نویسندگان

• غلامعباس فلاح قالهری ¹
• مجید حبیبی‌نوخندان ²
• جواد خوشحال ³

¹ دانشجوی دکتری اقلیم‌شناسی دانشگاه اصفهان، ایران

² عضو هیات علمی پژوهشکده اقلیم شناسی، ایران

³ استادیار گروه جغرافیای طبیعی-اقلیم شناسی دانشگاه اصفهان، ایران

چکیده

هدف از این بررسی ارزیابی ارتباط الگوهای سینوپتیکی بزرگ مقیاس اقلیمی با بارش در استان خراسان رضوی می‌باشد. در این بررسی با بهره‌گیری از سامانه استنباط فازی- عصبی تطبیقی برآورد بارش در بازه زمانی فروردین تا خرداد (آوریل تا ژوئن) در استان خراسان رضوی ارائه شده است. داده‌های بارش بهاره شامل آمار و داده‌های بارش 38 ایستگاه همدیدی، اقلیم شناسی و باران سنجی می‌باشد که در فاصله سال‌های 2007-1970 میلادی از سازمان هواشناسی کشور و وزارت نیرو دریافت شده است. در این بررسی، در آغاز ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشارسطح دریا، دمای سطح دریا، اختلاف دما بین سطح دریا و سطح 1000 میلی باری، دمای سطح 700 میلی بار، ضخامت بین سطوح 500 و 1000 میلی بار، رطوبت نسبی سطح 300 میلی بار و آب قابل بارش با بارش میانگین منطقه‌ای مورد بررسی قرار گرفته است. در گزینش این مناطق که مجموعه‌ای از نقاط در خلیج فارس و دریای عمان، دریای سیاه، دریای خزر، دریای مدیترانه، دریای شمال، دریای آدریاتیک، دریای سرخ، خلیج عدن، اقیانوس اطلس، اقیانوس هند و سیبری را شامل می شوند، تاثیر پذیری بارندگی منطقه شمال شرق ایران از الگوهای سینوپتیکی در مناطق یاد شده مورد توجه قرار گرفته است. سپس، مدل سامانه استنباط فازی عصبی تطبیقی در دوره 1997-1970 آموزش داده شده است و در پایان، برآورد بارش در دوره فروردین تا خرداد (آوریل تا ژوئن) 2007-1998 انجام شده است. مدل مورد بهره‌گیری در این بررسی شامل یک لایه ورودی، یک لایه پنهان و یک لایه خروجی می‌باشد. سامانه استنباط فازی مورد بهره‌گیری در این بررسی، مدل سوگینو می‌باشد. شمار نرون های لایه ورودی، پنهان و خروجی به ترتیب (1-28-13) می‌باشد. نتایج نشان می‌دهد سامانه استنباط فازی- عصبی تطبیقی در 90 درصد سال‌ها می‌تواند بارش را با دقت قابل قبولی با سطح اطمینان 10 درصد برآورد کند.

کلیدواژه‌ها

• الگوهای
• برآورد بارش
• سامانه استنباط فازی- عصبی تطبیقی
• سینوپتیکی

عنوان مقاله [English]

Spring Rainfall Estimation of Khorasan Razavi Province Based on Tele-connection Synoptically Patterns Using Adaptive Neuro-Fuzzy Inference System

نویسندگان [English]

• Gh.A Fallah Ghalhary ¹
• M Habibi Nokhandan ²
• J Khoashhal ³

¹

²

³

چکیده [English]

The aim of this research is the assessment of the relation between rainfall and large scale synoptically patterns at Khorasan Razavi province. In this study, using adaptive neuro fuzzy inference system, the rainfall estimation has been done from April to June in the Area under study. Spring rainfall data including the information of 38 synoptic, Climatologic and rain gauge stations from 1970 to 2007 has been selected from Iranian Meteorological Organization and Ministry of Energy. In this paper, we are analyzed 38 years of rainfall data at Khorasan Razavi province located in northeastern part of Iran at latitude-longitude pairs (34°-38°N, 56°- 62°E). The Adaptive Neuro-Fuzzy Inference system based on synoptically patterns with 38 years of rainfall data was trained. For performance evaluation, network predicted outputs were compared with the actual rainfall data. In this Study, at the first step, the relationship Between synoptically pattern variations including Sea Level Pressure (SLP), Sea Surface Temperature (SST), Sea Surface Pressure Difference (?SLP), Sea Surface Temperature Difference (?SST), air temperature at 700 hpa, thickness between 500 and 1000 hpa level, relative humidity at 300 hpa and precipitable water were investigated .As the second step, the model was calibrated from 1970 to 1997. Finally, rainfall prediction is performed from 1998 to 2007. The model that used in this research has an input layer, one hidden layer and an output layer. The number of neuron for input layer, hidden layer and output layer was 13-28-1, respectively. The results of simulation reveal that adaptive neuro fuzzy inference systems are promising and efficient.

کلیدواژه‌ها [English]

• Adaptive neuro-fuzzy inference system
• Adaptive Neuro-Fuzzy Inference System Rainfall estimation
• Rainfall estimation
• synoptic patterns