مهدیه فروزان مهر - دانشجوی دکترا منابع آب، دانشکده کشاورزی، دانشگاه بیرجند
مهدی امیرآبادی زاده - استادیار، عضو گروه پژوهشی خشکسالی و تغییر اقلیم دانشگاه بیرجند، بیرجند، ایران
مصطفی یعقوب زاده - دانشیار، عضو گروه پژوهشی خشکسالی و تغییر اقلیم دانشگاه بیرجند، بیرجند، ایران
سعیده حسین آبادی - دانشجوی دکترا منابع آب، دانشکده کشاورزی، دانشگاه بیرجند

باتوجه به روند فعلی افزایش انتشار گازهای گلخانه ای، تشدید گرمایش جهانی برای دهه های آینده غیرقابل انکار است؛ به طوری که تاثیر بسزایی بر روی منابع و پدیده های طبیعی و به همان نسبت بر روی فعالیت های انسانی می گذارند. تغییر اقلیم و گرم شدن کره زمین پیامدهای زیانباری بر منابع مختلف از جمله آب، پوشش گیاهی و سرانجام زندگی انسان دارد. اولین اثر تغییر اقلیم روی عناصر اتمسفری خصوصا دما و بارش می باشدو تقریبا بیشتر نمود تغییرات اقلیمی در سطح کره زمین بر روی این دو پارامتر متمرکز شده است. هدف از انجام پژوهش حاضر نیز پیش بینی دمای حداقل و حداکثر در ایستگاه سینوپتیک بندرانزلی تحت سناریو RCP۴/۵ توسط دو مدل شبکه عصبی مصنوعی و SDSM و مقایسه داده های حاصل از دو مدل بری دوره آتی( ۲۰۲۵-۲۰۴۴) با یکدیگر و با دوره پایه(۱۹۸۶-۲۰۰۵) و همچنین بررسی کارایی این دو مدل می باشد. براساس نتایج به دست آمده بهترین عملکرد برای ریزمقیاس نمایی داده های حداقل و حداکثر دما مربوط به مدل SDSM با همبستگی برابر با ۱ و میزان خطای ۵/۰ درجه سانتی گراد می باشد. همچنین تغییرات میانگین حداقل و حداکثر دمای ماهانه در ایستگاه سینوپتیک بندرانزلی در مدل ریزمقیاس نمایی SDSM برای میانگین حداقل دمای ماهانه نشان دهنده کاهش و برای میانگین حداکثر دمای ماهانه جز در در ماه های پنجم تا نهم نیز در دوره ۲۰۲۵-۲۰۴۴ نسبت به دوره پایه۱۹۸۶-۲۰۰۵ نشان دهنده کاهش می باشد. در مدل ANN، برای تمامی سال برای پارامتر میانگین حداقل دما ماهانه و برای میانگین حداکثر دما ماهانه در سه ماه ابتدایی و پایانی سال، نسبت به دوره پایه روند کاهشی نشان داده شده است.

ریزمقیاس نمایی، SDSM، ANN.