وحید ورشاویان

در این پژوهش اثر نوسانات الگوهای دورپیوند در جابه جایی تاریخ رخداد اولین و آخرین یخبندان پاییزه و بهاره بررسی شد. این محاسبات در 12 ایستگاه سینوپتیک کشور برای مدت 31 سال (۱۹۸۵-2015) انجام شده است. برای بررسی همبستگی شاخص های دورپیوند و دمای کمینه، از دو سناریو (با و بدون تأخیر زمانی) استفاده شد. تأثیرگذارترین الگوی شناسایی شده بر یخبندان دیر رس بهاره در مقیاس ماهانه (بدون تأخیر) شاخص NAO- (ضریب همبستگی 767/0) در ماه فوریه و مربوط به ایستگاه اصفهان است و مؤثرترین شاخص اثر گذار بر یخبندان زود رس پاییزه AMO+ (ضریب همبستگی 732/0) در مقیاس ماهانه (بدون تأخیر) سپتامبر و مربوط به ایستگاه همدان به دست آمد. جابه جایی تاریخ ها در اولین یخبندان پاییزه و آخرین یخبندان بهاره در فاز النینو نسبت به نرمال زودتر و در فاز لانینا نسبت به نرمال دیرتر شروع می شود. همبستگی بین فازهای النینو، لانینا، و نرمال با دمای کمینه نشان داد فاز لانینا تأثیر گذاری بیشتری در دمای کمینه داشته است. به طور کلی، نتایج نشان داد جابه جایی تاریخ های رخداد اولین و آخرین یخبندان پاییزه و بهاره در ایستگاه های موردمطالعه با تعدادی از شاخص های دورپیوند مانند AMO، SOI، NAO، AO، و MEI مرتبط است.

در این پژوهش، برای اولین بار در ایران، تابش کل خورشیدی (GSR) با به کارگیری داده های ساعتی رطوبت خاک و بدون استفاده از داده های ساعت آفتابی و مقدار ابرناکی برآورد شد. بدین منظور، از هشت متغیر روزانه شامل میانگین دمای هوا، بیشینه دما، کمینه دما ، فشار هوا، رطوبت نسبی هوا، بارندگی، دمای میانگین خاک، و رطوبت خاک در کنار تابش کل روزانه در ایستگاه تحقیقاتی هواشناسی دانشگاه بوعلی سینا در یک دوره 435روزه (ثبت شده توسط واقعه نگاشت GEONICA) و مدل های رگرسیون خطی، سیستم استنتاج عصبی- فازی تطبیفی (ANFIS)، شبکه عصبی پرسپترون چندلایه (MLP)، و شبکه عصبی رگرسیون تعمیم یافته (GRNN) استفاده شد. نمونه های ورودی- هدف به دو صورت تصادفی و غیرتصادفی وارد مدل ها شد که نتایج گواه بر دقت بهتر مدل ها در نمونه های تصادفی شده تحت شرایط استفاده از کل متغیرها به عنوان ورودی بود. بررسی ها حاکی از برتری مدل MLP با 04/3RMSE= مگاژول بر متر مربع در روز و %33/86=R2 بود. افزون براین، به کارگیری کمترین متغیرهای هواشناسی شامل سه متغیر دمای میانگین هوا، رطوبت نسبی هوا، و دمای خاک در مدل GRNN توانست با 45/3RMSE= مگاژول بر مترمربع در روز و %52/82R2= عملکرد بسیار مطلوبی در تخمین GSR ارائه دهد. رگرسیون خطی چند متغیره نیز فقط توانست یافتن ورودی ها را تسهیل کند.