پهنه‌بندی فضایی بارش سالانۀ ایران با استفاده از مدل عصبی مصنوعی - فازی anfis-fcm

بارش یکی از مهم‌ترین فراسنج‌های آب و هوایی است که چگونگی پراکنش و مقادیر آن در نواحی مختلف، برایند روابط پیچیدۀ خطی و غیرخطی بین عناصر جوی – فرایندهای اقلیمی و ساختار فضایی محیط سطح زمین است. طبقه‌بندی داده‌ها و قرارگیری آنها در پهنه‌های کوچک و متجانس می‌تواند در بهبود درک این روابط پیچیده و نتایج حاصل از آنها موثر باشد. در پژوهش حاضر با استفاده از داده‌های بارش سالانۀ 3423 ایستگاه همدیدی، اقلیم‌شناسی و باران‌سنجی ایران در دورۀ 1961 – 2015 و داده‌های ارتفاع، شیب، جهت شیب و تراکم ایستگاهی تلاش شد تا چگونگی پراکنش بارش کشور در ارتباط با عوامل محیطی پهنه‌بندی شده و مورد تحلیل قرار گیرد. بدین ‌منظور بعد از استاندارد‌سازی و آماده‌سازی ماتریس داده‌ها، تعداد بهینۀ خوشه‌ها مشخص و مجموعۀ داده‌ها به مدل شبکه عصبی– فازی (anfis-fcm) وارد شد. بررسی نتایج نشان داد که مقادیر شاخص‌های r^2 و mae به‌ترتیب 0/76 و 0/23 بوده که حاکی از دقت مناسب مدل است. همچنین مشخص شد در پهنه‌های چهارگانۀ خروجی مدل، عوامل محیطی از اثرگذاری بالایی در پراکنش فضایی فراسنج بارش برخوردار هستند. در پهنه‌‌های اول و سوم، ترکیب عوامل ارتفاع و شیب زیاد به‌همراه مجاورت جغرافیایی با سامانه‌های بارشی، موجب شده متوسط مقدار بارش سالانه در این پهنه‌ها به‌ترتیب 318 و 181 میلی‌متر باشد؛ در‌حالی که با تضعیف نقش عوامل محیطی در خوشه‌های دوم و چهارم، متوسط بارش سالانه به حدود 100 میلی‌متر کاهش یافته است.

spatial zoning of iran's annual rainfall using anfis-fcm artificial-fuzzy neural model

precipitation is one of the most significant climatic parameters; its distribution and values in different areas is the result of complex linear and nonlinear relationships between atmospheric elements-climatic processes and the spatial structure of the earth’s surface environment. classification of data and placing them in small and homogeneous zones can be effective in improving the understanding of these complex relationships and their results. in the present study, zoning and analyzing the distribution of rainfall in iran concerning environmental factors was performed using the annual precipitation data of 3423 synoptic, climatological, and gauge stations in the country during the period from 1961 to 2015 and the altitude, slope, aspect, and station density data. after standardization and preparation of the data matrix, the optimal number of clusters was determined and the data set was entered into the neural-fuzzy network model (anfis-fcm). the results showed that the values of r2  and mae  indices were 0.76 and 0.23, respectively which indicate the appropriate accuracy of the model. it was also found that in the four output zones of the model, environmental factors have a high impact on the spatial distribution of precipitation. in the first and third zones, the combination of high altitude and slope factors along with geographical proximity to precipitation systems has caused the average annual rainfall in these zones to be 318 and 181 mm, respectively. the mean annual rainfall has decreased to about 100 mm by the weakening of the role of environmental factors in the second and fourth clusters.