در این پژوهش تلاش شده است تا ابتدا با به کارگیری یک سامانه مدل سازی عددی میان مقیاس پیش بینی وضع هوا موسوم به " mm5" و مدل عددی میان مقیاس " wrf"، با تغییر در پیکربندی های مدل ها اعضای یک سامانه همادی تهیه شود. سپس برونداد این سامانه پیش بینی همادی ( که شامل مدلwrf با پنج و مدلmm5 با سه پیکربندی متفاوت می باشد) برای صدور پیش بینی های احتمالی 24، 48 و72 ساعته بارش روزانه در تمام کشور، واسنجیده شده و مورد ارزیابی قرار گرفته است. هر کدام از مدل ها در دو دامنه با تفکیک های افقی 45 و 15 کیلومتر اجرا و برونداد سامانه پیش بینی همادی برای دامنه 15کیلومتر واسنجیده شده است. بدین منظور بارندگی تجمعی 257 ایستگاه همدیدی درسطح کشور در بازه ی زمانی اول نوامبر 2008 تا سی آوریل 2009 مورد استفاده قرارگرفته است. این داده ها به دو دوره ی سه ماهه تقسیم شده اند به گونه ای که دوره ی اول برای آموزش و دوره ی دوم برای ارزیابی، استفاده شده است. بافت نگار رتبه ای حاصل از سامانه پیش بینی همادی در دوره ی آموزش، به دو دسته با انحراف معیار ( s ? 0/45 > 0) و (45/0 < s) تقسیم شده است. در نهایت برای هر روز در دوره ارزیابی با استفاده از بافت نگار رتبه ای حاصل از دوره ی آموزش و انحراف معیار پیش بینی بارندگی مربوط به اعضای سامانه پیش بینی همادی در همان روز، پیش بینی بارندگی برای آستانه های کمتر یا مساوی 1/0، بین 1/0 و 10 و بیشتر از 10 میلی متر به روش پیشنهاد شده توسط همیل و کلوچی (1997- 1998) واسنجیده شده است. نتایج این پژوهش نشان می دهد که در تمام بازه های پیش بینی، امتیاز brier برای پیش بینی غیر واسنجیده بین 04/0 تا 0/23 است در صورتی که این امتیاز برای پیش بینی واسنجیده به 0/03 تا 18/0کاهش می یابد. همچنین نمودار های اطمینان پذیری در تمام بازه های پیش بینی با واسنجی نمودن بهبود یافته و این بهبود در آستانه بزرگتر از 10 میلی متر مشهودتر می باشد. امتیاز rps نیز در تمام بازه های پیش بینی با فرآیند واسنجی حدود 05/0 بهبود یافته است. مساحت زیر منحنی roc در تمام بازه های پیش بینی برای پیش بینی احتمالی واسنجی شده بیشتر از پیش بینی های واسنجی نشده، است. کلمات کلیدی: سامانه همادی، بافت نگار رتبه ای، پیش بینی عددی وضع هوا

چکیده تغییر کاربری اراضی و نیز افزایش گازهای گلخانه ای به عنوان دو عامل مهم تغییر اقلیم ذکر می شوند.تغییر اقلیم باعث تغییر دما،تغییر زمانی و مکانی بارش،میزان تبخیر و تعرق،رطوبت خاک و نیز سرعت باد می گردد.خود این عوامل نیز باعث تغییر سایر پارامترهای هیدرولوژیکی(چرخه آب) از جمله رواناب رودخانه ها خواهند شد. آب نقش حیاتی در توسعه پایدار کشور دارد. لذا تدوین سیاست های بهینه و سازگاری با شرایط تغییر اقلیم اهمیت زیادی دارد. در این پایان نامه ابتدا مفاهیم تغییر اقلیم مرور شده است ،سپس روش ریزمقیاس نمایی با استفاده از مدلهای گردش عمومی جو (gcm) برای برآورد تغییر اقلیم شرح داده شده است و در انتها تغییر اقلیم در استان خراسان بزرگ به عنوان مطالعه موردی با استفاه از مدل lars-wg، بررسی شده است. مطالعه انجام شده نشان دهنده افزایش دمای میانگین استان به اندازه 8/1 درجه سلسیوس در دوره 2010 تا 2039 در مقایسه با دوره آماری گذشته می باشد که این امر می تواند موجب کاهش بارش های جامد شامل برف و... در استان گردد.