انجمن هواشناسی ایران هواشناسی و علوم جوّ 2645-7261 8 1 2025 05 22 Identification of Trends and Spatial Patterns of Extreme Droughts and Wet Events in Iran شناسایی روند تغییرات و الگوی مکانی شدیدترین خشکسالی و ترسالی ها در ایران 1 13 243490 10.22034/jmas.2026.565314.1256 FA علی زارعی گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران معصومه مقبل گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران Journal Article 2025 12 13 Drought is one of the most significant climatic hazards in Iran, with extensive impacts on water resources and food security. This study aims to analyze drought trends over the past three decades and to identify the spatial patterns of the most extreme droughts and wet events in Iran. For this purpose, the Standardized Drought Severity Index (ZSI) was calculated on an annual basis using ERA5-Land reanalysis precipitation data. The temporal trends of the ZSI were examined using linear regression. The results indicated that 2019 and 2021 were the wettest and driest years of the study period, respectively, with approximately 63% of the country affected by moderate to extreme wet conditions in 2019, whereas over 80% of Iran experienced moderate to extreme drought in 2021. Spatial analysis of the index revealed distinct patterns, with the highest positive ZSI values recorded in the northeast, west, and south regions in 2019, and the most severe drought conditions occurring in the eastern, northwest, and western regions in 2021. Furthermore, long-term trend analysis of the ZSI showed a weak negative slope of -0.0068, which was not statistically significant, indicating the absence of a persistent trend in drought severity over the study period. خشکسالی یکی از مهم‌ترین مخاطرات اقلیمی در ایران است که آثار گسترده‌ای بر منابع آب و امنیت غذایی دارد. این پژوهش با هدف تحلیل روند تغییرات خشکسالی در سه دهه اخیر و شناسایی الگوهای مکانی شدیدترین خشکسالی و ترسالی ها در ایران انجام شده است. برای این منظور، شاخص شدت خشکسالی استانداردشده (ZSI) به‌صورت سالانه و بر پایه داده‌های بارش بازتحلیل‌شده ERA5-Land محاسبه شد. روند تغییرات شاخص ZSI در طول دوره مورد مطالعه با استفاده از رگرسیون خطی تحلیل گردید. نتایج نشان داد که سال ۲۰۱۹ مرطوب‌ترین و سال ۲۰۲۱ خشک‌ترین سال‌های دوره مورد مطالعه بوده‌اند به گونه ای که در سال ۲۰۱۹ حدود ۶۳ درصد از مساحت کشور درگیر ترسالی متوسط تا بسیار شدید بوده است، در حالی که در سال ۲۰۲۱ بیش از ۸۰ درصد از مساحت مناطق ایران شرایط خشکسالی متوسط تا بسیار شدید را تجربه کرده‌ند. تحلیل مکانی شاخص نیز تفاوت بارز در الگوی پراکنش مکانی شرایط تر و خشک را نشان داد؛ به‌طوری که در سال ۲۰۱۹ نواحی شمال‌شرق، غرب و جنوب کشور بیشترین مقادیر مثبت شاخص را ثبت کرده‌ند، در حالی که در سال ۲۰۲۱ بیشترین شدت خشکسالی مربوط به نواحی شرقی، شمال‌غربی و غربی کشور بوده است. همچنین بررسی روند بلندمدت شاخص ZSI شیب منفی ضعیفی معادل 0068/0- را نشان داد، که از نظر آماری معنادار نبوده و بیانگر فقدان روند پایدار در شدت خشکسالی طی این دوره است.

