شبیه سازی عددی تغییرات آب و هوایی ایران با استفاده از الگوریتم شبکه‌های عصبی مصنوعی Journal Article

Writer: فرجی، مظفر ؛ خورشیددوست، علی محمد ؛ ساری صراف، بهروز ؛

Corresponding Author: رضایی بنفشه، مجید ؛

پژوهش های تغییرات آب و هوایی تابستان 1402 - شماره 14 (‎22 page(s) - From 43 to 64 )

Keywords: تغییرات آب‌وهوایی ایران الگوریتم شبکه‌های عصبی مصنوعی دما و بارش شبیه‌سازی عددی temperature and precipitation Key words: Numerical simulation climate changes in Iran artificial neural network algorithm بارش آب اقلیم شبیه‌سازی تغییـر تغییـرات دمـا و بـارش

fa en

Abstract:

هدف از این مطالعه شبیه سازی عددی و پیش بینی تغییرات آب‌وهوای ایران با تأکید بر دو پارامتر اقلیمی دما و بارش است. روش مورد استفاده این تحقیق الگوریتم شبکه‌های عصبی مصنوعی برای شبیه سازی متغیرهای دما و بارش 24 ساعته برحسب گام زمانی ماهانه در طی یک دوره 31 ساله نسبت به دوره پایه است. از تحلیل مانوا برای مقایسه میانگین تغییرات دما و بارش طی دوره مشاهده شده 2020-1990 و دوره شبیه سازی شده 2050-2020 استفاده شده است. نتایج مقایسه نشان می‌دهد، تفاوت معنی‌داری بین تغییرات دما و بارش 24 ساعته در ایستگاه‌های هواشناسی منتخب در ایران وجود دارد. مربع جزئی اتا محاسبه شده، تغییرات بارش و دمای ثبت شده به ترتیب برابر1/42 و 9/17 درصد، تغییرات بارش و دمای شبیه سازی شده نیز به ترتیب برابر6/41 و 1/18 درصد می‌باشد. بیشترین و کمترین بارش مشاهده شده در ماه‌های مارس و ژوئیه رخ داده است. شبیه‌سازی‌ها بیشترین و کمترین میزان بارش را برای ماه‌های مارس و اوت پیش‌بینی کردهاند. همچنین بیشترین و کمترین میانگین دمای مشاهده شده به ترتیب در ماه‌های ژوئیه و ژانویه رخ داده و شبیه سازی ها نیز این مقادیر را برای همین ماه ها پیش بینی کرده اند. نتایج مقایسه ایستگاه‌های هواشناسی منتخب طی دوره‌های مذکور نشان داد، بیشترین و کمترین مقادیر بارش مشاهده شده به ترتیب در ایستگاه‌های رشت ۹۵/۱۰۹و یزد ۳۶/۴ میلی‌متر ثبت شده و شبیه سازی ها نیز برای همین ایستگاه ها ۴۶/ ۱۱۲ و ۶۳/۵ میلی متر پیش‌بینی کرده اند. بیشترین و کمترین میانگین دمای مشاهداتی به ترتیب در ایستگاه‌های بندرعباس۹۹/۲۶ و اردبیل۳۶/۹درجه سانتی‌گراد ثبت شده و شبیه سازی ها نیز برای همین ایستگاه ها۱۰/۲۷و۴۵/۹ درجه سانتی‌گراد پیش‌بینی کرده ‌اند.

Temperature and precipitation are two important meteorological parameters, especially in arid and semi-arid regions. As a result, it is necessary to know the amount of these parameters, their changes and predict these phenomena, in order to have more accurate planning in the management of agricultural, economic and etc. The aim of this study is numerical simulation and forecasting of Iran's weather changes with emphasis on two climatic parameters of temperature and precipitation. The method used in this research is artificial neural network algorithm for simulating 24-hour temperature and precipitation variables by month during a 31-year period compared to the base period. Factorial variance analysis has been used to compare the average changes in temperature and precipitation during the observed period of 1990-2020 and the simulated period of 2020-2050. The comparison results show that there is no significant difference between temperature changes and precipitation in 24-hour selected meteorological stations in Iran. The computed Partial Eta Squared is 10.6 percent for temperature and 5.7 percent for precipitation. The highest and lowest precipitation observed occurred in the months of March and July. The simulations have predicted the highest and lowest precipitation for the months of March and August. Also, the highest and lowest observed temperatures occurred in the months of July and January, respectively, and the simulations predicted the same values for the same months. The highest and lowest observed precipitation values were recorded in Rasht 109.95 and Yazd 4.36 mm, respectively. The simulations predicted the highest and lowest amount of precipitation for the same stations as 112.46 and 5.63 mm. Also, the highest and lowest observed temperatures were recorded at Bandar Abbas 26.99 and Ardabil 9.36 Celsius degrees, respectively. The simulations have predicted these values 27.10 and 9.45 Celsius degrees, for the same stations, respectively.

Machine summary:

بنابراين ابتدا لـازم اسـت کـه حـدي دمـا و بـارش از جملـه افـزايش رونـد روزهـاي نقش دما و بارش با توجه به متکي بودن اقتصاد ايـران تابســتان(روزهــاي گــرم)، افــزايش روزهــاي خيلــي بر کشـاورزي تغييـرات آب و هـوايي ايـران بـه خـوبي مرطوب(بارش سنگين ) و روزهـاي خشـک متـوالي در بررســي شــده و بــراي دورههــاي آتــي بــا اســتفاده از ايسـتگاههاي منتخـب واقـع در غـرب و شـرق حوضـه الگوريتم شبکه هاي عصبي مصنوعي پيش بينـي شـوند ميباشـد؛ عسـاکره و ورناصـري قنـد علـي(١٣٩٨)، بـا تا بر اساس آن برنامه ريزيهاي لازم صـورت گيـرد کـه واکاوي تغييرات مقدار، فراواني، و شدت بـارش سـالانۀ تحقيق حاضر در همين راستا ميباشد و در پـي پاسـخ ناحيـۀ خـزري طـي دورة آمـاري ١٩٦٦-٢٠١٦ نشـان به اين سؤال اصلي ميباشد که آيا تغيير آب و هـوا بـر دادند که ميانگين بارش سالانه و فراواني آن به ترتيـب اساس دو پارامتر دما و بارش اتفاق افتاده است يا نه ؟ در ٤/٦١ درصــد و ١/٤٧ درصــد از پهنــه داراي رونــد رضايي بنفشه و همکاران (١٣٩٠) به بررسي رونـد افزايشي است . جهانبخش اصل و همکـاران (١٣٩٩) بـا دما و بارش هاي روزانه حدي در حوضه درياچه اروميه واکاوي تغييـرات زمـاني – مکـاني بارشهـاي بحرانـي پرداخته و نشان دادند کـه شـرايط اقليمـي طـي دوره (فـرين بالـا) در غـرب ايـران طـي سـالهاي ٢٠١٦ – مورد مطالعه در اين منطقـه تغييـر پيـدا کـرده اسـت . از تحليل مانوا حرارتي مارپيچي زمين -هـوا تحـت آب و هـواي گـرم براي مقايسه ميانگين تغييرات دما و بـارش طـي دوره پرداخته اند نتايج نشان داد که توزيع دمـاي گمانـه در مشاهده شده ٢٠٢٠-١٩٩٠ و دوره شبيه سـازي شـده جهت محوري در سطح بالايي بالاتر اسـت و سـپس بـا ٢٠٥٠-٢٠٢٠ استفاده شده است .

Download citation file :
(پژوهیار, , , )

Download PDF
Downlaod HTML

Shortlink:

Page: