بانک مقالات جغرافیا

خشکسالي يکي از رخدادهاي جوي است که سبب بروز خسارات زيادي مي شود. در اين مطالعه از داده هاي سيگنال هاي بزرگ مقياس اقليمي استفاده شده است. سيگنال هاي بزرگ مقياس اقليمي يکي از عوامل و پارامترهايي هستند که مي توانند در تحليل تغييرات فصلي و سالانه بارش و دما موثر باشند. در اين تحقيق از داده هاي ماهانه شاخص نوسان جنوبي (SOI)، شاخص (NAO) و پديده ENSO در مناطق NINO_3.4, NINO3, NINO₄ و NINO₁₊₂ استفاده شد. تمامي داده هاي مربوط به سيگنال هاي فوق از مرکز داده هاي آناليز شده NCEP طي سال هاي 1960 تا 2000 دريافت گرديد. براي تعيين مهمترين سيگنال هاي موثر بر بارش نواحي مختلف کشور از روش رگرسيون چند متغيره استفاده شد. نتايج تحليل رگرسيوني نشان داد که تقريبا در تمامي ايستگاه هاي مورد مطالعه شاخص ENSO در مناطق NINO₁₊₂، NINO₃ پر اهميت ترين سيگنال در بارش مي باشد. در اين تحقيق با استفاده از شبکه عصبي مصنوعي، پيش بيني بارش براي بازه هاي زماني همزمان، سه ماه و شش ماه آينده انجام گرديد. تحليل نتايج خروجي مدل شبکه عصبي با داده هاي مشاهده اي نشان داد که طي فاز گرم ENSO و فاز منفي NAO شرايط ترسالي و طي فاز سرد ENSO و مثبت NAO شرايط خشکسالي در سطح ايران به وقوع مي پيوندد.