پس پردازش برون داد مدل دینامیکی MRI-CGCM3 برای پیش بینی فصلی بارش استان خراسان رضوی

مدیریت منابع آبی در کشور به سبب وابستگی بخش عمده ای از فعالیت های اقتصادی به مقدار و توزیع زمانی بارش دارای اهمیت بسیار زیادی است و پیش بینی فصلی یکی از ابزارهای مهم در مدیریت بهینه منابع آبی محسوب می شود. در این تحقیق به منظور عرضه پیش بینی فصلی بارش استان خراسان رضوی، برون داد متغیر های متفاوت مدل دینامیکی MRI-CGCM3، در دوره 1981-2007 روی هفت ایستگاه هواشناسی استان خراسان رضوی پس پردازش شدند. داده های مدل از سازمان هواشناسی ژاپن اخذ شدند. نتایج نشان داد که استفاده از این روش باعث افزایش دقت پیش بینی های فصلی می شود؛ به گونه ای که در ایستگاه مشهد با اعمال فرایند پس پردازش آماری با استفاده از روش همبستگی چندمتغیره خطی، اریبی و خطای نسبی پیش بینی فصلی بارش به ترتیب از 43/107 به 99/2 میلی متر و از 15/66 به 78/0 کاهش یافت. همچنین میانگین اریبی بارش در کل استان از 3/94 به 5/3 میلی متر کاهش یافت. در این پژوهش پیش بینی فصلی در پنج طبقه بیش از نرمال، نرمال تا بیش از نرمال، نرمال، نرمال تا کمتر از نرمال و کمتر از نرمال تهیه و با داده های متناظر بارش دیدبانی مقایسه شد. نتایج نشان داد که توانمندی پیش بینی فصلی خام مدل 3/25 درصد است و با اعمال پس پردازش آماری تا 2/62 درصد افزایش می یابد که حاکی از بهبود 9/36 درصدی در توانمندی پیش بینی ها است. همچنین مشخص شد که اگر تعداد طبقات پیش بینی بارش از پنج طبقه به سه طبقه بیش از نرمال، نرمال و کمتر از نرمال کاهش یابد، توانمندی پیش بینی به 6/73 درصد افزایش خواهد یافت. به علت اریبی بسیار زیاد داده های خام مدل، اجرای فرایند پس پردازش آماری موجب شد تا خطای پیش بینی در همه ایستگاه ها بیش از صددرصد بهبود یابد. علاوه بر این مقایسه نتایج بارش پیش بینی شده با استفاده از روش جاری نشان می دهد که مدل توانسته است بارش های فصل پاییز 1391 را به خوبی پیش بینی کند. همچنین نتایج روشن ساخت که برخی شاخص هایی که برای راستی آزمایی پیش بینی عددی کوتاه مدت مورد استفاده قرار می گیرند، پاسخ صحیحی برای پیش بینی های فصلی به دست نمی دهند.