پهنه بندی فضایی بارش سالانه ایران با استفاده از مدل عصبی مصنوعی - فازی ANFIS-FCM

بارش یکی از مهم ترین فراسنج های آب و هوایی است که چگونگی پراکنش و مقادیر آن در نواحی مختلف، برایند روابط پیچیده خطی و غیرخطی بین عناصر جوی – فرایندهای اقلیمی و ساختار فضایی محیط سطح زمین است. طبقه بندی داده ها و قرارگیری آنها در پهنه های کوچک و متجانس می تواند در بهبود درک این روابط پیچیده و نتایج حاصل از آنها موثر باشد. در پژوهش حاضر با استفاده از داده های بارش سالانه ۳۴۲۳ ایستگاه همدیدی، اقلیم شناسی و باران سنجی ایران در دوره ۱۹۶۱ – ۲۰۱۵ و داده های ارتفاع، شیب، جهت شیب و تراکم ایستگاهی تلاش شد تا چگونگی پراکنش بارش کشور در ارتباط با عوامل محیطی پهنه بندی شده و مورد تحلیل قرار گیرد. بدین منظور بعد از استاندارد سازی و آماده سازی ماتریس داده ها، تعداد بهینه خوشه ها مشخص و مجموعه داده ها به مدل شبکه عصبی– فازی (ANFIS-FCM) وارد شد. بررسی نتایج نشان داد که مقادیر شاخص های   و MAE  به ترتیب ۰/۷۶ و ۰/۲۳ بوده که حاکی از دقت مناسب مدل است. همچنین مشخص شد در پهنه های چهارگانه خروجی مدل، عوامل محیطی از اثرگذاری بالایی در پراکنش فضایی فراسنج بارش برخوردار هستند. در پهنه های اول و سوم، ترکیب عوامل ارتفاع و شیب زیاد به همراه مجاورت جغرافیایی با سامانه های بارشی، موجب شده متوسط مقدار بارش سالانه در این پهنه ها به ترتیب ۳۱۸ و ۱۸۱ میلی متر باشد؛ در حالی که با تضعیف نقش عوامل محیطی در خوشه های دوم و چهارم، متوسط بارش سالانه به حدود ۱۰۰ میلی متر کاهش یافته است.

کلیدواژه ها:

Neural network ، Fuzzy logic ، Membership function ، Clustering ، Precipitation ، Iran. ، شبکه عصبی ، منطق فازی ، تابع عضویت ، خوشه بندی ، بارش ، ایران.