https://www.ims-jmas.net/article_243490_b9731192de6bf132966fbeb9c4a1a2dc.pdf

انجمن هواشناسی ایران هواشناسی و علوم جوّ 2645-7261 8 1 2025 05 22 Analyzing the effects of the drying up of Lake Urmia and climate change on the sustainability of human settlements from the perspective of land planning تحلیل اثرات خشک شدن دریاچه ارومیه و تغییر اقلیم بر پایداری سکونتگاه های انسانی از منظر آمایش سرزمین 14 28 243491 10.22034/jmas.2026.565874.1257 FA علیرضا جمشیدی گروه جغرافیا، دانشکده. ادبیات و علوم انسانی، دانشگاه ارومیه، شهر ارومیه، کشور ایران 0000-0002-3594-4365 سهند آذر گروه جغرافیا دانشگاه ارومیه،ارومیه،ایرانal Journal Article 2025 12 13 The drying up of Lake Urmia, one of Iran's most severe environmental disasters, has had profound consequences for the sustainability of human settlements in the region, particularly from a land use planning perspective. This phenomenon, intensified by climate change and the mismanagement of water resources, has led to increased dust storms, the salinization of agricultural lands, and a sharp decline in available water. Consequently, local livelihoods have been jeopardized, prompting widespread migration and the disruption of the region's social and economic structures. From a land use planning standpoint, this crisis reveals a fundamental imbalance between the region's biological capacity and human activities. This underscores the urgent need for a critical reassessment of development models, resource management, and spatial planning to ensure the long-term sustainability of settlements and to prevent similar crises in the future. The aim of this study is to analyze the effects of the desiccation of Lake Urmia and climate change on the sustainability of human settlements through the lens of land use planning. This research is applied-theoretical in terms of its objective and descriptive-analytical in its methodology. The required data were collected through library research. The Fuzzy Analytic Hierarchy Process (Fuzzy AHP) was employed to identify and prioritize multiple criteria affecting settlement sustainability. These criteria encompass environmental dimensions (e.g., increased dust and soil salinization), economic factors (e.g., loss of agricultural and tourism-related jobs), social aspects (e.g., migration and shifts in population structure), and physical parameters (e.g., land use change and land subsidence). The results highlight the critical and multifaceted impacts of this phenomenon on various aspects of life in the region. This further emphasizes the necessity for comprehensive and integrated land use planning to address future challenges and ensure the resilience of human communities. This study can assist policymakers and planners in making informed decisions to manage similar crises and progress toward sustainable development. خشک شدن دریاچه ارومیه، به عنوان یکی از بزرگترین فجایع زیست‌محیطی ایران، پیامدهای وخیمی بر پایداری سکونتگاه‌های انسانی منطقه، به ویژه از منظر آمایش سرزمین، داشته است. از دیدگاه آمایش سرزمین، این بحران نشان‌دهنده عدم تعادل میان ظرفیت‌های زیستی منطقه و فعالیت‌های انسانی است که لزوم بازنگری جدی در الگوهای توسعه، مدیریت منابع، و برنامه‌ریزی فضایی را برای حفظ پایداری سکونتگاه‌ها و جلوگیری از بحران‌های مشابه در آینده گوشزد می‌کند. هدف پژوهش حاضر، تحلیل اثرات خشک شدن دریاچه ارومیه و تغییر اقلیم بر پایداری سکونتگاه های انسانی از منظر آمایش سرزمین می باشد. این پژوهش ازنظر هدف، کاربردی - نظری و ازنظر روش، توصیفی– تحلیلی است. اطلاعات و داده های موردنیاز از طریق روش کتابخانه ای جمع آوری شده است. در این پژوش از مدل AHP فازی استفاده شده است. با بهره‌گیری از مدل تحلیل سلسله‌مراتبی فازی (Fuzzy AHP)، معیارهای متعدد مؤثر بر پایداری سکونتگاه‌ها، شامل ابعاد زیست‌محیطی (مانند تشدید ریزگردها و شور شدن خاک)، اقتصادی (از دست رفتن مشاغل کشاورزی و گردشگری)، اجتماعی (مهاجرت و تغییر ساختار جمعیتی)، و کالبدی (تغییر کاربری اراضی و فرونشست) شناسایی و اولویت‌بندی شده‌اند. نتایج نشان‌دهنده تاثیرات بحرانی و چندوجهی این پدیده بر ابعاد مختلف زندگی مردم منطقه است که لزوم برنامه‌ریزی جامع و یکپارچه در آمایش سرزمین را برای مقابله با چالش‌های آتی و تضمین تاب‌آوری جوامع انسانی بیش از پیش نمایان می‌سازد. این مطالعه می‌تواند به سیاست‌گذاران و برنامه‌ریزان در اتخاذ تصمیمات آگاهانه برای مدیریت بحران‌های مشابه و حرکت به سوی توسعه پایدار کمک کند