همچنین نشان دهنده افزایش میانگین سالانه بارش در استان تا 1/2 میلیمتر وافزایش 2/26 میلیمتری بارش در دوره آماری 2039-2011 نسبت به دوره گذشته 2008-1988 میلادی (در سناریوی a2با استفاده از مدلhadcm3) می باشد. همچنین نحوه تغییرات دما و بارش در گستره استان درفصل چهارم ارایه شده است. این تغییرات باعث تغییر اقلیم استان از حالت نیمه خشک به حالت خشک خواهد شد که نگران کننده است. سپس به کمک روشهای هوش مصنوعی تاثیر تغییر اقلیم روی رواناب سه حوضه شاخص کشف رود واترک و قره قوم آورد شده و هیدروگراف این رودها در سالهای آتی برای سناریوی a2 مختلف ترسیم شده است.نتایج بیانگر کاهش دبی در اکثر ماه هاو جابجایی آن به سمت ماه های گرم سال، می باشد که با توجه به بالا تر رفتن دمای هوا، باعث کاهش دبی در اکثر ماه ها خواهد شد. در نتیجه نیاز به مدیریت قویتر بر منابع آب وهمچنین اعمال سیاست های سازگار با منطقه ،ضروری به نظر می رسد. در انتهای تحقیق تعدادی از این سیاست های پیشنهادی ارایه شده است.

چکیده: توصیف صحیح حالت جو برای پیش بینی دقیق شرایط آینده، خصوصاً در مورد پارامترهای متغییری نظیر مقدار بارش، حیاتی است . برای فرایند بارش، موجودی بخار آب (در هر شکل بخار و مایع یا جامد) و دما، که ماکزیمم موجودی بخار آب در جو را تعیین می کند، از مهمترین متغییرها می باشند. در این تحقیق داده های ماهواره ای از سنجنده amsu-b ماهواره noaa -16 و داده های گمانه زنی بالون در بازه زمانی سال 2003 تا 2008 برای برآورد آب قابل بارش در روی خشکی به روش شبکه-های عصبی مصنوعی مورد استفاده قرار گرفته است. سنجنده amsu-b روی تعداد زیادی از ماهواره-هایnoaa موجود است اما دلیل انتخاب ماهواره noaa-16 فقط به خاطر این که زمان عبور آن از فضای ایران کمترین اختلاف زمانی را با پرتاب بالون در ایران دارد می باشد، در مجموع 1250 روز زوج داده های ماهواره ای و گمانه زنی بالون که اختلاف زمانی کمتر از یک ساعت داشته اند جمع آوری گردیده است. چندین مدل شبکه عصبی و همچنین رگرسیون برای بازیابی آب قابل بارش مورد استفاده قرار گرفته که در بین آنها دو مدل کمترین مقدار خطا را داشت .در مدل اول شبکه عصبی با هفت ورودی که داده های سنجنده amsu-b و دما و دمای نقطه شبنم ورودی های مدل و آب قابل بارش خروجی آن را تشکیل می داد بایاس 40/0 میلی متر و ریشه میانگین مربعی خطا 33/3 میلی متر و ضریب همبستگی80/0 بود. درمدل دوم شبکه عصبی با چهار ورودی که فقط از داده های سنجنده amsu-b به عنوان ورودی شبکه و آب قابل بارش به عنوان خروجی استفاده گردید، بایاس 20/1 میلی متر و ریشه میانگین مربعی خطا99/3 میلی متر و ضریب همبستگی 73/0 به دست آمد. آب قابل بارش را با استفاده از روش رگرسیون نیز برآورد نموده ایم و نتایج آن را با روش شبکه های عصبی مصنوعی مقایسه نموده که در روش رگرسیون برای مدل اول با هفت ورودی بایاس50/0 میلی-متر وریشه میانگین مربعی87/3 میلی متر و ضریب همبستگی75/0 و برای مدل دوم با چهار ورودی بایاس 49/1 میلی متر و ریشه میانگین مربعی79/4 میلی متر و ضریب همبستگی 57/0محاسبه گردیده است.که از نتایج معلوم گردید روش شبکه های عصبی مصنوعی در برآورد آب قابل بارش نسبت به روش رگرسیون تواناتر بوده است.

