ارائه مدل ریزمقیاس نمایی داده های اقلیمی براساس روش ناپارامتریک نزدیکترین همسایگی (K-NN)

مدل های گردش عمومی (GCMs-General Circulation Models) مناسبترین ابزار برای مطالعه پدیده تغییر اقلیم شناخته شده اند. اما این مدل ها به شبیه سازی پارامتر های اقلیمی در مقیاس بزرگ می پردازند که این مقیاس ها برای شبیه سازی فرایندهایی از جمله مدل های باران-رواناب کارایی ضعیفی دارد. ازاین رو روش های مختلف ریزمقیاس نمایی ایجاد و توسعه یافتند. در این پژوهش مدل ریزمقیاس نمایی، براساس روش ناپارامتریک نزدیکترین همسایگی (K-Nearest Neighbor -K-NN) ارائه شده است. در ادامه برای ارزیابی کارایی مدل، داده های بارش روزانه برای دوره آتی (۲۰۴۴-۲۰۱۵) در ایستگاه اهواز تحت سه سناریوی تغییر اقلیم بر اساس خروجی سه مدل HadCM۳، NCARPCM و CSIROMK۳.۵ تحت سناریوی انتشار A۲ شبیه سازی شده است. نتایج نشان داد که مدل ارائه شده توانایی بالایی در ریزمقایس نمایی داده های اقلیمی دارد. همچنین برای ایستگاه اهواز احتمال وقوع رگبارها با شدت بیشتر در دوره آتی افزایش یافته در حالیکه طول دوره های خشک نیز طولانی تر خواهد شد.

کلیدواژه ها:

تغییر اقلیم ، روش نزدیکترین همسایگی (K-NN) ، ریزمقیاس نمایی ، مدل های گردش عمومی (GCMs)