https://www.ims-jmas.net/article_243491_66085a811e534b90d159dce7d6a2507c.pdf

انجمن هواشناسی ایران هواشناسی و علوم جوّ 2645-7261 8 1 2025 05 22 Application of Artificial Intelligence Algorithms in Forecasting and Managing Climate Risks with Emphasis on Heat Waves in Western Iran کاربرد الگوریتم‌های هوش مصنوعی در پیش‌بینی و مدیریت مخاطرات اقلیمی با تاکید بر امواج گرما در غرب ایران 29 45 243939 10.22034/jmas.2026.565968.1258 FA آذر جلیلیان گروه جغرافیا. دانشگاه رازی. دانشکده ادبیات و علوم انسانی حسن ذوالفقاری گروه جغرافیا. دانشکده ادبیات و علوم انسانی. دانشگاه رازی. Journal Article 2025 12 13 Climate change has significantly increased the frequency and intensity of heat waves in the world, especially in the western regions of Iran. In fact, heat waves are one of the most important climate hazards that leave numerous harmful consequences in human life and other living organisms every year. This phenomenon has significant impacts on public health, agriculture, and energy consumption, and highlights the need to develop accurate forecasting and early warning systems. This research was conducted using daily data on temperature, relative humidity, and climate indicators at meteorological stations in the five western provinces of Iran (Kermanshah, Hamadan, Ilam, Kurdistan, and Lorestan) during the period 2013 to 2023 and additional ERA5 satellite data, Random Forest, LSTM, and simple neural network models. The performance of the models was evaluated with RMSE, MAE, and Accuracy indices. The results showed that the Random Forest model performed best with 92.7% accuracy and the lowest error (RMSE=1.42). Also, using the SHAP method, the main factors of heat wave formation were identified, with daily maximum temperature (37.2%), relative humidity (21.4%), and solar radiation (16.8%) having the greatest impact. Finally, a framework for an early warning system was designed that can provide local warnings 5 to 7 days before the occurrence of heat waves and play an effective role in the optimal management of water, energy, and public health resources. تغییرات اقلیمی موجب افزایش چشمگیر فراوانی و شدت امواج گرمایی در جهان و به‌ویژه در مناطق غربی ایران شده است. در واقع، امواج گرمایی از مهم‌ترین مخاطرات آب و هوایی هستند که هر سال پیامدهای زیانبار متعددی در زندگی انسان و سایر موجودات زنده بر جای می‌گذارند. این پدیده تأثیرات قابل‌توجهی بر سلامت عمومی، کشاورزی و مصرف انرژی دارد و لزوم توسعه سامانه‌های پیش‌بینی دقیق و هشدار زودهنگام را آشکار می‌سازد. این پژوهش با استفاده از داده‌های روزانه دما، رطوبت نسبی و شاخص‌های اقلیمی در ایستگاه‌های هواشناسی پنج استان واقع در غرب ایران (کرمانشاه، همدان، ایلام، کردستان و لرستان) طی دوره ۲۰۱۳ تا ۲۰۲۳ و داده‌های تکمیلی ماهواره‌ایERA5، مدل‌های Random Forest ،LSTM و شبکه عصبی ساده انجام گرفته است. عملکرد مدل‌ها با شاخص‌های RMSE، MAE و Accuracyارزیابی شد. نتایج نشان داد که مدل Random Forest با دقت ۹۲.۷ درصد و کمترین خطا (RMSE=1.42) بهترین عملکرد را داشته است. همچنین با استفاده از روشSHAP عوامل اصلی شکل‌گیری امواج گرمایی شناسایی شدند که دمای بیشینه روزانه (2.37 درصد)، رطوبت نسبی (۲۱.۴درصد) و تابش خورشیدی (۱۶.۸درصد) بیشترین تأثیر را داشتند. در نهایت، چارچوبی برای سامانه هشدار زودهنگام طراحی شد که می‌تواند ۵ تا ۷ روز قبل از وقوع امواج گرمایی، هشدارهای محلی ارائه دهد و در مدیریت بهینه منابع آب، انرژی و سلامت عمومی نقش مؤثری ایفا کند.

