Asakare H, motalebizad S. Comparing the performance of the SDSM models and those based on artificial neural networks in predicting the changes in minimum temperatures (station in case: urmia). MJSP 2017; 21 (4) :140-160
URL:
http://hsmsp.modares.ac.ir/article-21-16468-fa.html
1- استاد اقلیم شناسی دانشگاه زنجان
2- دانشجوی دکتری آب و هواشناسی شهری دانشگاه زنجان
چکیده: (3330 مشاهده)
تغییرات آب و هوایی اشاره به تغییرات در میانگین یا تنوع در ویژگیهای آب و هوایی دارد که همچنان در حال حاضر برای دوره های طولانی ادامه خواهد داشت که نتیجه تغییر طبیعی و فعالیتهای انسانی است. در پژوهش حاضر به منظور شبیهسازی تغییرات دمای حداقل از دادههای دمای حداقل و مدلهای گردش عمومی جو استفاده شد بررسی عملکرد مدل ها با ضریب همبستگی و ریشه میانگین مربعات خطا صورت گرفت. در این مطالعه سال 1961-1990 به عنوان سال پایه و بررسی تغییرات دما در دهههای آینده در سه دوره 2011-2040،2041-2070 و 2071-2099 انجام گرفت. نتایج پژوهش نشان داد که در دهه های آینده دماهای حداقل روندی کاهشی دارند. دماهای حداقل برآورد شده در دوره شبیهسازی برای دوره پایه برآورد مدل SDSM و شبکه عصبی مصنوعی در ماه ژانویه 1.8 و 2.3 درجه سانتی گراد نسبت به داده مشاهده شده اختلاف داشته است. در ژانویه بر اساس برآوردهای دو مدل سالهای 2011-2040 دما به میزان 3.3 درجه سانتی گراد افزایش دما برای سال های 2041 تا 2070 حدود 4.7 و برای بازه ی زمانی 2071 تا 2099 حدود 5.05 درجه افزایش خواهد یافت. بر اساس این تحقیق مدل SDSM نسبت به شبکه عصبی نتایج نزدیک به واقعیت را نشان داد.
نوع مقاله:
علمی پژوهشی مستقل |
موضوع مقاله:
مدلها، تکنیک ها و روش های برنامه ریزی دریافت: 1395/10/28 | پذیرش: 1396/10/12 | انتشار: 1398/10/19