برف یکی از فاکتورهای کلیدی و مهم در میزان بودجه تابشی زمین و تغییر اقلیم است که نقشی اساسی در تأمین منابع آب، حمل و نقل، کشاورزی و فعالیت های اجتماعی و اقتصادی کشورها دارد. در مناطق وسیعی از نیمه شمالی و شمال غربی کشور، پوشش برف در تعادل شرایط آب و هوای محلی و رطوبت خاک در فصل های بهار و تابستان تأثیر بسزایی دارد. بارش شدید برف نیز به طور معمول منجر به خطراتی نظیر جاری شدن سیلاب در اثر ذوب سریع برف و همچنین تغییرات در میزان پوشش برف نیز منجر به تخریب محصولات کشاورزی در اثر نوسان دمای خاک و نوسانات سپیدایی می شود. این اثرات برای فعالیت های بشری، به خصوص برای کسانی که در آن مناطق زندگی می کنند بسیار حائز اهمیت است. در نتیجه، آشکارسازی ناحیه پوشیده از برف یک ابزار مهم برای شناخت این اثرات و جلوگیری از خطرات احتمالی آن ها و مطالعه تغییر اقلیم بشمار می رود. به طور معمول از دو ناحیه طیف الکترومغناطیسی، (الف) مرئی و فروسرخ نزدیک و (ب) فروسرخ دور و ریزموج، برای تولید نقشه های برف در سامانه های سنجش از دور استفاده می شود. امروزه داده های سنجش از دور، اطلاعات مکانی و زمانی کاملی از پوشش برف برای مناطق وسیعی از جهان را فراهم می کنند. در این پروژه محصول روزانه پوشش برف مدیس (mod10_l2) در یک دوره ده ساله (2001 تا 2010) برای نمایش نواحی پوشیده از برف در کشور ایران بکار رفته است. با پردازش تصاویر روزانه اطلاعات ماهواره ای، نتایج ماهانه، سالانه و ده ساله در کل کشور مورد مطالعه و بررسی قرار گرفته است. به طور کلی نتایج نشان می دهند که در ماه های آگوست، اکتبر و سپتامبر از سال 2007 تا 2010 افزایش پوشش برف و در ماه های ژانویه، فوریه، مارس، می، جولای و دسامبر از سال 2007 تا 2010 کاهش در پوشش برف کشور رخ داده است و در بقیه ماه های سال تغییر منظمی در پوشش برف مشاهده نمی شود.