https://www.ims-jmas.net/article_243939_1098e4895ec70edff58eb6f983a23d4a.pdf

انجمن هواشناسی ایران هواشناسی و علوم جوّ 2645-7261 8 1 2025 05 22 Precipitation Estimation Using Satellite Data and Deep Learning Model for Central Regions of Iran تخمین بارش با استفاده از داده ماهواره‌ای و مدل یادگیری عمیق برای نواحی مرکزی ایران 46 62 244194 10.22034/jmas.2026.571346.1264 FA سیدعباس میرحسینی گروه علوم غیرزیستی جوی و اقیانوسی، دانشکده علوم و فنون دریایی، دانشگاه هرمزگان، بندرعباس ابوالحسن غیبی گروه فیزیک، دانشکده علوم پایه، دانشگاه هرمزگان، بندرعباس، ایران محمدحسین معماریان بخش اتمی و مولکولی، دانشکده فیزیک، دانشگاه یزد، یزد، ایران الهام عباسی بخش علوم کامپیوتر، دانشکده ریاضی، دانشگاه یزد، یزد، ایران Journal Article 2026 01 07 Estimating precipitation using traditional methods is usually associated with considerable errors, particularly during convective and heavy rainfall events. To enhance the accuracy of precipitation estimation, a deep learning framework integrating satellite observations and reanalysis data was employed. In this study, an attention based U shaped model was developed, in which the inputs consisted of multi channel hourly brightness temperatures from second generation Meteosat satellites, and the outputs were fifth generation land surface reanalysis data (ERA5 Land) for the period 2019–2022, with an hourly temporal resolution and a spatial resolution of 0.1°. To improve model performance, an enhanced adaptive weighted version of the Huber loss function was utilized. By combining the advantages of mean squared error and mean absolute error, this loss function provides greater robustness against extreme precipitation values. In addition, an attention gating mechanism was applied to facilitate information transfer between the encoder and decoder pathways and to suppress irrelevant features, acting as an intelligent filter that selectively passes features most relevant to precipitation prediction. After training, the model achieved a mean absolute error of 0.39 mm, a root mean square error of 0.862 mm, and a correlation coefficient of 0.80, demonstrating strong spatial consistency with ERA5 Land data. This study was conducted over the geographical domain bounded by 28.5°–35.5° N latitude and 52°–59° E longitude. Overall, the results indicate that the proposed multi source data integration approach combined with the developed attention based U shaped architecture can serve as an effective tool for precipitation monitoring and estimation, particularly in regions with sparse or insufficient rain gauge networks. برآورد بارش با روش‌های سنتی به‌ویژه در رخدادهای همرفتی و رگباری معمولاً با خطای قابل‌توجه همراه است. به‌منظور افزایش