Journal of Water and Soil Science

fa تأثیر تغییر اقلیم بر درجه حرارت حوضه آبریز زاینده‌رود با استفاده از محاسبات نرم یادگیری ماشینی بیزین The Effect of Climate change on the Zayandeh-Rud River Basin’s temperature using a Bayesian machine learning Soft Computing Technique عمومی Ggeneral پژوهشي Research هدف از این مطالعه، آنالیز تغییرات درجه حرارت حداقل و حداکثر طی دوره آتی (2015 الی 2100) در حوضه آبریز زاینده‌رود اصفهان می‌باشد. 14 مدل GCM مربوط به پنجمین گزارش ارزیابی تغییر اقلیم جهت استخراج خروجی مدل‌های تغییر اقلیم انتخاب شدند. این خروجی‌ها تحت سه سناریوی انتشار RCP2.6، RCP4.5 و RCP8.5 استخراج شدند. برای پیش‌بینی اثر سناریوهای مختلف تغییر اقلیم بر درجه حرارت در سال‌ها و دوره‌های آتی در مقیاس‌های محلی یک فرایند آماری ریز مقیاس نمایی جدید با استفاده از روش‌های یاد‌گیری ماشین بردار پشتیبان به کار برده شد. نتایج وزندهی مدل‌های GCM مختلف نیز نشان داد که این مدل‌ها، دارای دقت متفاوتی در برآورد میزان دمای حداکثر و حداقل در آینده بودند. مدل MIROC5 بیشترین دقت را در برآورد درجه حرارت حداکثر و مدل CCSM4 بیشترین دقت را در برآورد درجه حرارت حداقل دارا بود. بیشترین مقدار افزایش دما برای هر دو دمای حداقل و حداکثر در فصل زمستان مشاهده شد. تغییرات سالانه درجه حرارت حداکثر نیز نشان‌دهنده افزایش دمای بین 18/0 تا 76/0 در سناریوهای انتشار مختلف برای دوره دراز مدت و 25/0 تا 67/1 درجه سانتی‌گراد در دوره آینده دور می‌باشد. تغییرات سالانه دمای حداقل نیز نشان‌دهنده افزایش دمای بین 28/0 تا 82/0 درجه سانتی‌گراد در حالت میانگین درازمدت و 24/0 تا 56/1 درجه سانتی‌گراد در حالت آینده دور تحت سناریوهای انتشار مختلف می‌باشد. در حالت کلی تغییرات درجه حرارت حداکثر اندکی بیشتر از تغییرات درجه حرارت حداقل در آینده می‌باشد.   This study aims to investigate the changes of minimum and maximum temperature variables under the impact of climate change for time period of 2015-2100 in the Zayandeh-Rud River Basin. The outputs of 14 Global Climate Models (GCMs) under three green-house emission scenarios (RCP2.6, RCP4.5, and RCP8.5) are employed from the Fifth Assessment Report (CMIP5) of Intergovernmental Panel on Climate Change (IPCC). A novel statistical downscaling method using a Bayesian Relevance Vector Machine (RVM) is used to project the impact of climate change on the temperature variables at regional scale. The results of the weighting average of the GCMs show that the various models have different accuracy in the projecting the minimum and maximum temperatures in the study area. The results demonstrate that the MIROC5 and CCSM4 are the most reliable models in projecting the maximum and minimum temperatures, respectively. The highest increase for both maximum and minimum temperatures was obtained in winter.     On the annual basis, the maximum temperature will increase by 0.18-0.76 °C and 0.25-1.67 °C, respectively, in the near and long-term future periods under different emission scenarios. The annual minimum temperature will increase by 0.28 to 0.82 °C and 0.24-1.56 °C, respectively, in the near and long-term future periods. In a general view, changes in maximum temperature will be slightly higher than minimum temperature changes in the future.   حوضه زاینده‌رود, تغییر اقلیم, سناریوهای انتشار, ریز مقیاس نمایی, درجه حرارت climate change, downscaling, emission scenarios, temperature, Zayandeh-Rud River Basin 203 216 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3546-1&slc_lang=fa&sid=1 Sh. Kouhestani شاپور کوهستانی s.kouhestani@ag.iut.ac.ir Yes 1. Dept. of Water Eng., Faculty of Agric., Isf. Univ. of Technol., Isfahan, Iran., 3. Dept. of Water Eng., Faculty of Agric., Univ. of Jiroft, Jiroft, Iran. 1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان و 3. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه جیرفت S, Eslamian سعید اسلامیان saeid@cc.iut.ac.ir No 1. Dept. of Water Eng., Faculty of Agric., Isf. Univ. of Technol., Isfahan, Iran. 1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان A. Besalatpour علی اصغر بسالت پور a.besalatpour@vru.ac.ir No 2. Dept. of Soil Sci., Faculty of Agric., Vali-e-Asr Univ. of Rafsanjan, Rafsanjan, Iran. 2. گروه خاک، دانشکده کشاورزی، دانشگاه ولی عصر رفسنجان