP روندی افزایشی خواهند داشت و تغییرات دمای حداقل نسبت به دمای حداکثر بیش تر خواهد بود. در آینده نزدیک میانگین بارش سالانه ایستگاه الشتر بین سه دهم تا ۱۶ درصد و ایستگاه خرم آباد بین هفت تا ۱۲ درصد تحت سناریوهای SSP کاهش خواهد داشت. در آینده دور نیز میانگین بارش سالانه ایستگاه الشتر بین ۱۰ تا ۲۰ درصد و ایستگاه خرم آباد بین ۱۲ تا ۲۴ درصد تحت سناریوهای SSP کاهش خواهد داشت.

Keywords:

Authors

معین ایرانشاهی

گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران.

بهروز ابراهیمی

شرکت آب منطقه ای استان لرستان، ایران.

حسین یوسفی

گروه مهندسی منابع آب، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران.

علی مریدی

گروه مهندسی منابع آب، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Ali, N. M. S., Güven, A., & Al-Juboori, A. M. ...
  • Alizadeh Jabehdar, A., Asadi E., & Ghorbani, M. A. (۲۰۲۱). ...
  • Alizadeh Jabehdar, A. (۲۰۲۱). Simulation of the inlet runoff to Yamchi ...
  • Almazroui, M., Saeed, F., Saeed, S., Islam, M.N., Ismail, M., ...
  • Anh, Q. T., & Taniguchi, K. (۲۰۱۸). Coupling dynamical and ...
  • Ansari, S., Dehban, H., Zareian, M., & Farokhnia, A. (۲۰۲۲). ...
  • Asakereh, H., & Gholami, A. (۲۰۲۱). 'Simulating maximum temperature recorded ...
  • Aryal, A., Shrestha, S., & Babel, M.S. (۲۰۱۹). Quantifying the ...
  • Bates, B., Kundzewicz, Z., & Wu, S. (۲۰۰۸). Climate change ...
  • Bhattacharya, B., & Solomatine, D. P. (۲۰۰۶). Machine learning in ...
  • Bowden, G. J., Dandy, G. C., & Maier, H. R. ...
  • Chen, C., Kalra, A., & Ahmad, S. (۲۰۱۹). Hydrologic responses ...
  • Campozano, L., Tenelanda, D., Sanchez, E., Samaniego, E., & Feyen, ...
  • Danandeh Mehr, A., Sorman, A. U., Kahya, E., & Hesami ...
  • Dibike, B.Y., & Coulibaly, P. (۲۰۰۶). Temporal neural networks for ...
  • Fischer, G., Tubiello, F. N., Van Velthuizen, H., & Wiberg, ...
  • Fowler, H. J., Blenkinsop, S., & Tebaldi, C. (۲۰۰۷). Linking ...
  • García-García, A., Cuesta-Valero, F. J., Beltrami, H., & Smerdon, J. ...
  • Gidden, M. J., Riahi, K., Smith, S. J., Fujimori, S., ...
  • Ghorbani, M. A., Deo, R. C., Karimi, V., Yaseen, Z. ...
  • Haykin, S. (۱۹۹۶). Neural networks expand SP's horizons. IEEE Signal ...
  • Jato-Espino, D., Sillanpää, N., Charlesworth, S. M., & Rodriguez-Hernandez, J. ...
  • Kasiri, M., Goodarzi, M., Jnbaz Ghobadi, G. R., Motavali, S. ...
  • Kim, J. H., Sung, J. H., Chung, E. S., Kim, ...
  • Kisi, Ö. (۲۰۰۴). Multi-layer perceptrons with Levenberg-Marquardt training algorithm for ...
  • Laddimath, R. S., & Patil, N. S. (۲۰۱۹). Artificial neural ...
  • Mahdizadeh, S., Meftah halghi, M., Seyyed Ghasemi, S., & Mosaedi, ...
  • Nengker, T., Choudhary, A., & Dimri, P. (۲۰۱۸). Assessment of ...
  • Nie, S., Fu, S., Cao, W., & Jia, X. (۲۰۲۰). ...
  • Nourani, V., Rouzegari, N., Molajou, A., & Baghanam, A. H. ...
  • Nourani, V., Razzaghzadeh, Z., Baghanam, A. H., & Molajou, A. ...
  • Omidvar, E., Rezaei, M., & Pirnia, A. (۲۰۱۹). Performance Evaluation ...
  • O’Neill, B. C., Kriegler, E., Ebi, K. L., Kemp-Benedict, E., ...
  • Pal, M., Singh, N. K., & Tiwari, N. K. (۲۰۱۲). ...
  • Pearson, C. J., Bucknell, D., & Laughlin, G. P. (۲۰۰۸). ...
  • Quinlan, J. R. (۱۹۹۲). Learning with continuous classes. In ۵th ...
  • Rahimi, R., & Rahimi, M. (۲۰۱۸). 'Spatial and Temporal Analysis ...
  • Sarzaeim, P., Bozorg-Haddad, O., Bozorgi, A., & Loáiciga, H. A. ...
  • Sharafti, A., & Khazaei, M. (۲۰۱۷). Exploration of Randomness Characteristic ...
  • Teegavarapu, R. S., & Goly, A. (۲۰۱۸). Optimal selection of ...
  • Tripathi, S., Srinivas, V., & Nanjundiah, R.S. (۲۰۰۶). Downscaling of ...
  • Valipour, E., Ghorbani, M., & Asadi, E. (۲۰۱۹). Evaluation and ...
  • Witten, I. H., & Frank, E. (۲۰۰۶). Data mining: Practical ...
  • Yang, X. S. (۲۰۱۰). Firefly algorithm, stochastic test functions and ...
  • Yousefi, H., Pirbazari, S., Moridi, A., Khajehpour, H., Karbasi, H., ...
  • Zarrin, A., & Dadashi-Roudbari, A. (۲۰۲۲). Evaluation of CMIP۶ models ...
  • نمایش کامل مراجع