دقت برآورد بارش، ترکیب داده‌های ماهواره‌ای و داده‌های بازتحلیل با روش یادگیری عمیق مورد استفاده قرار گرفت. در این پژوهش مدل U شکل مبتنی بر توجه توسعه یافت که ورودی آن دمای روشنایی ساعتی چندکاناله ماهواره‌های نسل دوم متئوست و خروجی آن داده‌های بازتحلیل نسل پنجم مربوط به سطح خشکی (ERA5-Land) در بازه‌ی زمانی ۲۰۱۹ تا ۲۰۲۲ با وضوح زمانی یک‌ساعته و وضوح مکانی 0.1 درجه بود. برای بهبود عملکرد مدل، از نسخه‌ای بهبودیافته و وزن‌دهی‌شده‌ی تطبیقیِ تابع زیان هوبر استفاده شد که با ترکیب مزایای توابع میانگین مربعات خطا و میانگین قدرمطلق خطا، پایداری بیشتری در برابر داده‌های بارشی حدی ایجاد می‌کند. همچنین به منظور انتقال اطلاعات بین مسیرهای رمزگذار و رمزگشا و حذف ویژگی‌های غیرضروری، از سازوکار دروازه توجه استفاده شد که همانند یک فیلتر هوشمند تنها ویژگی‌های مرتبط با پیش‌بینی بارش را عبور می‌دهد. بعد از آموزش، مدل توانست میانگین خطای مطلق را برابر با 0.39 میلی‌متر، ریشه میانگین مربعات خطا را 0.862 میلی‌متر و ضریب همبستگی را 0.8 به‌دست آورد و همبستگی مکانی مطلوبی با داده‌های ERA5‑Land نشان دهد. این پژوهش در محدوده جغرافیایی 28.5 تا 35.5 درجه شمالی و 52 تا 59 درجه شرقی انجام شده است. نتایج کلی نشان می‌دهد رویکرد ترکیبی داده‌های چندمنبع و معماری توسعه‌یافته مدل U شکل مبتنی بر توجه، به‌عنوان ابزاری مؤثر برای پایش و پیش‌بینی بارش، به‌ویژه در مناطق فاقد شبکه ایستگاهی، می‌تواند مورد استفاده قرار گیرد.

https://www.ims-jmas.net/article_244194_e0a4af99a80eaa23a50efb4c9ca5e6ac.pdf

انجمن هواشناسی ایران هواشناسی و علوم جوّ 2645-7261 8 1 2025 05 22 Integrated approach (synoptic-remote sensing) to assessing dust hazards in the west and southwest of Iran (Case study: Dust phenomenon May 15-18, 2022(25-28 Ordibehesht) رویکرد تلفیقی (همدیدی – دورسنجی) برای بررسی مخاطره گردوخاک در غرب و جنوب غرب ایران ( مطالعة موردی: پدیده گردوخاکی 15تا 18 ماه مه 2022(28-25 اردیبهشت1401)) 63 90 244416 10.22034/jmas.2026.560098.1255 FA پریسا سهرابی پیردوستی پریسا سهرابی پیردوستی، دانشجوی دکتری آب و هواشناسی، گروه جغرافیا، دانشکده ی ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه، ایران حسن ذوالفقاری دانشیار آب و هواشناسی، گروه جغرافیا، دانشکده ی ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه، ایران سعید فرهادی پور استادیار هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران Journal Article 2025 11 20 Dust is one of the environmental crises in arid and semi-arid regions. This study analyzes the spatiotemporal variability of dust activity in western and southwestern Iran and investigates the severe dust storm event of 15–18 May 2022 using an integrated statistical, synoptic–dynamic, and remote sensing approach. The dataset includes dust indices, radiative components, soil moisture, and atmospheric variables derived from satellite products and ERA5 reanalysis data