در این پایان نامه تلاش شده است تا تاثیر تغییر اقلیم بر کاهش بادهای کاتاباتیک در ارتفاعات البرز مشرف به شهر تهران، و نقش این بادها بر انتقال آلاینده‏ها و افزایش آلودگی مناطق شمالی شهر تهران، و نیز تاثیر کاهش شدت این بادها بر روی ارتفاع لایه مرزی جوی دریای خزر در شمال بررسی شود. بدین منظور مدل میان مقیاس wrf برای دو بازه زمانی در دو سال(آوریل، می و ژوئن سال‏های 2000 و 2009) متفاوت و در چهار دامنه تو در تو اجرا شد، برای اطمینان از صحت نتایج، نتایج شبیه‏سازی، با داده‏های دیدبانی متناظر مقایسه شدند،که نتایج ضریب همبستگی خوبی را نشان می‏دهند. با رسم نقشه‏های میانگین ماهانه انباشتگی برف و یخ کاهش سطوح برفی و یخچال‏ها از سال 2000 تا 2009 مشاهده شد. همچنین نمودارهای سری زمانی میانگین ماهانه شدت باد بین سال‏های 2000 و 2009، در چهار ایستگاه رسم شدند که همگی کاهش سرعت باد را از سال 2000 تا 2009 را نشان می‏دادند. برای مقایسه تکرار وقوع بادهای کاتاباتیک هیستوگرام مقایسه‏ای ماهانه راستای باد برای سال‏های 2000 و 2009 رسم شدندکه در ماه‏های آوریل و می، کاهش تعداد وقوع جریان کاتاباتیک را از سال 2000 تا 2009 نشان می‏داد اما در ماه ژوئن نتایج روندی معکوس داشت. با رسم نمایه‏های دما ارتفاع لایه مرزی جوی دریایی در دو ایستگاه از دامنه سوم واقع بر سواحل دریای خزر برآورد شد، سپس با رسم نمودارهای سری زمانی سرعت باد سطحی، تاثیر سرعت باد بر ارتفاع لایه مرزی جوی دریایی بررسی شده است. که نمودارها افزایش ارتفاع را با افزایش سرعت نشان می‏دهند .

نقش آیروسل ها در توسعه ابر و بارش یکی از مهم ترین موضوعات در فیزیک ابر و در مطالعات مربوط به تغییر اقلیم می باشد. هدف اصلی دنبال شده در این مطالعه بررسی تاثیر آیروسل ها بر روی تشکیل ابر و میزان بارش در ناحیه مرکز و جنوب ایران با استفاده از اطلاعات ماهواره ای طی دوره ی هفت ساله از سال 2000 تا 2006 می باشد. برای رسیدن به این هدف، داده های مربوط به بارش از ایستگاه های باران سنجی متعلق به وزارت نیرو و سازمان هواشناسی کشور جمع آوری گردیده و داده های مربوط به عمق اپتیکی و توزیع غلظت آیروسل ها تحت عنوان mod04 از سایت مدیس تهیه شده است. نقشه های هم بارش با استفاده از نرم افزار arcgis و نقشه های آیروسل ها از سایت مدیس تهیه شده اند. نتایج حاصل به صورت ماهانه و سالیانه در قالب تصویر نشان داده شده اند. در ابتدا نقشه های هم بارش و آیروسل، مربوط به ماه های مختلف هر سال و سپس نقشه های سالیانه بررسی شده اند. یک مرتبه هم نقشه های مربوط به هر ماه در سال های مختلف مورد بررسی قرار گرفته اند. با توجه به نقشه های مربوط به آیروسل ها مشاهده می شود که همیشه در امتداد رشته کوه های زاگرس آیروسل وجود دارد. نقشه های هم بارش نشان می دهند که در فصل های سرد در این ناحیه بیشینه بارندگی و در فصل های گرم در این ناحیه کمینه بارندگی وجود دارد، بنابراین می توان گفت در فصل های سرد آیروسل های خشکی بر روی میزان بارش تاثیر مثبت داشته اند. در عوض در ناحیه ی جنوب و جنوب شرق منطقه ی مورد مطالعه در فصل های سرد کمینه بارندگی و در فصل های گرم بیشینه بارش دیده می شود، که می توان گفت در فصل های گرم آیروسل های دریایی بر روی میزان بارش تاثیر مثبت دارند. نتایج به دست آمده از شکل ها بیان کننده اثر محسوس آیروسل ها در بارش، در ماه ها و سال های پربارش است و برعکس اثر آن ها در میزان بارندگی در ماه ها و سال های کم بارش مشخص نمی باشد.

