پیش بینی اثرات تغییراقلیم بر پارامترهای هواشناسی طبق برونداد مدل های GCM به کمک شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه سینوپتیک شیراز)

با توسعه فناوری و صنعتی شدن جوامع بشری، افزایش گازهای گلخانه ای بروز تغییرات آب و هوایی در سطح زمین و اثرات زیان بار آن (سیل و خشکسالی) بر زندگی بشر و منابع محرز گشته است. کسب اطلاعات از اثر محتمل تغییر اقلیم بر پارامترهای هواشناسی از اهمیت و ضرورت خاص برخوردار است. در این مطالعه سعی بر آن شد که به شیوه جامع با استفاده از ارزیابی مدل های گردش عمومی جو (12 مدل) و ریزمقیاس نمایی برونداد آنها (با کمک شبکه عصبی پرسپترون چندلایه) اثر محتمل تغییرات اقلیم بر پارامترهای هواشناسی شهر شیراز مشخص شود. نتایج ارزیابی ها (MSE، RMSE و R) در دوره پایه 1986-2005 گواه برتری دو مدل CanESM2 و HadGEM2CC بود. درنتیجه، تحت دو سناریو RCP4.5 و RCP8.5 پیش بینی های CanESM2 برای دوره های 2026-2045 و 2046-2065 نشان دهنده کاهش بارش (به ترتیب 19-11 و 36-21 درصد)، افزایش دمای کمینه (1-4/0 و 2-7/0 درجه سلسیوس)، افزایش دمای بیشینه (1-5/0 و 9/0-8/1 درجه سلسیوس)افزایش میزان تابش خورشیدی (7/0-35/0 و 6/0-1/1 کیلووات ساعت بر مترمربع درروز) و پیش بینی های HadGEM2CC نشان دهنده کاهش بارش (به ترتیب 16-7 و 35-16 درصد)، افزایش دمای کمینه (9/0-3/0 و 7/1-7/0 درجه سلسیوس)، افزایش دمای بیشینه (1/1-4/0 و 8/1-9/0 درجه سلسیوس) و افزایش میزان تابش خورشیدی (8/0-3/0 و 3/1-8/0 کیلووات ساعت بر مترمربع درروز) خواهد بود.