فهرست نشریات علمی دسترسی آزاد ایران

مقدمه: خروجی مدل‌های گردش کلی جو (GCMs) به علت تفکیک فضایی شبکه‌ای پایین فاقد دقت مکانی و زمانی مناسب برای مطالعات منطقه‌ای و محلی است. این نیاز منجر به توسعۀ مدل‌های منطقه‌ای و مقیاس کاهی آماری و دینامیکی گردید. از میان روش‌های آماری نیز مدل‌های LARS-WG و SDSM از رایح‌ترین و معتبرترین ابزارهای مقیاس‌کاهی به حساب می‌آیند. مواد و روش‌ها: در این تحقیق عملکرد این دو مدل در مقیاس‌کاهی برونداد مدل‌های CMIP6 و شبیه‌سازی متغیرهای دما و بارش در حوزه آبخیز دریاچه ارومیه ارزیابی شد. ایستگاه‌های هواشناسی مورد بررسی شامل 7 ایستگاه همدیدی با دوره آماری 30 سال متناسب با دوره پایه مدل‌ها (2014-1985) می‌باشد. جهت ارزیابی عملکرد مدل‌ها نیز از سنجه‌های خطاسنجی MSE، RMSE، MAE و هم‌چنین R2 بهره گرفته شد.نتایج: هر دو مدل LARS-WG و SDSM در شبیه‌سازی متغیرهای دما و بارش در حوضه مورد مطالعه از توانایی بالایی برخوردارند. هرچند در ایستگاه‌های مختلف و همچنین متغیرهای اقلیمی مختلف میزان دقت آن‌ها یکسان نبود. بر اساس نتایج هر دو مدل در شبیه‌سازی بارش از دقت کمتری نسبت به دما برخوردارند که این امر می‌تواند ناشی از پیچیده بودن فرآیند بارش و ماهیت آن باشد. مدل SDSM کمترین خطا را در شبیه‌سازی داده‌های دما و بارش در حوضه مورد مطالعه دارد. با وجود اینکه مدل LARS-WG نیز توانایی مناسبی در شبیه‌سازی داده‌های دما و بارش جهت مقیاس کاهی دارد و در برخی ایستگاه‌های نیز بهتر عمل کرده است اما قابلیت آن به اندازه مدل SDSM نیست. در مدل SDSM عمل مقیاس کاهی از طریق ایجاد یک رابطه رگرسیونی بین پیش‌بینی کننده‌ها و پیش‌بینی شونده‌ها در یک ایستگاه صورت می‌گیرد ولی در مدل LARS-WG متغیرهای مستقل و بزرگ مقیاس جوی نقش مستقیمی در شبیه‌سازی داده‌ها ندارند بلکه مدل در ابتدا به منظور تعیین پارامترها و خصوصیات آماری داده‌های مشاهداتی آنها را تحلیل می‌کند سپس هم راستا با نوع تغییرات آینده متغیرهای اقلیمی بزرگ مقیاس، پارامترهای آماری داده‌های مشاهداتی را تغییر داده و اقدام به باز تولید داده‌ها در دوره‌های آینده می‌کند. با توجه به سنجه‌های خطاسنجی و مقایسه دو مدل مورد بررسی با یکدیگر به طور قطعی نمی‌توان یکی را بر دیگری ترجیح داد. بحث: به دلیل نوع فرآیند شبیه‌سازی و همچنین ساختار ترکیبی مدل SDSM در مقیاس‌کاهی داده‌ها و استفاده مستقیم از مدل‌های گردش کلی جو و داده‌های بزرگ مقیاس NCEP و ERA5 در گزارش ششم، این مدل دقت بیشتری در شبیه‌سازی داده‌ها در حوضه مورد بررسی دارد. از طرف دیگر مدل LARS-WG نیز به سبب سادگی ساختار مدل، داده‌های ورودی به مدل و نیاز به مهارت کمتر و همچنین سرعت عملکرد دارای برتری است و به کاربر قدرت انعطاف بیشتری را می‌دهد. اما مدل SDSM دارای فرآیند پیچیده‌تری است و نیاز به دقت و زمان بیشتر و همچنین تخصص نسبتاً بالای کاربر دارد. این مدل علاوه بر متغیرهای اقلیمی برای متغیرهای هیدرولوژی و زیست محیطی نیز قابل استفاده است در صورتی که مدل LARS-WG فقط برای متغیرهای دما، بارش، تابش و تبخیر کاربرد دارد. اما از طرف دیگر برای مدل LARS-WG با توجه به ویژگی‌های اقلیمی منطقه مورد مطالعه می‌توان سناریوهای جدید تغییر اقلیم تعریف نمود که در کاربرد این مدل‌ها در یحث‌های تغییر اقلیم می‌تواند مفید باشد. در مجموع می‌توان نتیجه گرفت این مدل‌ها علی‌رغم تفاوت‌هایی که دارند می‌توانند رفتار آماری داده‌های اقلیمی یک ایستگاه هواشناسی را از نظر میانگین، انحراف معیار و غیره تولید کنند که با رفتار آماری داده‌های مشاهداتی یکسان هستند و هیچکدام از مدل‌ها بر دیگری برتری مطلق ندارد. با توجه به این‌که در هر منطقه‌ای قبل از اجرای مدل‌های تغییر اقلیم، مقیاس‌کاهی و ارزیابی عملکرد مدل‌ها امری ضروری است از نتایج حاصل از این پژوهش می‌توان در صحت‌سنجی برونداد مدل‌ها CMIP6 در پیش‌نگری متغیرهای اقلیمی در دوره‌های آینده در اقلیم‌های مختلف استفاده کرد.