TY - JOUR JF - geospace JO - جغرافیایی VL - 20 IS - 71 PY - 2020 Y1 - 2020/11/01 TI - Annual precipitation forecast in two arid and semi-arid regions TT - پیش‌یابی بارش سالانه در دو اقلیم خشک و نیمه خشک N2 - برآورد میزان بارش، موفقیت در مدیریت بهتر منابع آب و حوضه­های آبخیز به منظور استفاده بهینه و پایدار از این منابع را تضمین می­کند. در این تحقیق با استفاده از آمار بارش و دمای روزانه ایستگاه­های مختلف هواشناسی استان­های چهارمحال و بختیاری (اقلیم نیمه خشک) و یزد (اقلیم خشک) که دارای آمار روزانه بلند مدت بودند، پارامترهای مختلفی محاسبه شد. از میان این پارامترها، مجموع بارش شش ماهه اول سال آبی (R6m1، میلی­متر)، طول فاصله زمانی وقوع 5/47 میلی­متر بارش از ابتدای پاییز (t47.5، روز)، میانگین بلند مدت بارش (Rm، میلی­متر)، متوسط دمای تابستان قبل از هر سال آبی (Tsu، درجه سانتی­گراد) و متوسط دمای تابستان سال آبی قبل و پاییز هر سال آبی (Tsu.au، درجه سانتی­گراد) که هر یک همبستگی بالایی با بارش سالانه داشتند، در مدل­های خطی ساده و روش شبکه عصبی مصنوعی برای پیش بینی بارش سالانه بکار گرفته شد. مدل­های بدست آمده در سطح احتمال کمتر از 01/0 معنی­دار بودند. نتایج نشان داد هر یک از این روش­ها می­تواند بارش سالانه را با دقت مناسبی برآورد نماید. ارزیابی مدل­ها با شاخص ریشه میانگین مربعات خطای نرمال شده (NRMSE) کمتر از 3/0 و شاخص تطابق (d) بالاتر از 8/0 نیز کارایی مدل­ها را تصدیق کرد. دمای بالاتر در تابستان و پاییز حاکی از بارش سالانه بیشتر در استان چهارمحال و بختیاری بود و بارش کمتر در استان یزد بود. همچنین در دو استان هر چه فاصله زمانی وقوع 5/47 میلی­متر باران از ابتدای پاییز به تأخیر بیفتد بارش سالانه کمتر خواهد بود. SP - 159 EP - 175 AU - Khalili Samani, Nasimeh AU - Azizian, Abolfazl AU - Yarami, Najmeh AD - Ardakan University KW - Annual Precipitation Prediction KW - Artificial Neural Network KW - Chaharmahal-Bakhtiari KW - Regression Model KW - Yazd. UR - http://geographical-space.iau-ahar.ac.ir/article-1-3507-fa.html ER -