پیش بینی پیامدهای تولیدی تغییر اقلیم در بخش کشاورزی و اقتصاد ایران با استفاده از مدل های هوش مصنوعی

مهم ترین چالش زیست محیطی حاضر پدیده تغییر اقلیم است. این چالش به ویژه در کشورهای در حال توسعه مانند ایران که از ظرفیت پایینی برای مقابله با این پدیده برخوردار هستند از شدت بیشتری برخوردار است. مدل ها و روش های متعددی برای ارزیابی اثرات اقتصادی و زیست محیطی تغییر اقلیم به کار گرفته شده است. در حوزه اقتصاد، اغلب مدل های مورد استفاده پیچیده و مبتنی بر داده های بسیار زیاد هستند. به بیان دیگر افزون بر مهم ترین متغیر بیانگر تغییر اقلیم یعنی ناهنجاری دما باید متغیرها و داده های اقتصادی و زیست محیطی زیادی در قالب الگوهای ریاضی علت و معلولی به کار گرفته شود. این مطالعه با هدف امکان سنجی یافتن مدل های جایگزین با استفاده از الگوهای مبتنی بر یادگیری ماشین و هوش مصنوعی انجام شد. داده های مورد استفاده برای دوره ۲۰۲۱-۲۰۶۰ است که اثرات تولیدی تغییر اقلیم را در سطح کل اقتصاد ایران و زیر بخش های منتخب کشاورزی ارائه کرده است. سناریوهای تغییر دما نیز شامل سه سناریو SSP۲-۴.۵، SSP۳ و SSP۵-۸.۵ می باشد. طیف متنوعی از مدل های مبتنی بر هوش مصنوعی مورد استفاده قرار گرفت. بر اساس یافته های مطالعه مشخص گردید با استفاده از متغیر ناهنجاری دما امکان پیش بینی زیان تولید ناخالص داخلی ایران با خطای پیش بینی کمتر از ۵ درصد توسط مدل های MLP و جنگل تصادفی و ترکیب آن ها وجود دارد. در مورد زیربخش های کشاورزی که با استفاده از مدل هیبرید پیش بینی صورت گرفت این خطا در موارد متعددی کمتر از ۳ درصد ارزیابی شد. همگنی متغیرهای ترکیب شده می تواند این دقت را افزایش دهد. در خصوص محصولات کشاورزی مشخص گردید که مدل های ترکیب شده قادر هستند در سطح بالای ناهنجاری دما نیز با دقت بالا میزان زیان را پیش بینی نمایند. با توجه به دقت بسیار مطلوب و سرعت بالای دسترسی به پیش بینی های قابل اتکا با استفاده از مدل های مبتنی بر هوش مصنوعی، استفاده از این مدل ها به ویژه ترکیب مدل های MLP و جنگل تصادفی توصیه می شود.

کلیدواژه ها:

ناهنجاری ، دما ، زیان ، تولیدی ، یادگیری ماشین