چکیده:
خشکسالی یکی از رخدادهای جوی است که سبب بروز خسارات زیادی می شود. در این مطالعه از داده های سیگنال های بزرگ مقیاس اقلیمی استفاده شده است. سیگنال های بزرگ مقیاس اقلیمی یکی از عوامل و پارامترهایی هستند که می توانند در تحلیل تغییرات فصلی و سالانه بارش و دما موثر باشند. در این تحقیق از داده های ماهانه شاخص نوسان جنوبی (SOI)، شاخص (NAO) و پدیده ENSO در مناطق NINO3.4, NINO3, NINO4 و NINO1+2 استفاده شد. تمامی داده های مربوط به سیگنال های فوق از مرکز داده های آنالیز شده NCEP طی سال های 1960 تا 2000 دریافت گردید. برای تعیین مهمترین سیگنال های موثر بر بارش نواحی مختلف کشور از روش رگرسیون چند متغیره استفاده شد. نتایج تحلیل رگرسیونی نشان داد که تقریبا در تمامی ایستگاه های مورد مطالعه شاخص ENSO در مناطق NINO1+2، NINO3 پر اهمیت ترین سیگنال در بارش می باشد. در این تحقیق با استفاده از شبکه عصبی مصنوعی، پیش بینی بارش برای بازه های زمانی همزمان، سه ماه و شش ماه آینده انجام گردید. تحلیل نتایج خروجی مدل شبکه عصبی با داده های مشاهده ای نشان داد که طی فاز گرم ENSO و فاز منفی NAO شرایط ترسالی و طی فاز سرد ENSO و مثبت NAO شرایط خشکسالی در سطح ایران به وقوع می پیوندد.
خلاصه ماشینی:
"جدول 2:مدلهای انتخاب شده برای پیشبینی بارش با استفاده از شبکهی عصبی مصنوعی (به تصویر صفحه مراجعه شود) جدول 3:مقایسهی ضرایب همبستگی مدلهای پیشبینی بارش در حالت استفاده از سری کامل و سری حد نهایی دادهها(سطح اطمینان 95%) (به تصویر صفحه مراجعه شود) با توجه به نتایج همبستگی میتوان این فرضیه را قوت بخشید که سیگنالهای بزرگ مقیاس اقلیمی از طریق گردش عمومی جو و متأثر نمودن سیستمهای گردش عمومی جو بر بارش ایران و در نتیجه رخداد خشکسالیها و ترسالی تأثیر معنیداری دارند،همچنین بررسی مقادیر حدی دادههای بارش مشاهده شده با دادههای پیشبینی مدل شبکهی عصبی مصنوعی نشان میدهد که بارش ایران در سالهای همراه با وقوع پدیده النینو بیشتر از میانگین 30 ساله بوده و رابطهی همبستگی قویتری بین مقادیر برآورد شده و مشاهده شده حاکم میباشد.
با توجه به الگوی نقشه ملاحظه میشود که بیشترین ضریب همبستگی در ناحیهی شرق و شمال شرق کشور با تراز 5/0 شکل رگفته است؛به عبارتی بیشترین تأثیر سیگنالهای بزرگ مقیاس اقلیمی جهت پیشبینی بارش 6 ماه آینده مربوط به ناحیهی شمال و شرق کشور میباشد و کمترین تأثیر آن در ناحیه شمال و شرق دریای خزر با ضریب همبستگیی برابر با 2/0 به چشم میخورد و نشان میدهد که عوامل ورودی مدل شبکهی عصبی برای پیشبینی شش ماهه در حالت به- کارگیری از تمامی دادهها در این ناحیه از کشور کمترین تأثیر را در پیشبینیهای 6 ماههی بارش دارند."