مقایسه روشهای شبکهی عصبی مصنوعی و SDSM در ریزمقیاس کردن اندازهی بارش سالانه-ی شبیهسازی شده با HadCM3 (مطالعهی موردی: کرمان، راور و رابر)
نویسندگان
1 دانش آموخته کارشناسی ارشد، گروه مرتع و آبخیزداری ، دانشگاه زابل
2 استادیار، گروه مرتع و آبخیزداری دانشگاه زابل
3 دانشیار، گروه احیای مناطق خشک و کوهستانی ، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
4 کارشناس ارشد مرکز تحقیقات کشاورزی و منابعطبیعی استان کرمان
5 مربی گروه مهندسی برق و کامپیوتر، دانشگاه سیستان و بلوچستان
doi
چکیده
امروزه این باور وجود دارد که فعالیتهای انسانی، از جمله تغییر در پوشش و کاربری اراضی، موجب افزایش غلظت گازهای گلخانهای میگردد، که پیامد آن برهم خوردن توازن کارمایه، گرم شدن اتمسفر، و در نهایت پدیدهی تغییر اقلیم میباشد. پیشبینی بارندگی یکی از مهمترین مسائل در برنامهریزی و مدیریت منابع آب میباشد. در این پژوهش، اندازهی بارندگی ایستگاههای کرمان، راور و رابر با استفاده از خروجیهای شبیهHadCM3 ، تحت نمایشنامهی A2، و از طریق شبیههای ریز مقیاس کنندهی SDSM و شبکهی عصبی مصنوعی، برای سه دورهی 2039-2010، 2069-2040 و 2099-2070 میلادی پیشبینی شده است. ابتدا دورهی آماری 2001-1971، به عنوان دورهی پایه انتخاب شد. در ادامه، با توجه به معیارهای آماری، نتایج حاصل از دو شبیه مورد ارزیابی و مقایسه قرار گرفتند. یافتهها بیانگر عملکرد بالاتر شبیه شبکهی عصبی در ایستگاههای کرمان و راور میباشند. اندازهی بارندگی سالانه در ایستگاههای کرمان، راور و رابر تا سال 2099، در شبیه شبکهی عصبی به ترتیب 86/12، 68/11 و %39/11 و در شبیه SDSM 89/0، 48/18 و %55/1 نسبت به دورهی پایه کاهش می یابند.