مقایسه دو روش نرو فازی و ASD در پیش بینی تغییرات اقلیمی (مطالعه موردی: ایستگاه سینوپتیک کرمان)

یکی از روش ھای پیش بینی تغییرات اقلیمی استفاده از داده ھای بدست آمده از خروجی مدل ھای جھانی اقلیم GCM است. قدرت تفکیک مدل ھای جھانی اقلیم به حدود 40.000 کیلومتر مربع می رسد. فاصله زیاد گره ھای شبکه از یکدیگر استفاده از خروجی این مدل ھا را محدود می سازد. این تحقیق با استفاده از داده ھای GCM و NCEP انجام و از روش ریز مقیاس نمایی آماری برای مدل سازی چھار پارامتر بارندگی روزانه، درجه حرارت میانگین، درجه حرارت حداکثر و درجه حرارت حداقل و بارش روزانه استفاده شده است. ریز مقیاس نمایی آماری به کمک مدل نرو فازی و (ASD (Automated Statistical Downscaling برای دوره 30 ساله (2000-1971) در ایستگاه سینوپتیک کرمان انجام شده است. از 15 سال اول داده ھا (1985-1971) برای واسنجی و محاسبه ضرایب مدل و از 15 سال دوم (2000-1986) برای ارزیابی نحوه ی عملکرد مدل استفاده شده است. یکی از مھمترین مراحل انجام ریزمقیاس نمایی آماری انتخاب متغیرھای غالب می باشد، برای انتخاب متغیرهای غالب از ترکیب روش الگوریتم ژنتیک و ASD استفاده شده است. مقادیر کم واریانس توضیح داده شده مدل ھای بارندگی بیانگر پیچیده تر بودن پدیده بارندگی نسبت به دما می باشد. با استفاده از داده ھای نسل سوم مدل جھانی اقلیم (CGCM3A2) پارامترھای درجه حرارت بارندگی برای دوره ھای سی ساله (2040-2011) و (2070-2041) و (2100-2071) پیش بینی و با دوره سی ساله (2000-1971) مقایسه شد است. نتایج حاصل نشان می دھند که تطابق بسیار خوبی بین شاخص ھای محاسبه شده بر اساس خروجی مدل ھای نرو فازی و مقادیر مشاھداتی وجود دارد. نتایج افزایش درجه حرارت حداکثر و میانگین را در تمام ماه ھای سال برای دوره ھای اقلیم آینده نسبت به دوره (2000-1971) نشان می دھد، در حالی که درجه حرارت حداقل در بعضی موارد روند نزولی داشته است. برخلاف درجه حرارت، بارندگی روند یکسانی در دروه ھای مختلف ندارد. ھمچنین نتایج حاصله از عملکرد شاخص ھای بارش با استفاده از مدل نرو فازی نشان داد که این مدل نسبت به مدل ASD که مدلی خطی است، ضعیف تر عمل می کند.

کلیدواژه ها:

تغییرات اقلیمی ، ریز مقیاس نمایی آماری ، الگوریتم ژنتیک ، نروفازی ، ASD