عبدالله صداقت کردار
ابراهیم فتاحی

    خشکسالی یکی از رخدادهای جوی است که سبب بروز خسارات زیادی می­شود. در این مطالعه از داده­های سیگنال­های بزرگ مقیاس اقلیمی استفاده شده است. سیگنال­های بزرگ مقیاس اقلیمی یکی از عوامل و پارامترهایی هستند که می­توانند در تحلیل تغییرات فصلی و سالانه­ی بارش و دما موثر باشند. در این تحقیق از داده­های ماهانه­ی شاخص نوسان جنوبی (SOI)، شاخص (NAO) و پدیده ENSOدر مناطقNINO۳.۴, NINO۳, NINO۴ و NINO۱+۲ استفاده شد. تمامی داده­های مربوط به سیگنال­های فوق از مرکز داده­های آنالیز شده NCEP طی سال­های ۱۹۶۰ تا ۲۰۰۰ دریافت گردید. برای تعیین مهمترین سیگنال­های موثر بر بارش نواحی مختلف کشور از روش رگرسیون چندمتغیره استفاده شد. نتایج تحلیل رگرسیونی نشان داد که تقریبا در تمامی ایستگاه­های مورد مطالعه شاخص ENSOدر مناطقNINO۱+۲،  NINO۳پراهمیت­ترین سیگنال در بارش می­باشد. در این تحقیق با استفاده از شبکه­­ی عصبی مصنوعی، پیش­بینی بارش برای بازه­های زمانی همزمان، سه ماه و شش ماه آینده انجام گردید. تحلیل نتایج خروجی مدل شبکه عصبی با داده­های مشاهده­ای نشان داد که طی فاز گرم ENSO و فاز منفی NAO شرایط ترسالی و طی فاز سرد ENSO و مثبت NAO شرایط خشکسالی در سطح ایران به وقوع می­پیوندد.

شبکه های عصبی مصنوعی, سیگنال های هواشناسی, خشکسالی, رگرسیون چندمتغیره, نوسان اطلس شمالی, شاخص نوسان جنوبی