ارزیابی شاخص های اقلیمی استان تهران به روش برنامه ریزی ژنتیک

تحقیق بر روی اثرات هیدرولوژیکی تغییرات آب و هوایی در مقیاس محلی نیاز به تکنیک های ریز مقیاس نمایی دارد. ریز مقیاس نمایی آماری رابطه ای بین پارامترهای بزرگ مقیاس اقلیمی و متغیرهای محلی مانند بارندگی و دما برقرار می کند و سپس تغییرات اقلیمی با استفاده از خروجی مدلهای اقلیم جهانی پیش بینی می شوند. به دلیل وجود عدم قطعیت در تکنیک های مدل سازی و داده های مورد استفاده، پیش بینی تغییرات اقلیمی می بایست با استفاده از روشها و داده های مختلف انجام شود. در این مطالعه ریز مقیاس نمایی آماری با استفاده از الگوریتم تکاملی برنامه ریزی ژنتیک (GP) و نرم افزار ASD برای بارش در ایستگاه تهران مورد بررسی قرار گرفت. برای ارزیابی کارایی مدل های ریز مقیاس نمایی تعدادی از شاخص های آماری و اقلیمی بارندگی شامل: میانگین بارش، انحراف معیار، تعداد روزهای خشک متوالی، صدک 90 ام بارش روزانه و درصد روزهای بارندگی مورد استفاده قرار گرفت. مقایسه نتایج مدلهای GP و ASD نشان داد که مدل GP عملکرد قابل قبول و مناسبی در برآورد این شاخص ها دارد. سپس از مدل GP برای پیش بینی بارش در ایستگاه تهران در بازه های زمانی 2011-2040 و 2041-2070 و 2071-2100 استفاده شد. نتایج نشان دهنده افزایش میانگین بارش سالانه برای سه دوره آینده نسبت به دوره پایه به ترتیب برابر با 63،50 و 70 درصد با استفاده ازخروجی مدل CGCM3 بود.

کلیدواژه ها:

شاخص های اقلیمی ، ریز مقیاس نمایی آماری ، برنامه ریزی ژنتیک ، ASD ، عدم قطعیت