ریزمقیاس نمایی داده های GCM به کمک روش شبکه عصبی مصنوعی (ANN)

در دهه های اخیر تغییر اقلیم بویژه گرمایش زمین از مسائل مهمی است که جامعه جهانی با آن مواجه است. این مسئلهعامل مخرب و تهدید کننده ای برای زندگی بشر است. لذا پیش بینی تغییرات اقلیمی در آینده امری ضروری به حساب می آید .یکی از روش های پیش بینی تغییرات اقلیم، استفاده از خروجی مدل های گردش عمومی هوا (GCM) است . ولی با توجه به قدرتتفکیک پایین این مدل ها، قابل استفاده برای مطالعات محلی و ایستگاهی نمی باشند . به منظور افزایش قدرت تفکیک، خروجی اینمدل ها ریزمقیاس می گردند . در این تحقیق از داده های مشاهداتی بارش ماهانه ایستگاه های امامه در دوره آماری 2005-1980 و داده های پیش بینی مدل CanESM2 در گزارش پنجم سازمان بین المللی تغییر اقلیم، برای ارزیاابی قابلیت شبکه های عصبیمصنوعی (ANN) جهت ریزمقیاس سازی خروجی مدل های GCM استفاده گردیده است که نتایج رضایت بخش بوده است.

کلیدواژه ها:

کلمات کلیدی: تغییر اقلیم ، ریزمقیاس نمایی ، امامه ، ANN ، CanESM2 ، GCM