for six selected stations during 2000–2025. Long-term analysis shows increasing trends in dust-related indices (AOD, DU, and DUS), concurrent with a significant decline in soil moisture and changes in the regional radiative regime. Anomaly analysis indicates that the May 2022 event deviated markedly from climatological May conditions in terms of dust intensity, radiative components, and surface dryness. Synoptic results demonstrate that the distinctiveness of this event was not solely related to dust intensity, but to the concurrence and persistence of surface anomalies with unstable atmospheric configurations across multiple pressure levels. Relative vorticity at 850 hPa and surface winds controlled the initiation stage, enhanced vorticity at 500 hPa and a strengthened 300 hPa jet stream dominated the peak phase, and surface pressure recovery characterized the decay stage. Surface winds remained the primary driver of horizontal dust transport throughout all stages. Remote sensing analysis based on MODIS True Color and Dust RGB imagery confirmed the spatial expansion, intensity, and abnormal persistence of dust plumes. Overall, this integrated framework improves identification and early warning of extreme dust storm events. گردوخاک یکی از بحران‌های محیطی در مناطق خشک و نیمه‌خشک است. این پژوهش با هدف تحلیل زمانی–مکانی گردوخاک در غرب و جنوب‌غرب ایران و واکاوی رخداد شاخص ۱۵ تا ۱۸ مه ۲۰۲۲، با رویکردی تلفیقی آماری، همدیدی و سنجش‌ازدور انجام شد. داده‌های شامل شاخص‌های گردوخاک، مؤلفه‌های تابشی، رطوبت خاک و متغیّرهای جوی از محصولات ماهواره‌ای و داده‌های ERA5 برای شش ایستگاه منتخب طی دوره ۲۰۰۰–۲۰۲۵ بود. نتایج نشان داد که عمق نوری هواویز (AOD) مؤثرترین شاخص شناسایی گردوخاک است. شاخص‌های گردوخاک( AOD، DU و DUS) در دوره بلندمدت روندی افزایشی داشته و هم‌زمان با کاهش معنی‌دار رطوبت خاک و تغییر رژیم تابشی همراه بوده‌اند. تحلیل ناهنجاری‌ها نشان می‌دهد که رخداد مه ۲۰۲۲ از نظر شدت گردوخاک، مؤلفه‌های تابشی و شرایط سطح زمین به‌طور معنی‌داری از الگوی اقلیمی نرمال ماه مه فاصله دارد. یافته‌های همدیدی نشان داد که تمایز اصلی این رخداد ناشی از هم‌زمانی و تداوم ناهنجاری‌های سطحی با آرایش‌های دینامیکی ناپایدار در چندین تراز جو بوده، به‌گونه‌ای که تاوایی تراز ۸۵۰ هکتوپاسکال و بادهای سطحی در آغاز، تاوایی تراز ۵۰۰ هکتوپاسکال و جت تراز ۳۰۰ هکتوپاسکال در اوج، و کاهش فشار سطحی در فروکش نقش کلیدی داشتند. بادهای سطحی در تمام مراحل، عامل اصلی انتقال افقی گردوخاک باقی مانده‌اند. تحلیل سنجش‌ازدور نیز گسترش فضایی، شدت و تداوم غیرعادی گردوخاک را تأیید کرد. در مجموع، تحلیل هم‌زمان ناهنجاری‌های آماری و ساختارهای دینامیکی جو، در کنار شاخص‌ AOD، تابش مستقیم (DI)، تابش پراکنده (DIF)، رطوبت خاک و تاوایی، می‌تواند ابزاری برای شناسایی و پیش‌آگاهی رخدادهای حدّی گردوخاک فراهم آورد.