ریزش جوی به صورت برف برای تغذیه ی منابع سطحی و زیرزمینی کشورها می تواند منبعی پایدار و ثابت محسوب شود به ویژه این که در فصول خشک نیز مورد استفاده می باشد. کشور ایران به علت موقعیت خاص جغرافیایی و ناهمواری های بسیار پراکنده و تأثیر دیگر عوامل از جمله جبهه-های آب و هوایی، از مناطق خشک جهان به شمار می رود. با توجه به کوهستانی بودن کشور در ارتفاعات بارندگی عموماً به صورت برف نازل می شود. در این راستا، مشکل اصلی، عدم دسترسی به مناطق برف گیرِ دوردست و صعب العبور، نداشتن شبکه های متراکم برف سنجی و مستمر نبودن اندازه گیری ها می باشد. از این رو برای رفع این نقصان، سنجش از دور می تواند به عنوان یک ابزار مهم و کارآمد مد نظر قرار گیرد. در این تحقیق با استفاده از دمای روشنائی واحد گمانه زن مایکروویو پیشرفته a (amsu-a) روی ماهواره های noaa، تکنیک شبکه های عصبی مصنوعی و همچنین رگرسیون چندگانه آب معادل برف در حوضه های آبریز استان تهران برای فصل زمستان (ماه های ژانویه، فوریه و مارس) طی یک دوره پنج ساله (2010-2006) محاسبه و صحت سنجی شده است. در مجموع اطلاعات دیده بانی شده 24 ایستگاه برف سنجی کشور برای 196 روز طی دوره مورد مطالعه جهت بازیابی و صحت-سنجی بکار رفته است. براساس نتایج به دست آمده بهترین برآوردها با مقادیر شاخص های خطا (8991/0=r، 84/0=bias، 54/9=mse و 09/3=rmse) مربوط به ماه فوریه و بدترین برآوردها (6083/0=r، 41/1=bias، 79/41=mse و 46/6=rmse) مربوط به ماه مارس است. نتایج نشان-دهنده برتری شبکه های عصبی مصنوعی نسبت به روش رگرسیون می باشد. این نتایج همچنین نشان می دهند که مشاهدات این گمانه زن پتانسیل بالایی را برای آشکارسازی پوشش برف دارد و استفاده از اطلاعات آن برای محاسبه آب معادل برف در مناطقی نظیر کشور ایران که با محدودیت ایستگاه های زمینی برف سنجی مواجه است پیشنهاد می شود.

محدوده انتخابی، زمان های متفاوت شروع و انتخاب محدوده های داخلی ثابت و قابل حرکت به طور جداگانه در داخل محدوده بزرگتر در کنار الامان های مختلف فیزیک می توانند نقش مهمی را در نتایج انواع مدل های عددی پیش بینی کننده طوفان های حاره ای ایفا کنند. طوفان حاره ای گونو (2007) تشکیل شده در شمال اقیانوس هند (دریای عرب) و مدل ahw جهت نشان دادن این حساسیت انتخاب شده اند. شرایط اولیه و مرزی از داده های fnl و داده های بهترین مسیر جهت مقایسه از imd دریافت شد. نتایج نشان می دهد از محدوده های انتخابی در این تحقیق، محدوده ای که به سمت شرق گسترش بیشتری داشته و ناحیه کمتری از خلیج فارس را شامل می شود در پیش بینی مسیر دارای بهترین عملکرد و در پیش بینی شدت طوفان در زمان های رسیدن به سواحل عمان و ایران دارای عملکرد قابل قبول می باشد. اگر چه این محدوده در پیش بینی نقطه اوج شدت طوفان دارای عملکرد هر چند بهتر از سایر محدوده های انتخابی است، اما ضعیف تر نسبت به واقعیت می باشد. به همین منظور محدوده های داخلی ثابت و قابل حرکت به طور جداگانه داخل این محدوده در نظر گرفته شده است و نتایج نشان می دهد که علی رغم بهبود نسبی این نقیضه از کیفیت پیش بینی مسیر کاسته شده است. همچنین نتایج نشان می دهد که محدوده داخلی ثابت نسبت به محدوده داخلی قابل حرکت از عملکرد با کیفیت تری برخوردار می باشد. در ادامه، شروع زمان های متفاوت برای بهترین محدوده انتخابی آزمایش