پیش بینی مقادیر دما و بارش استان اصفهان براساس دو مدل ریزمقیاس نمایی Lars_WG و SDSM و روش شبکه عصبی مصنوعی
برای آگاهی از وضعیت یک ایستگاه محلی با استفاده از (GCMs) نیاز است که مدل ها براساس رفتارهای محلی داده های ایستگاه عمل کنند، بنابراین ریزمقیاس سازی انجام می گیرد. در این مطالعه با استفاده از مدل های SDSM، LARS_WG و روش شبکه عصبی مصنوعی به وسیله داده های مشاهداتی به دست آمده از 6 ایستگاه سینوپتیک استان اصفهان به پیش بینی دما و بارش این ایستگاه ها از سال 1384 تا سال 1428 پرداخته شده است. ضریب همبستگی پیرسون (r) و ضریب تعیین (2 R) بین داده های مشاهداتی و داده های سناریوهای منتخب در تمامی ایستگاه ها بالای 0.6 است. نتایج به دست آمده نشان می دهند که مدل SDSM برای پیش بینی دما نسبت به دو مدل دیگر کارایی بیشتری دارد، همچنین براساس نتایج به دست آمده دمای استان اصفهان از سال 1384 تا سال 1428 افزایش تدریجی داشته و در سال 1384 دارای کمترین مقدار و در سال 1426 بیشترین مقدار را داشته است و اختلاف دمای این سال ها تقریبا برابر2.3 درجه سانتی گراد است و تغییرات بارش تقریبا همانند تغییرات فعلی است و در سال 1402 و 1406 بیشترین مقدار بارش را خواهیم داشت که در ایستگاه داران که بارندگی بیشتری نسبت به دیگر ایستگاه ها دارد، تقریبا برابر 2.5 میلیمتر خواهد بود و بنابراین استان اصفهان نیازمند راهکارهای مدیریتی مناسب برای کاهش مصرف آب است که از احتمال وقوع کم آبی و خشکسالی در سال های پیش رو جلوگیری به عمل آید.
دما ، بارش ، شبکه عصبی مصنوعی ، SDSM ، LARS-WG
پرداخت حق اشتراک به معنای پذیرش "شرایط خدمات" پایگاه مگیران از سوی شماست.
اگر عضو مگیران هستید:
اگر مقاله ای از شما در مگیران نمایه شده، برای استفاده از اعتبار اهدایی سامانه نویسندگان با ایمیل منتشرشده ثبت نام کنید. ثبت نام
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.