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

یکی از روش های پیش بینی تغییرات اقلیمی استفاده از داده های بدست آمده از خروجی مدل های جهانی اقلیم GCM است. قدرت تفکیک مدل های جهانی اقلیم به حدود 000/40 کیلومتر مربع می رسد. فاصله زیاد گره های شبکه از یکدیگر استفاده از خروجی این مدل ها را محدود می سازد. این تحقیق با استفاده از داده های NCEP و GCM انجام و از روش ریز مقیاس نمایی آماری برای مدلسازی چهار 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 دوره30 ساله (2000-1971) در ایستگاه سینوپتیک کرمان انجام شده است. از 15 سال اول داده ها (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 مهم ترین مراحل انجام ریزمقیاس نمایی آماری انتخاب متغیرهای غالب می باشد، برای انتخاب متغیر های غالب از ترکیب روش الگوریتم ژنتیک و ASD استفاده شده است. مقادیر کم واریانس توضیح داده شده مدل های بارندگی بیانگر پیچیده تر بودن پدیده بارندگی نسبت به دما می باشد. با استفاده از داده های نسل سوم مدل جهانی اقلیم (CGCM3A2) پارامترهای درجه حرارت و بارندگی برای دوره های سی ساله (2040-2011)، (2070-2041) و (2100-2071) پیش بینی و با دوره سی ساله (2000-1971) مقایسه شده است. نتایج حاصل نشان می دهند که تطابق بسیار خوبی بین شاخص های محاسبه شده بر اساس خروجی مدل های نرو فازی و مقادیر مشاهداتی وجود دارد. نتایج افزایش درجه حرارت حداکثر و میانگین را در تمام ماه های سال برای دوره های اقلیم آینده نسبت به دوره (2000-1971) نشان می دهد، در حالیکه درجه حرارت حداقل در بعضی موارد روند نزولی داشته است. برخلاف درجه حرارت، بارندگی روند یکسانی در دروه های مختلف ندارد. همچنین نتایج حاصله از عملکرد شاخص های 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.