گردید و نتایج نشان می دهد که اجرای مدل در زمان قبل از عمیق شدن کم فشار (زمانی که فشار مرکزی سیستم تقریباً مقدار 1000 هکتو پاسکال بوده) به مراتب دارای بهترین عملکرد در پیش بینی مسیر و شدت طوفان می باشد. بهترین شرایط برای طوفان حاره ای فت (2010) تشکیل شده در همین ناحیه مورد آزمایش گردید و نتایج رضایط بخش بود. در ادامه تحقیق جهت تعیین دلایل تشدید و تضعیف طوفان، عبارت های تشکیل دهنده معادله تاوایی در سطوح مختلف فشاری با استفاده از خروجی های مدل مورد تجزیه و تحلیل قرار گرفت. نتایج نشان می دهد که هر عبارت در محدوده ای دارای مقادیر مثبت و تولید تاوایی و در محدوده ایی دیگر دارای مقادیر منفی و تضعیف تاوایی را سبب می شود و می توان بیان کرد که هر چهار عبارت تشکیل دهنده معادله تاوایی در تغییرات تاوایی نقش ایفا می کنند. اما این عبارت همگرایی است که در مجموع با مقدارهای بیشتر این نقش را پر رنگ تر ایفا می کند.

بدلیل صدمات ناشی از کمبود بارش در بخش وسیعی از کشور ایران و همچنین تلفات ناشی از وقوع سیلاب، برآورد دقیق مقدار بارش از نیازهای حیاتی کشور به شمار می رود. از طرفی بدلیل تنوع زیاد بارش و پراکندگی ایستگاه های زمینی در کشور، برآورد دقیق مقدار بارش ممکن نیست. امروزه با ظهور فناوری های پیشرفته در فرآیند دریافت اطلاعات هواشناسی، از طریق نصب سنجنده های پیشرفته بر روی ماهواره ها امکان برآورد دقیق تر بارش فراهم شده است. اما این برآوردها برای مناطق با ویژگی های جغرافیایی مختلف، به تصحیح الگوریتم ها، و تصحیح الگوریتم نیز به اعتبارسنجی این برآوردها نیاز دارد. اعتبارسنجی ها عمدتا در سطح کلی و با پوشش جهانی انجام می گیرد و در مکان های مختلف نتایج متفاوتی را ارائه می دهد که ناشی از تنوع اقلیمی و توپوگرافی مناطق است. بنابراین معمولاً محققان نتایج را به صورت جزئی تر و برای مناطق کوچکتر بطور جداگانه بررسی می کنند. با توجه به اینکه کشور ایران نیز دارای توپوگرافی پیچیده و تنوع بارش مکانی زیاد می باشد، بنابراین اعتبارسنجی بارش بازیابی شده ی ماهواره ای در این منطقه بسیار مورد توجه است که در این پژوهش به آن پرداخته شده است. به این منظور داده های دیده بانی از 103 ایستگاه باران سنجی برای 21 مورد رخداد بارشی 3 روزه در مقیاس زمانی روزانه انتخاب شده است. تنوع توزیع زمانی و مکانی به گونه ای است که فصول مختلف سال و نقاط مختلف ایران با شرایط آب وهوایی متنوع را در دوره¬ی زمانی 2003 تا 2008، دربرگرفته است. در این مطالعه تلاش می شود سه روش بازیابی بارش ماهواره ای شامل الگوریتم 3b42 (داده های مایکروویو، فروسرخ) از ماهواره trmm، الگوریتم persiann (برآورد بارش از اطلاعات سنجش از دور با استفاده از شبکه های عصبی مصنوعی) و داده های سنجنده amsu-b (گمانه زن مایکروویو پیشرفته واحد b) و یک خروجی از مدل های عددی، جهت اعتبارسنجی بارش بازیابی شده، بطور کمی مورد ارزیابی قرار گیرند. به منظور برآورد دقیق تر، سامانه های انتخابی، در 5 دسته شامل: مدیترانه ای، سودانی، آمیخته، مانسون و خزری دسته بندی شده اند. برای انجام اعتبارسنجی از کمیت های عددی و جدول توافقی استفاده شده است. نتایج نشان داد بهترین برآورد مربوط به الگوریتم 3b42 و سپس الگوریتم persiann می باشد و شبکه عصبی برآورد خوبی را برای بازیابی بارش از داده های amsu-b ارائه نداده است.

