نوع مقاله : مقاله علمی پژوهشی
نویسندگان
1 دانشیار آب و هواشناسی دانشگاه ارومیه
2 استادیار دانشگاه پیام نور خوی
چکیده
تازه های تحقیق
انتخاب روش تصحیح اریبی در برآورد پیامدهای تغییر اقلیم بسیار مهم است. این پژوهش با هدف ارائه خلاصهای از روشهای مختلف تصحیح اریبی و روشهای ارزیابی آنها در حوضه آبریز دریاچه ارومیه با استفاده از شاخصهای آماری مختلف (ضریب همبستگی، RMSE و PBIAS) انجام گردید. بدین منظور پیشنگریهای بارش روزانه مدل GFDL-ESM4 در یک دوره 30 ساله در مقایسه با میانگین مشاهداتی حوضه بررسی شد و در ادامه از روشهای متنوعی برای اصلاح اریبی و بالا بردن دقت پیشبینیها استفاده گردید.نتایج این تحقیق حاکی از آن است که پیشنگریهای خام بارش در اغلب روزها از دقت مطلوبی برخوردار نبودهاند. بنابراین نتیجه گرفته میشود که اصلاح اریبی بارش، مرحلهای ضروری و مؤثر در بهبود دقّت پیشنگریها محسوب میشود.مشخص شد که روش تغییر عامل دلتا (DC) مطابقت خوب و انحرافات کمتری در برابر بارش مشاهده شده نسبت به سایر روشها دارد. در نتیجه، نشان میدهد که روش DC برای تصحیح مجموعه دادههای سناریوها در این منطقه بهترین روش است.پیشنگریهای بارش آینده تصحیح اریبی شده، تغییرات قابل توجهی را در طول قرن نشان میدهد. در مقایسه با دادههای مشاهدهشده، پیشنگریهای میانگین سالانه بارش مدل GFDL-ESM4، نشاندهنده کاهش بارش از 2 تا 9 درصد در سناریوی SSP1-2.6 و 8 تا 26 درصد در سناریوی SSP2-8.5 بود.نواحی شمالی و شمالشرقی حوضه، کاهش بارش بیشتری خواهند داشت، در حالی که بخشهای جنوبی، کاهش کمتری را تجربه خواهند کرد.علاوه بر این، تجزیه و تحلیلها نشان داد که بیشتر سالها در قرن بیست و یکم بارندگی کمی را دریافت میکنند که میتواند منجر به بروز خشکسالی در حوضه شود.
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
The outputs of general circulation models (GCMs) usually have a bias compared to observational data, and some corrections must be made before using them to develop future climate scenarios. The bias correction methods are the standard statistical methods for processing the output of climate models. In this research, the effect of five bias correction methods on the projected precipitation of the GFDL-ESM4 model in the Lake Urmia basin has been evaluated. The methods used in this research include linear scaling (LS), local intensity scaling (LOCI), power transformation (PT), distribution mapping (DM) and delta change factor (DC). Statistical metrics such as the correlation coefficient, root mean square error (RMSE) and percentage bias (PBias) have been used to evaluate the accuracy of the corrected data in the period of 1990-2014 compared to the observational data and to choose the best method for correcting the data of future scenarios. research results showed that the delta change method significantly improved the raw estimates after correction; Therefore, this method was used to correct the data of scenarios SSP1-2.6, SSP2-4.5 and SSP5-8.5. In addition, the projection of the mean annual precipitation shows a decrease between 2 and 9 percent in SSP1-2.6, between 5 and 17 percent in SSP2-4.5, and between 8 and 26 percent in SSP2-8.5 compared to the observed data.
کلیدواژهها [English]