بررسی اثرات تغییر اقلیم بر افزایش سطح آب دریای عمان و خلیج فارس

با توجه به اثرات تغییرات اقلیم در بالا آمدن سطح آب های آزاد و نقش آن در مدیریت سواحل و بنادر، افزایش سطح آب بایست تحلیل و بررسی شود. در تحقیق حاضر تاثیر تغییرات اقلیم در افزایش سطح آب دریا در ساحل جنوب ایران بررسی می‌گردد. پیش‌بینی کننده‌های بالا آمدن سطح آب دریا از متغیرهای آب و هوایی تعیین و برای انتخاب در میان متغیرهای مختلف شبیه‌سازی در این تحقیق از روش رگرسیون گام به گام استفاده شد. برای ارزیابی اثرات تغییر اقلیم از نتایج شبیه‌سازی متغیرهای آب و هوایی تحت سناریوی تغییر اقلیم a1b توسط یک مدل gcm به نامcgch3 استفاده شده است. دو مدل شبکه عصبی-موجک و نروفازی-موجک برای بررسی ارتباط بین متغیرهای اقلیمی و تغییرات سطح دریا توسعه داده شد. در این مدل‌ها از تئوری موجک برای تفکیک سری‌های زمانی داده‌های ورودی و خروجی استفاده شد و سپس از تئوری های سیستم استنتاج عصبی-فازی و شبکه عصبی برای ایجاد ارتباط بین اجزای پیش‌بینی‌کننده‌ها و پیش‌بینی شونده ها استفاده شد. نتایج مدل‌های مختلف به کار رفته در سناریو تغییر اقلیم، طیف وسیعی از تغییرات سطح دریا در ایستگاه‌های مختلف را نشان داد. مدل منتخب (anfis-haar) که دارای شاخص عملکرد بهتری نسبت به سایر مدل ها بود، نشان داد که سطح آب دریا از 48 سانتیمتر در منهی الیه غربی خلیج فارس تا 16 سانتیمتر در شرق دریای عمان تغییر می‌نماید. بنظر می‌رسد میزان تغییرات در آبهای کم عمق و محصور بیشتر از مناطقی باشد که در مجاورت آب‌های آزاد قرار دارند.

Pridiction of Sea Level Rise in the South of Iran Coastline: Evaluation of Climate Change Impacts

The investigations in recent two decades have demonstrated the global sea level rise which is much more related to climate change phenomena and its impacts. In this study the impact of climate change on sea level rise at the southern coastal line of Iran is evaluated. The climatic output data of a GCM (General Circulation Model) named CGCM3 under climate change scenario of A1b was used. Among different variables simulated by this model, those of maximum correlation with sea level changes in the study region and least redundancy among themselves are selected for sea level rise prediction using stepwise regression. Two models of Discrete Wavelet Artificial Neural Network (DWNN) and Discrete Wavelet Adaptive NeuroFuzzy Inference system (DWANFIS) are developed to explore the relationship between climatic variables and sea level changes. In these models wavelet is used to disaggregate the time series of climatic variables as well as sea level data into different components and then ANFIS/ANN are used to relate the disaggregated components of predictors and predictands to each other. The results of this study show a significant increase of sea level in future under climate change impacts which should be incorporated in coastal areas management. The selected model (AnfisHaar), which had a high performance index, showed that the sea level changes from 48 centimeters in the west of the Persian Gulf to 16 centimeters in the east of the Oman Sea. The changes in shallow and enclosed waters appear to be greater than other parts of studied area.