مقایسه عملکرد مدل های LARS و RegCM4 در شبیه سازی و پس پردازش داده های سالانه دما و بارش خراسان بزرگ

این تحقیق به منظور شبیه سازی بارش و دما با مدل دینامیکی RegCM4 وLARSدر دو حالت با و بدون به کارگیری تکنیک پس پردازش آماری برونداد مستقیم مدل در شمال شرق ایران (خراسان بزرگ) ودوره آماری 2011-1987 در مقطع زمانی سالانه انجام شده است.بر اساس نتایج حاصله، در مدل LARS در منطقه مورد مطالعه، در دوره راستی آزمایی 2013-2007 میانگین اریبی بارش سالانه خام مدل برابر 63/53 میلیمتر و پس پردازش شده 25/11- می باشد. بطور خلاصه در مقیاس زمانی سالانه در 84 درصد ایستگاه های مطالعاتی انجام پس پردازش موثر واقع شده و میزان خطای اریبی را در بیشتر ایستگاه ها، بشدت کاسته است. بر اساس نتایج حاصله از مدل RegCM4، در دوره راستی آزمایی 2011-2006 میانگین اریبی بارش سالانه خام مدل RegCM4 برابر 3/85 میلیمتر و پس پردازش شده 04/61 محاسبه شده است.لذا مقادیر خطا در بیشتر ایستگاه ها قبل و بعد از پردازش بسیار بالا و نتایج مدل قابل قبول نیست. بطور خلاصه در مقیاس زمانی سالانه در 75 درصد ایستگاه های مطالعاتی انجام پس پردازش موثر واقع شده است. بنابراین قدر مطلق خطای اریبیپس پردازش متوسط بارش سالانه مدل LARS برابر با 6/13 و مدل RegCM4 برابر با 61 می باشد. میانگین اریبی دمای سالانه خام مدل LARS برابر 096/0 درجه سانتیگراد و پس پردازش شده 432/0- است. این در عمل بزرگتر از اریبی بدون پس پردازش شده است، لذا عمل پس پردازش در تمامی ایستگاه ها موثر واقع نشده و فقط در 46 درصد ایستگاه ها خوب تعریف می شود.شبیه سازی داده های دمای دومتری در ایستگاه های هواشناسی با استفاده از مدل RegCM4 و نیز اعمال MA کارایی بالایی را نشان داد. میانگین اریبی دمای سالانه خام مدل RegCM4 برابر 78/2- درجه سانتیگراد بود که پس از اعمال پس پردازش به 05/0- کاهش یافت. در تمامی ایستگاه ها دمای سالانه مدل شده با داده های مشاهداتی کمتر از 1/0 درجه سانتیگراد اختلاف دارد. بنابراین در شبیه سازی داده های بارش سالانه مدل LARS تا حتی بهتر از مدل RegCM4 جوابگو می باشد. و در شبیه سازی داده های دمای سالانه مدل دینامیکی RegCM4، واقعیت خیلی بهتری از منطقه نسبت به مدل آماری LARS ، از خود نشان می دهد.