https://www.ims-jmas.net/article_244416_67223ce1f5c8955db45a35067b1087f2.pdf

انجمن هواشناسی ایران هواشناسی و علوم جوّ 2645-7261 8 1 2025 05 22 Improving the simulation of climate variables by combining atmospheric general circulation models and the random forest algorithm بهبود شبیه‌سازی متغیرهای اقلیمی با تلفیق مدل‌های گردش عمومی جو و الگوریتم جنگل تصادفی 91 108 244260 10.22034/jmas.2026.568747.1260 FA هادی رمضانی اعتدالی استاد گروه مهندسی آب، دانشگاه بین المللی امام خمینی (ره) ، قزوین مژگان احمدی دانش آموخته دکتری، گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران. Journal Article 2025 12 26 Understanding future trends in climate change and evaluating the performance of climate models in predicting temperature and precipitation is a fundamental step in water resources planning and management. In this study, precipitation, minimum and maximum temperatures, and evapotranspiration were simulated at the Qazvin synoptic station. For this purpose, monthly data of minimum temperature(℃), maximum temperature (℃), evapotranspiration (mm), and precipitation (mm) from the CanESM5, GFDL-ESM4, and HadGEM3 climate models were compared with the Qazvin synoptic station data in the base period 1986-2014, individually and in groups. The results showed that the group implementation of three general atmospheric circulation models using the random forest method for the study area has led to a reduction in the simulation error and, as a result, an increase in the accuracy of the predictions. So that in the minimum temperature simulation, the individual models have RMSE of about 2.6–2.4 (℃), while the combined model has 1 and 1.83 (℃) in the training and test data, respectively. The Spearman correlation is high in both cases (0.85–0.97). The trend of changes in climate variables was examined using the Kendall test and the slope method, and the results showed that in the future periods under the SSP5-8.5 and SSP2-4.5 scenarios, the precipitation trend is significantly decreasing, while the minimum and maximum temperatures and evapotranspiration are significantly increasing. In general, the results showed that the study area will face warmer temperatures and reduced annual precipitation in the coming decades under the influence of climate change scenarios; an issue that highlights the need for adaptive planning in the water and agriculture sectors. شناخت روندهای آینده تغییر اقلیم و ارزیابی عملکرد مدل‌های اقلیمی در پیش‌بینی دما و بارش، گامی اساسی در برنامه‌ریزی و مدیریت منابع آب به‌شمار می‌رود. در این مطالعه، به شبیه‌سازی بارش، دمای حداقل و حداکثر و تبخیروتعرق در ایستگاه سینوپتیک قزوین پرداخته شده است. برای این منظور، داده‌های ماهانه دمای حداقل (درجه سانتیگراد)، دمای حداکثر (درجه‌ سانتیگراد)، تبخیروتعرق (میلیمتر) و بارش (میلیمتر)مدل‌های اقلیمی CanESM5، GFDL-ESM4و HadGEM3 با داده ایستگاه سینوپتیک قزوین در دوره پایه 2014-1986 به صورت جداگانه و گروهی مقایسه شد. نتایج نشان داد که اجرای گروهی سه مدل گردش عمومی جو به روش جنگل تصادفی، برای منطقه مورد مطالعه منجر به کاهش خطای شبیه‌سازی و در نتیجه افزایش دقت پیش‌بینی‌ها گردیده است.به طوری که در شبیه‌سازی دمای حداقل، مدل‌های منفرد RMSE حدود 6/2–4/2 (درجه سانتیگراد) دارند، درحالی‌که مدل ترکیبی در داده‌های آموزش و آزمون به‌ترتیب 1 و 83/1 (درجه سانتیگراد) دارد. همبستگی Spearman در هر دو حالت بالا (97/0–85/0) است. روند تغییرات متغیرهای اقلیمی با استفاده از آزمون کندال و روش شیب‌سن بررسی شد و نتایج نشان داد که در دوره‌های آینده تحت سناریوهای SSP5-8.5 و SSP2-4.5روند کاهشی بارش به‌صورت معنی‌دار و در مقابل روند افزایشی دمای حداقل و حداکثر و تبخیروتعرق به صورت معنی دار است. به طور کلی نتایج نشان داد که در منطقه مورد مطالعه در دهه‌های آینده تحت تأثیر سناریوهای تغییر اقلیم با گرم‌تر شدن دما و کاهش بارش‌های سالانه روبه‌رو خواهد بود؛ موضوعی که لزوم برنامه‌ریزی سازگارانه در بخش آب و کشاورزی را برجسته می‌سازد.

https://www.ims-jmas.net/article_244260_5f25103b22c3aefbc96f2e2955a2bec3.pdf