آوا غلامی

تغییرات اقلیمی، گرمایش جهانی و خشکسالی های اخیر طی سال های گذشته از جمله مهم ترین نگرانی های بشر در امور مدیریت و برنامه ریزی مبتنی بر دانسته های اقلیمی به حساب می آید. یکی از روش های بررسی تغییرات اقلیمی، استفاده از مدل های اقلیمی و ریزمقیاس نمایی است که امروزه این امر با استفاده از مدل های هوشمند و تجربی نظیر شبکه های عصبی مصنوعی از ارزش زیادی برخوردار است. هدف از این پژوهش، ریزمقیاس نمایی و شبیه سازی دمای بیشینه ایستگاه سینوپتیک قزوین با استفاده از روش شبکه عصبی مصنوعی و بهره گیری از نرم افزار MATLAB است. بدین منظور از داده های 26 عنصر جوّّّی برگرفته از مرکز ملی پیش بینی محیطی و مرکز ملی پژوهش های جوّّّی ( NCEP/NCAR ) و داده های دمای بیشینه ایستگاه سینوپتیک قزوین برای دوره آماری 2005-1961 و سناریوهای انتشار ( RCP ) خروجی مدل CanESM2   برای دوره آماری 2100-2006 استفاده گردید. در تحقیق حاضر از چهار روش پیش رونده، روش حذف پس رونده، نمایه کاهش درصدی و روش گام به گام به منظور پیش پردازش متغیرها و گزینش متغیرهای ورودی مدل استفاده شده است. سپس با بکارگیری آماره های ضریب همبستگی ( R ) و میانگین مربعات خطا ( MSE ) بهترین معماری شبکه طراحی گردید که طی آن با استفاده از روش پیش رونده، متغیرهای میانگین دما در ارتفاع نزدیک سطح زمین، میانگین فشار تراز دریا و ارتفاع تراز 500 و 850 هکتوپاسکال به عنوان متغیرهای پیش بینی کننده انتخاب شدند و در نهایت براساس آن، شبیه سازی انجام گرفت. پس از بررسی مقادیر شبیه سازی شده تحت سناریوهای RCP4.5 ، RCP2.6 و RCP8.5 مشخص شد که دمای ایستگاه سینوپتیک قزوین تا سال 2100 طی سناریوی RCP 2.6 نسبت به دوره پایه (2005-1961)، حدود 1.3 درجه سانتی گراد، طبق سناریوی RCP 4.5 به میزان 2.7 درجه سانتی گراد و مطابق سناریوی RCP 8.5 مقدار 4.1 درجه سانتی گراد افزایش خواهد داشت.