دمای سطح دریا (sst) یکی از پارامترهای اساسی در اقیانوس¬شناسی و مطالعات علوم جوی است. در این تحقیق با کمک داده¬های ماهواره ای و داده¬های ایستگاه هواشناسی دربازه زمانی سوم مارس 2008 تا هفتم آگوست 2009 دمای سطح ناحیه¬ای از خلیج فارس به روش شبکه عصبی مصنوعی (ann) و رگرسیون بازیابی شده است. در مجموع 406 داده در روز و 409 داده در شب از سنجنده (amsu-b) و ایستگاه جمع¬آوری شده است. از دمای تابشی به عنوان ورودی شبکه عصبی و مدل رگرسیون استفاده شده است. مقایسه خروجی شبکه عصبی و داده میدانی دما نشان می¬دهد که برای داده های روز ریشه میانگین مربعی خطا 858/1 کلوین، بایاس 108/0 کلوین، میانگین مطلق خطا 606/1 کلوین و ضریب همبستگی 931/0 است. برای داده¬های شب، ریشه میانگین مربعی خطا 083/2 کلوین، بایاس 621/0 کلوین، میانگین مطلق خطا 821/1 کلوین و ضریب همبستگی 910/0 به دست آمد. در روش رگرسیون این پارامترهای خطا در شب و روز نسبت به شبکه عصبی بزرگ ترند. بنابراین کارایی روش شبکه عصبی در برآورد دمای سطح آب نسبت به رگرسیون بیشتر است. انتظار داریم که شبکه عصبی طراحی شده برای برآورد سایر نقاط خلیج فارس نیز کارساز باشد که البته برای حصول اطمینان از این پیش¬بینی، باید خروجی شبکه عصبی با کمک داده¬های میدانی آن مناطق صحت- سنجی شوند. متأسفانه داده¬های میدانی در خلیج فارس بسیار پراکنده و محدود می¬باشند.

