پيش نمايي بارش‌هاي تابستانه مونسوني جنوب شرق ايران مبتني بر مدل همادي

عنصر بارش ماهيت متغير و تصادفي دارد و به لحاظ مكاني و زماني داراي رفتاري متفاوت است. لذا پيش نمايي بارش در مقايسه با ديگر متغيرهاي هواشناسي داراي عدم قطعيت بيشتر است. در پژوهش حاضر براي كاهش عدم قطعيت و تخمين مناسب  بارش، از برونداد داده‌هاي پايگاه كوردكس و مدل‌هاي CMIP5 از روش شبكه عصبي استفاده شد. نتايج نشان داد با توجه به همبستگي بالاي دما، رطوبت و فشار هوا با بارش، كاربست اين متغيرها در كاهش عدم قطعيت پيش نماي بارش سودمند است. ضمن اينكه مي‌توان از روش غيرخطي شبكه‌هاي عصبي مصنوعي جهت اريب سازي داده‌هاي بارش پايگاه كوردكس و CMIP5 جهت آينده‌نگري بارش در جنوب‌شرق كشور استفاده كرد. از ديگر نتايج اين پژوهش روند افزايشي بارش‌هاي جنوب شرق ايران به‌ويژه نواحي ساحلي مي باشد. اين امر را مي توان ناشي از افزايش سطح تحت تأثير بارش‌هاي متأثر يا هم‌زمان با مونسون جنوب غرب هند دانست. روند افزايشي بارش در سواحل جنوبي بي‌ارتباط با افزايش ظرفيت نگهداشت محتواي رطوبتي نيز نمي باشد. تغييرپذيري بين بارش سالانه باران‌هاي موسمي هند نيز نشان‌دهنده يك‌روند مثبت ثابت تحت گرمايش جهاني بي‌وقفه است. ازآنجاكه هم افزايش مدت بارندگي‌هاي موسمي و هم افزايش تنوع بين سالي در آينده در بيشتر مدل‌ها ديده مي‌شود، مي‌توان به اين روندهاي پيش‌بيني‌شده اطمينان خاطر داد. همچنين  پيش‌بيني مي‌شود كه بارش باران‌هاي مونسون تابستان هند در شرايط گرم شدن كره زمين در دهه 2050 در مقايسه بازمان پايه بيشتر باشد.