ارزیابی تأثیر پس‌پردازش بر بهبود مهارت پیش‌بینی‌های همادی فصلی بارش و دما پایگاه داده C3S در ایران

نویسندگان

1 استادیار گروه مهندسی عمران، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران.

2 دانشجوی دکتری گروه مهندسی عمران، دانشکده عمران، معماری و هنر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

3 استاد گروه مهندسی عمران، دانشکده عمران، معماری و هنر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

doi
چکیده

پیش­‌بینی‌های فصلی نقشی حیاتی در مدیریت منابع آب و توسعه­ سامانه‌های پیش­‌بینی و خشکسالی ایفا می‌کنند. در تحقیق حاضر پیش‌بینی‌­های همادی ماهانه بارش و دمای سه مرکز پایگاه داده C3S در طول سال‌های 1993 تا 2018 برای هشت گروه بارشی ایران در افق­‌های زمانی 1 تا 3 ماه مورد بررسی و ارزیابی قرار گرفت. همچنین با هدف بهبود مهارت پیش‌بینی‌های خام در هشت گروه بارشی، از روش‌های نگاشت چندک (QM)، روش مقیاس‌‎دهی خطی (LS) ‌و روش نگاشت توزیع گاما (GDM) برای پس‌پردازش پیش‌بینی‌های بارش و از روش‌های مقیاس‌دهی خطی (LS) ‌و روش مقیاس‌دهی واریانس (VS) برای پس‌پردازش پیش‌بینی‌های دما استفاده شد. نتایج این تحقیق نشان می‌دهد که پیش‌بینی‌های خام بارش مدل­ها در گروه­‌های بارشی غرب ایران بهترین و در گروه‌­های بارشی شمال ایران ضعیف‌­ترین عملکرد را دارند. پیش‌بینی‌های دما در اغلب موارد، فرو پیش­بینی و تقریباً همه روش‌های پس‌پردازش قادر به تقلیل خطاها و بهبود دقت پیش‌بینی‌ها در بیشتر گروه‌های بارشی بخصوص برای پیش‌بینی‌های مدل ECMWF بودند. در حالت کلی مدل‌های ECMWF بعد از پس‌پردازش بهترین عملکرد و مدل MF بدترین عملکرد را داشت. در بین روش‌های پس‌پردازش بارش دو روش GDM و LS عملکرد بهتری داشتند که در گروه‌های پربارش شمال ایران (G6 و G8) برتری روش‌های LS و GDM کاملاً محسوس است. در خصوص پس‌پردازش پیش‌بینی‌های همادی دما، روش  VSکمی بهتر از LS بود و عملکرد روش‌های پس‌پردازش در ماه‌های سرد سال (اواخر فصل پاییز و فصل زمستان) بسیار مؤثر و در ماه‌های گرم (فصل تابستان) اندکی ضعیف‌تر از بقیه ماه‌ها بود.