این پژوهش، روش شبکه های عصبی با الگوریتم پس انتشار خطا را برای پیش بینی بلند مدت بارندگی در مقیاس زمانی ماهانه و فصلی در ایران مورد بررسی قرار می دهد. در این راستا به منظور پیش بینی بلند مدت بارش در ماه های اکتبر تا مارس و فصول پاییز و زمستان، از داده های 14 ایستگاه سینوپتیکی کشور و همچنین، دو شاخص اقلیمی بزرگ مقیاس soi و nino3,4در بازه ی زمانی (2010 – 1960) به مدت 51 سال بهره گرفته شد. پروژه در سه بخش، برای پیش بینی بارش ماهانه و فصلی (1) کل کشور (با714 الگو)، (2) اقلیم های خشک (153 الگو)، نیمه خشک (357 الگو) و بیابانی (204 الگو) و (3) بارش محلی تک تک ایستگاه ها (51 الگو) به انجام رسید. در هر بخش، ضرایب همبستگی داده های ایستگاهی شامل، میانگین رطوبت نسبی، میانگین دمای نقطه ی شبنم، بارش ماهانه و سالانه و شاخص های soi و nino3,4، با بارش ماه ها و فصول مورد بررسی محاسبه گردید و پارامترهایی که بیشترین بستگی را داشتند به عنوان ورودی-های شبکه انتخاب شدند. از کل الگوها در هر بخش، 80 درصد به عنوان الگوهای آموزشی و 20 درصد به عنوان الگوهای آزمون در نظرگرفته شدند. به کمک الگوریتم لونبرگ – مارکوارت برای هر بخش مدل های پیش بینی به دست آمد. نتایج حاصل از اعتبارسنجی مدل ها به کمک شاخص های متعددی از جملهrmse ،bias ، میانه و انحراف معیار حاکی از کارایی خوب مدل های شبکه ی عصبی، برای پیش بینی بارش ماهانه و فصلی به خصوص، ماه اکتبر و فصل پاییز است. همچنین، ضرایب همبستگی پارامترها در هر بخش نشان می دهند که شاخص های بزرگ مقیاس اقلیمیsoi وnino3,4 ، به عنوان تأثیر گذارترین پارامترها بر بارش ماه های اکتبر و نوامبر و فصل پاییز محسوب می شوند.

امروزه عوامل بسیاری از جمله گسترش فزاینده نیاز به انرژی، محدودیت منابع فسیلی، فاجعه آلودگی زیست محیطی ناشی از سوخت مواد فسیلی، گرم شدن هوا و اثر گلخانه ای و بسیاری از دیگر عوامل، سبب رویکرد دوباره ی علم به انرژی های تجدیدپذیر طبیعی شده است. استان کرمان بدلیل قرار گیری در عرضهای جغرافیایی پایین و کثرت ساعات آفتابی بطور با لقوه سرشار از منبع انرژی خورشیدی می باشد. بنابراین شناسایی مناطق مستعد برای احداث نیروگاه خورشیدی جز از طریق برآورد تابش رسیده به زمین، و تهیه اطلس انرژی خورشیدی امکان پذیر نخواهد بود. در این مطالعه برای تهیه اطلس تابش انرژی خورشیدی استان کرمان از داده های تابش برآورد شده توسط الگوریتم هلیوست ـ2 (heliosat_2) که از تصاویر ماهواره ی متوست ـ5 (meteosat_5)که بروی نصف النهار 63 درجه قرار گرفته و در بین ماهواره های هواشناسی زمین آهنگ دارای بهترین موقعیت نسبت به ایران است و داده های اندازه گیری شده در ایستگاه تابش سنجی کرمان استفاده شده است. همچنین برای اطمینان از صحت داده های برآورده شده توسط این الگوریتم از مدل تجربی هارگریوز نیز برای برآورد تابش رسیده به زمین استفاده کرده ایم. نتایج حاصل از اعتبارسنجی این دو مدل نشان داد که درصد متوسط rmse برای مدل هلیوست ـ2 و مدل تجربی هارگریوز به ترتیب برابر 87/14 و 66/21 درصد می باشد که نشان دهنده ی عملکرد بهتر الگوریتم هلیوست ـ2 در برآورد تابش رسیده به زمین می باشد. نقشه های تابش خورشیدی استان کرمان در مقیاس ماهانه و سالانه برای سال 2005 تهیه گردیدند. در مقیاس ماهانه به طور کلی بیشترین تابش دریافتی در استان کرمان مربوط به ماه ژوئن و کمترین آن مربوط به ماه دسامبر است. بر اساس نقشه تابش سالانه استان کرمان، میانگین تابش سالانه در این استان بین 262 تا 308 وات بر متر مربع تغییر می کند که نشان دهنده ی پتانسیل بالای استان کرمان برای استفاده از انرژی خورشیدی می باشد