پيش‌بيني بارش بهاره با استفاده از متغيرهاي اقليمي اقيانوسي- جوي به روش رگرسيون اجزاي اصلي (مطالعه موردي: حوضه سد بوكان)

پيش‌بيني بارش براي اهداف مختلفي نظير برآورد سيلاب، خشكسالي، مديريت حوضه آبريز، برنامه‌ريزي آب، كشاورزي و ... داراي اهميت است و ابزار مناسبي در اختيار مديران قرار مي‌هد تا با در نظرگرفتن اين پيش‌بيني‌ها، سياست‌هاي آينده را به جهت بهره‌وري حداكثر، طرح‌ريزي كنند. هدف از مقاله حاضر، بررسي ارتباط بارندگي فصلي ايستگاه‌هاي بارانسنجي وزارت نيرو در يك دوره 34 ساله و شاخص‌هاي اقليمي دوربرد و نيز بررسي تآثير تغييرات دماي آب درياي سرخ، خليج فارس، مديترانه و درياي سياه به عنوان منابع حرارتي بارش‌هاي شمال غربي ايران بوده و بر اين اساس معادلات پيش‌بيني فصلي براي هر ايستگاه به دست آمده است. معادلات ارائه شده 47 درصد تغييرات بارش بهاره را پيش‌بيني نموده‌اند. همچنين دقت مدلسازي بارش بهاره در ايستگاه بارانسنجي آلاسق و صفاخانه از سايرين بالاتر مي‌باشد كه اين امر به علت همبستگي بالاي شاخص SOI ماه اكتبر با بارش بهاره ايستگاه آلاسقل (049-33) و شاخص WP ماه فوريه با بارش بهاره ايستگاه صفاخانه (021-33) (0.6-) مي‌باشد. در اين تحقيق، شبكه‌هاي عصبي مصنوعي نيز به عنوان يك روش كارامد جهت پيش‌بيني بارندگي مورد استفاده قرار گرفته است. تحليل نتايج خروجي نشان داد كه اين مدل توانايي بهتر و دقت بالايي براي پيش‌بيني بارش نسبت به روش‌هاي آماري معمول داشته‌است.