چشم انداز تغییرات اقلیمی در بندرانزلی با استفاده از دو مدل ریزمقیاس نمایی SDSM و شبکه عصبی مصنوعی

باتوجه به روند فعلی افزایش انتشار گازهای گلخانه ای، تشدید گرمایش جهانی برای دهه های آینده غیرقابل انکار است؛ به طوری که تاثیر بسزایی بر روی منابع و پدیده های طبیعی و به همان نسبت بر روی فعالیت های انسانی می گذارند. تغییر اقلیم و گرم شدن کره زمین پیامدهای زیانباری بر منابع مختلف از جمله آب، پوشش گیاهی و سرانجام زندگی انسان دارد. اولین اثر تغییر اقلیم روی عناصر اتمسفری خصوصا دما و بارش می باشدو تقریبا بیشتر نمود تغییرات اقلیمی در سطح کره زمین بر روی این دو پارامتر متمرکز شده است. هدف از انجام پژوهش حاضر نیز پیش بینی دمای حداقل و حداکثر در ایستگاه سینوپتیک بندرانزلی تحت سناریو RCP۴/۵ توسط دو مدل شبکه عصبی مصنوعی و SDSM و مقایسه داده های حاصل از دو مدل بری دوره آتی( ۲۰۲۵-۲۰۴۴) با یکدیگر و با دوره پایه(۱۹۸۶-۲۰۰۵) و همچنین بررسی کارایی این دو مدل می باشد. براساس نتایج به دست آمده بهترین عملکرد برای ریزمقیاس نمایی داده های حداقل و حداکثر دما مربوط به مدل SDSM با همبستگی برابر با ۱ و میزان خطای ۵/۰ درجه سانتی گراد می باشد. همچنین تغییرات میانگین حداقل و حداکثر دمای ماهانه در ایستگاه سینوپتیک بندرانزلی در مدل ریزمقیاس نمایی SDSM برای میانگین حداقل دمای ماهانه نشان دهنده کاهش و برای میانگین حداکثر دمای ماهانه جز در در ماه های پنجم تا نهم نیز در دوره ۲۰۲۵-۲۰۴۴ نسبت به دوره پایه۱۹۸۶-۲۰۰۵ نشان دهنده کاهش می باشد. در مدل ANN، برای تمامی سال برای پارامتر میانگین حداقل دما ماهانه و برای میانگین حداکثر دما ماهانه در سه ماه ابتدایی و پایانی سال، نسبت به دوره پایه روند کاهشی نشان داده شده است.

کلیدواژه ها:

ریزمقیاس نمایی ، SDSM ، ANN.