ريزمقياس نمايي آماري مبتني بر ANNمدل GCMبراي پيش بيني پارامترهاي هيدروكليماتولوژي (مطالعه موردي : شهر تبريز)

براي بررسي تاثير تغيير اقليم بر سيستم هاي مختلف مانند منابع آب در دوره هاي آتي، در ابتدا متغيرهاي اقليمي تحت تاثير تغييرات گازهاي گلخانه اي شبيه سازي مي شوند. روشهاي مختلفي براي شبيه سازي متغيرهاي اقليمي، تحت تاثير تغيير اقليم وجود دارد كه معتبرترين آنها، استفاده از دادههاي مدل گردش عمومي جو GCMميباشد. مهمترين ضعف مدلهاي ،GCMبزرگ بودن مقياس مكاني متغيرهاي اقليمي شبيه سازي شده توسط اين مدلها نسبت به مقياس منطقهاي مي باشد. بنابراين براي استفاده از اين داده ها لازم است تا داده هاي GCM توسط تكنيك هاي مختلف، ريز مقياس گردند. در اين مطالعه از شبكه عصبي مصنوعي ANNبراي ريز مقياس نمودن خروجيهاي مدل GCMكه توسط سناريوهاي مختلف شبيه سازي ميشوند استفاده شده است. از آنجا كه تعداد پارامترهاي ورودي به مدل ANNزياد ميباشد بدون شك اصليترين مرحله به هنگام استفاده از اين مدلها، انتخاب مناسب ترين داده ها به عنوان ورودي است، چرا كه با افزايش تعداد متغيرهاي ورودي، پيچيدگي محاسبات داخل مدل افزايش مييابد، روند آموزش مدل سختتر وكندتر مي شود. بنابراين در اين مطالعه براي انتخاب پارامترهاي ورودي موثر از روش ضريب همبستگي (CC(3استفاده شده است. نتايج نشان داد كه پارامترهاي بارش و دما در دوره آتي به ترتيب كاهش و افزايش مي يابند. بيشترين كاهش بارندگي تحت سناريو (-%16.01) RCP8.5و بيشترين افزايش دما تحت سناريو (2.2%) RCP4.5پيش بيني شدند