آب و هواشناسی
خدیجه جوان؛ محمدرضا عزیززاده
چکیده
خروجیهای مدلهای اقلیمی جهانی (GCMs) معمولاً دارای اریبی نسبت به دادههای مشاهداتی هستند و قبل از استفاده از آنها برای توسعه سناریوهای اقلیمی آینده، برخی تصحیحات باید انجام شود. روشهای تصحیح اریبی از جمله روشهای آماری متداول برای پردازش خروجی مدلهای اقلیمی هستند. در این تحقیق تاثیر پنج روش تصحیح اریبی بر پیشنگری بارش مدل ...
بیشتر
خروجیهای مدلهای اقلیمی جهانی (GCMs) معمولاً دارای اریبی نسبت به دادههای مشاهداتی هستند و قبل از استفاده از آنها برای توسعه سناریوهای اقلیمی آینده، برخی تصحیحات باید انجام شود. روشهای تصحیح اریبی از جمله روشهای آماری متداول برای پردازش خروجی مدلهای اقلیمی هستند. در این تحقیق تاثیر پنج روش تصحیح اریبی بر پیشنگری بارش مدل GFDL-ESM4 در حوضه دریاچه ارومیه مورد ارزیابی قرارگرفته است. روشهای مورد استفاده در این تحقیق شامل روشهای نسبتگیری خطی (LS)، نسبتگیری شدت موضعی (LOCI)، تبدیل توانی (PT)، نگاشت توزیع (DM) و تغییر عامل دلتا (DC) میباشند. از معیارهای ضریب همبستگی، مجذور میانگین مربعات خطا (RMSE) و درصد اریبی (PBias) برای ارزیابی دقت دادههای تصحیح شده در دوره 2014-1990 نسبت به دادههای مشاهداتی و انتخاب بهترین روش برای تصحیح دادههای سناریوهای آینده استفاده شده است. نتایج تحقیق نشان داد روش تغییر عامل دلتا برآوردهای خام را پس از اصلاح به طور قابل توجهی بهبود داد؛ بنابراین از این روش برای تصحیح دادههای سناریوهای SSP1-2.6، SSP2-4.5 و SSP5-8.5 استفاده شد. علاوه بر این، پیشنگریهای میانگین سالانه بارش در سناریوی SSP1-2.6 بین 2 تا 9 درصد، در SSP2-4.5 بین 5 تا 17 درصد و در SSP2-8.5 بین 8 تا 26 درصد کاهش را نسبت به دادههای مشاهدهای نشان میدهند.