فهرست نشریات علمی دسترسی آزاد ایران

نوسانات جنوبی ال‌نینو (ENSO) به‌عنوان یکی از مهم‌ترین پدیده‌های دور پیوند جهان، تأثیرات گسترده‌ای بر الگوهای هواشناسی در مناطق مختلف، دارد. این پژوهش به بررسی تأثیر داده‌های تراز‌های بالاتر جو بر دقت پیش‌بینی فازهای ENSO با استفاده از مدل ترکیبیConvLSTM2D  در استان‌های جنوبی ایران پرداخته است. نتایج نشان‌دهنده نقش کلیدی داده‌های ترازهای بالای جو در بهبود پیش‌بینی فازهای ENSO است. داده‌های هواشناسی شامل ارتفاع ژئوپتانسیل، دما، رطوبت نسبی، رطوبت ویژه و مؤلفه‌های باد از مجموعه داده‌‌های بازتحلیل ERA5 (ECMWF Reanalysis v5) در چهار تراز فشار (1000، 850، 700 و 500 هکتوپاسکال) برای بازه زمانی 1994 تا 2023 استخراج شد. مدل پیشنهادی با ترکیب لایه‌هایConvLSTM2D، LSTM  و Dense طراحی گردید تا ویژگی‌های مکانی-زمانی پیچیده را استخراج کند و با استفاده از معیارهایی نظیر R²، MAE و MSE ارزیابی شود. نتایج نشان داد که افزودن داده‌های تراز‌های بالاتر جو (500 و 700 هکتوپاسکال) در مقایسه با تراز‌های نزدیک به زمین، دقت پیش‌بینی را به‌طور قابل‌توجهی افزایش می‌دهند. بهترین عملکرد مدل در تراز 500 هکتوپاسکال با تأخیر زمانی سه‌ماهه مشاهده شد (R² = 0.93 و MAE = 0.14)، که پایداری الگوهای جوی در این تراز و تأثیر تأخیر در بروز تغییرات جوی را تأیید می‌کند. تحلیل اهمیت ویژگی‌ها (Feature Importance) نیز نقش کلیدی متغیرهای دینامیکی (ارتفاع ژئوپتانسیل و مؤلفه افقی باد) و ترمودینامیکی (دما و رطوبت ویژه) را در تراز‌های میانی جو نشان داد. این پژوهش بر ضرورت استفاده از طیف گسترده داده‌های جوی و بهینه‌سازی افق زمانی در پیش‌بینی‌های اقلیمی تأکید دارد. نتایج پژوهش می‌تواند به بهبود مدیریت منابع آب و کاهش مخاطرات جوی در جنوب ایران کمک کند، هرچند چالش‌هایی مانند تفسیرپذیری مدل‌ها نیازمند تحقیقات بیشتر است. پیشنهاد می‌شود مدل‌های ترکیبی همراه با مکانیزم‌ توجه (Attention Mechanism)، که امکان تمرکز بر ویژگی‌های مهم‌تر را فراهم می‌سازد، به‌منظور افزایش دقت پیش‌بینی و ارتقاء عملکرد در کاربردهای عملی توسعه یابند.