ارزیابی پس پردازش دمای میانگین ماهانه خروجی مدل جهانی Era5 و مدل اقلیمی منطقه ای RegCM4 با استفاده از الگوریتم یادگیری عمیق: مطالعه موردی ایستگاه فرودگاهی بجنورد

دما از عناصر مهم مورد مطالعه در تغییرات اقلیمی است. امروزه سرعت افزایش درجه حرارت در مقایسه با گذشته افزایش چشمگیری یافته است. نگرانی گسترده درباره ی گرمایش جهانی ناشی از انتشار گازهای گلخانه ای در جو زمین، حس کنجکاوی دانشمندان را برای بررسی سری های زمانی دما و آشکارسازی روندهای منطقی در طی چنددهه ی اخیر، برانگیخته است. در این مقاله برآنیم تا دمای میانگین ماهانه ایستگاه فرودگاهی بجنورد را با استفاده از روش های نوین پیش بینی نماییم. با توجه به اینکه مدل های عددی همواره با خطا همراه هستند، لذا در اینجا پارامتر دمای میانگین ماهانه دو مدل جهانی و منطقه ای ERA5 و REGCM4 را با استفاده از جدیدترین الگوریتم شبکه عصبی به نام یادگیری عمیق، پس پردازش می نماییم. در نهایت با مقایسه داده های پس پردازش شده دمای میانگین ماهانه دو مدل مذکور با داده های واقعی ایستگاه سینوپتیک فرودگاهی بجنورد به این نتیجه رسیدیم که پس پردازش مدل اقلیمی منطقه ای RegCM4 توسط روش یادگیری عمیق دارای بیشترین میزان همبستگی با داده های واقعی دمای میانگین ماهانه می باشد.

کلیدواژه ها:

مدل جهانی ERA5 ، مدل منطقه ای REGCM4 ، دمای میانگین ماهانه ، و الگوریتم یادگیری عمیق.