ایستگاه سینوپتیک قزوین

شبیه سازی وقوع بارندگی، به ویژه برای بازتولید اطلاعات مفقود شده و مدیریت منابع آب، فرایندی سودمند است. در این مطالعه، ارزیابی عملکرد مدل های احتمالاتی مختلف در شبیه سازی توزیع دوره های خشک و مرطوب ایستگاه سینوپتیک قزوین به چهار روش انجام گرفت: 1) برازش بهترین مدل بر اطلاعات هر ماه؛ 2) برازش توزیع هندسی بر اطلاعات هر ماه؛ 3) برازش بهترین مدل بر اطلاعات سه ماهه و 4) برازش بهترین مدل بر اطلاعات فصلی. نتایج این مطالعه نشان داد که در شبیه سازی طول دوره های خشک، مدل های سه پارامتری (به ویژه ترکیب دو توزیع هندسی و ترکیب توزیع هندسی و پوآسون) در مقابل مدل های یک پارامتری و دو پارامتری، به عنوان بهترین مدل انتخاب شدند. این مسأله، نشان از عملکرد بهتر این مدل ها در شبیه سازی سری هایی با دوره های طولانی تر دارد؛ زیرا در شبیه سازی سری طول دوره های مرطوب که شامل دوره های کوتاه تری است مدل های یک پارامتری در بیشتر ماه های سال، به عنوان مدل های برتر انتخاب شدند. خطای تمامی روش ها (RMSE و MAE) در شبیه سازی طول دوره های مرطوب با آغاز دوره ی خشک، افزایش یافته و با آغاز دوره ی مرطوب، رو به کاهش می روند. این مسأله در مورد دوره های خشک نیز صادق است، به گونه ای که خطای تمامی روش ها در دوره ی مرطوب سال، بیشتر است. همچنین در شبیه سازی طول دوره های خشک، عملکرد روش های اوّل و دوم (ماهانه) در حفظ آماره های سری مشاهداتی بهتر از روش های دیگر بوده، اما در شبیه سازی طول دوره های مرطوب، روش های سوم (دوره های سه ماهه) و چهارم (فصلی) عملکرد بهتری داشتند. در شبیه سازی احتمال انتقال از یک روز خشک، روش اوّل و در شبیه سازی احتمال انتقال از یک روز مرطوب، روش سوم بهترین نتایج را ارائه دادند.

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.