پیش بینی اثرات تغییراقلیم بر پارامترهای هواشناسی طبق برونداد مدل های GCM به کمک شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه سینوپتیک شیراز)

با توسعه فناوری و صنعتی شدن جوامع بشری، افزایش گازهای گلخانه ای بروز تغییرات آب و هوایی در سطح زمین و اثرات زیان بار آن (سیل و خشکسالی) بر زندگی بشر و منابع محرز گشته است. کسب اطلاعات از اثر محتمل تغییر اقلیم بر پارامترهای هواشناسی از اهمیت و ضرورت خاص برخوردار است. در این مطالعه سعی بر آن شد که به شیوه جامع با استفاده از ارزیابی مدل های گردش عمومی جو (۱۲ مدل) و ریزمقیاس نمایی برونداد آنها (با کمک شبکه عصبی پرسپترون چندلایه) اثر محتمل تغییرات اقلیم بر پارامترهای هواشناسی شهر شیراز مشخص شود. نتایج ارزیابی ها (MSE، RMSE و R) در دوره پایه ۱۹۸۶-۲۰۰۵ گواه برتری دو مدل CanESM۲ و HadGEM۲CC بود. درنتیجه، تحت دو سناریو RCP۴.۵ و RCP۸.۵ پیش بینی های CanESM۲ برای دوره های ۲۰۲۶-۲۰۴۵ و ۲۰۴۶-۲۰۶۵ نشان دهنده کاهش بارش (به ترتیب ۱۹-۱۱ و ۳۶-۲۱ درصد)، افزایش دمای کمینه (۱-۴/۰ و ۲-۷/۰ درجه سلسیوس)، افزایش دمای بیشینه (۱-۵/۰ و ۹/۰-۸/۱ درجه سلسیوس)افزایش میزان تابش خورشیدی (۷/۰-۳۵/۰ و ۶/۰-۱/۱ کیلووات ساعت بر مترمربع درروز) و پیش بینی های HadGEM۲CC نشان دهنده کاهش بارش (به ترتیب ۱۶-۷ و ۳۵-۱۶ درصد)، افزایش دمای کمینه (۹/۰-۳/۰ و ۷/۱-۷/۰ درجه سلسیوس)، افزایش دمای بیشینه (۱/۱-۴/۰ و ۸/۱-۹/۰ درجه سلسیوس) و افزایش میزان تابش خورشیدی (۸/۰-۳/۰ و ۳/۱-۸/۰ کیلووات ساعت بر مترمربع درروز) خواهد بود.

کلیدواژه ها:

اقلیم شیراز ، ریز مقیاس نمایی ، پرسپترون ، CanESM۲ ، Hadgem۲cc