پیش بینی تغییرات اقلیمی با استفاده از الگوریتم نرو فازی مطالعه موردی : ایستگاه های تهران و تبریز

مدل های جهانی اقلیم GCMs به علت قدرت تفکیک مکانی پایین، قابل استفاده در مطالعات منطقه یی نیستند. به همین منظور از روش هایی موسوم به ریز مقیاس نمایی آماری برای تبدیل خروجی مدل های GCM به مقیاس منطقه یی و محلی استفاده می شوند. در این پژوهش با استفاده از الگوریتم نرم فازی ANFIS و روش خوشه بندی فازی داده ها FCM، به مدل سازی اقلیمی در تهران و تبریز پرداخته شده است. برای پایداری مدلف 100 سناریو شبیه سازی شده است میانگین دمای بیشینه در ایستگاه تهران در دوره ی پایه ی 1961-1990، 22/48 درجه ی سانتی گراد است و در هر یک از دوره های 2011-2040، 2070 و 2071 -2100 به ترتیب 23/52، 25/05، 26/27 درجه ی سانتی گراد پیش بینی شده است بارش روزانه در این ایستگاه در دوره های پایه و اینده به ترتیب 0/63، 1/1، 1، 1/17 میلی متر در روز به دست آمده است. در ایستگاه تبری، میانگین دمای بشینه 17، 18/31، 19/81 و 21/30 درجه ی سانتی گراد و میانگین بارش روزانه 0/84، 0/60، 0/47، 0/33 میلی متر در روز به ترتیب برای هریک از دوره های مدل سازی حاصل شده است نتایج، نشان دهنده ی افزایش درجه ی حرارت بیشینه در هر دو ایستگاه و رفتار متفاوت بارش است.

کلیدواژه ها:

تغییرات اقلیمی ، مدل های جهانی اقلیم ، ریز مقیاس نمایی آماری ، نرو فازی ، نسل سوم مدل های جهانی اقلیم کانادا