بررسی نحوه اثرگذاری فاکتورهای پدیده دورپیوند مادن-جولیان (MJO) بر پیش بینی میزان بارش: مطالعه موردی حوضه گاماسیاب

بارش یکی از اجزای اصلی بیلان منابع آب بوده و پیش بینی آن میتواند در مدیریت تامین آب کشاورزی مدیریت منابع آب موجود در مخازن سدها و ... مفید باشد. درخت تصمیم به عنوان یکی از مدلهای پیشبینی، کارایی زیادی در این زمینه دارد و به تولید قانون میانجامد. در این پژوهش جهت رسیدن به اهداف از مدل درخت تصمیم جهت پیشبینی بارش به منظور بررسی نحوه اثرگذاری فاکتورهای پدیده دورپیوند مادن-جولیان (MJO) بر پیشبینی میزان بارش حوضه گاماسیاب استفاده شده است. در این پژوهش مقدار ضریب تعیین برابر با 0/2 و مقدار میانگین مربعات خطا برابر با 5 میباشد. در واقع این ضریب بیان میکند که مدل مورد استفاده با در نظر گرفتن فاکتورهای MJO، توانسته است 20 درصد از تغییرات بارش را توضیح دهد. فاکتور سال، بیشترین تاثیر را بر بارش این منطقه دارد که حدود 35/6 درصد از کل پیشبینی مدل را شامل میشود. با این وجود، اثرگذاری فاکتور سال دارای نوسانات بسیار زیادی بوده به نحوی که در برخی سالها اثر بسیار بالا و در سالهای دیگر اثر بسیار ضعیفی داشته است. این مساله باید در ارتباط با وجود سایر فاکتورهای مورد مطالعه در هر سال تبیین شود. در واقع شدت و میزان فاکتورهای MJO در هر سال است که بر بارش اثر میگذارد. بنابراین فاکتور سال به خودی خود معرف نیست و تنها نشانهای از شدت یا ضعیف بودن فاکتورهای موثر بر بارش در سال مورد نظر است. بعد از فاکتور سال، مهمترین عامل ماه است که 23/1 درصد از کل تغییرات را نشان میدهد. فاکتور روز 22/8 درصد، فاکتور RMM1 حدود 10 درصد، فازحدود 4/4 درصد، RMM2 حدود 2/7 درصد و در آخر کمترین میزان تاثیر شاخص MJO بر بارش این حوضه مقدار فاکتور amplitude است که در حدود 1/4 درصد میباشد و میتوان گفت حضور این فاکتور در بحث پیشبینی بارش بی اثر است. چرا که این فاکتور متشکل از دو فاکتور RMM1 و RMM2 است که تاثیرات این دو فاکتور بر بارش منطقه، از قبل قابل مشاهده میباشد.

کلیدواژه ها:

پدیده ی دورپیوند نوسانهای مادن-جولیان (MJO) ، فاکتورهای نوسانهای مادن-جولیان ، پیشبینی میزان بارش توسط الگوریتم درختهای رگرسیونی تقویت شده (GBM) ، حوضه آبریز گاماسیاب.