تحلیل مکانی و زمانی تغییر اقلیم در سال‌های آینده و مقایسۀ روش‌های ریزمقیاس‌نمایی Sdsm، Lars-Wg و شبکۀ عصبی مصنوعی (مطالعۀ موردی: استان خوزستان)

خشک‏سالی خطر پیچیده‏ای است که سبب برهم‌خوردن تعادل آبی می‏شود؛ بنابراین بررسی تغییرات اقلیمی و پیش‏بینی آنها می‏تواند در امر مدیریت و برنامه‏ریزی مربوط به آن تاثیر زیادی داشته باشد. در تحقیق حاضر برای پایش و پیش‏بینی خشک‏سالی منطقۀ خوزستان و نیز بررسی عملکرد مدل‏های ریزمقیاس در این منطقه، ابتدا داده‏های بارش و دما به‏صورت روزانه طی دورۀ 1985-2010 از هشت ایستگاه منتخب در منطقه دریافت شد. سپس، نمایۀ خشک‏سالی دورۀ مشاهداتی به‏وسیلۀ دو شاخص spi و spei محاسبه و نقشۀ پهنه‏بندی آن‏ها ترسیم شد. در پژوهش حاضر برای پیش‏بینی خشک‏سالی از داده‏های gcm و مدل hadcm3 تحت دو سناریوی a2 و b1 استفاده شد؛ سپس داده‏های بزرگ‏مقیاس gcm با سه مدل‏ sdsm، lars-wg و شبکۀ عصبی مصنوعی ریزمقیاس شدند. نتایج نشان داد توانایی مدل ریزمقیاس‏ شبکۀ عصبی مصنوعی در شبیه‏سازی بارش نسبتاً قابل ‏قبول‏تر از سایر مدل‏ها‌ست. نتایج آمارۀ من-کندال نشان داد همواره مقادیر پیش‏بینی‏شده توسط مدل lars-wg برای نمایه‏های spi و spei شیب بیشتری در جهت منفی شدن دارد. با مشاهدۀ نقشۀ پهنه‏بندی نمایه‏های خشک‏سالی استان خوزستان می‏توان چنین استنباط کرد که طی دوره‏های آتی همواره میانگین مقادیر دو شاخص کاهش یافته است، ولی از نظر مکانی تغییر درخور توجهی نداشته است.