ارزیابی دو روش ریز مقیاس نمایی آماری LARS-WG و SDSM در برآورد تغییرات پارامترهای اقلیمی (مطالعه موردی:دشت بیرجند)

در حال حاضر معتبرترین ابزار جهت تولید سناریوهای اقلیمی، مدل های سه بعدی جفت شده جوی-اقیانوسی گردش عمومی هوا می باشند که به طور مخفف از آن به عنوان AOGCM یاد می شود. یکی از مشکلات عمده در استفاده از خروجی مدل های AOGCM، بزرگ بودن مقیاس مکانی سلول محاسباتی آن ها، نسبت به منطقه مورد مطالعه است و باید نتایج خروجی این مدل ها کوچک مقیاس شوند. روش های آماری متعددی جهت ریزمقیاس نمودن خروجی های مدل هایAOGCM برای دستیابی به دقت بیشتر توسعه یافته اند. تفاوت دقت روش های ریزمقیاس نمایی متناسب با مکان و نوع مدل اقلیمی می تواند باعث اختلاف در نتایج شبیه سازی گردد. لذا بررسی دقت این روش ها از اهمیت بالایی برخوردار است. پژوهشگران زیادی در سرتاسر دنیا به بررسی دقت روش های گوناگون در ریزمقیاس نمایی پرداخته اند. نتایج پژوهشگران در سرتاسر دنیا بیانگر این مطلب می باشد که بر اساس نوع خروجی مدل هایAOGCM و همچنین کمیت و کیفیت داده های مشاهداتی منطقه مورد مطالعه شبیه سازی مولفه های اقلیمی متفاوت خواهد بود. هدف از این پژوهش بررسی دقت روش های ریزمقیاس نمایی آماری LARS-WG و SDSM برای بارندگی و متوسط درجه حرارت روزانه و برای ایستگاه سینوپتیک بیرجند می باشد. آمار مشاهداتی دوره 2000-1960 از سازمان هواشناسی استان استخراج شد. دوره 1990-1960 برای واسنجی و دوره 2000-1991 برای دوره صحت سنجی انتخاب شدند. سری شاخص های حدی اقلیمی در دوره صحت سنجی برای آمار مشاهداتی ایستگاه سینوپتیک و شبیه سازی شده توسط دو روش ریزمقیاس نمایی محاسبه شد. به منظور ارزیابی دقت دو روش در محاسبه شاخص ها، از آزمون های آماری استفاده شد. بدین ترتیب که حساسیت روش ها به ناهنجاری های بزرگ مقیاس (همبستگی داده ها) و توانایی روش های ریزمقیاس نمایی برای برگرداندن توزیع داده های مشاهداتی به ترتیب با آزمون های همبستگی پیرسون و رتبه نشان دار ویل کاکسون مورد ارزیابی قرار گرفت. پس از بررسی نتایج مشخص شد که برتری قابل توجهی در آزمون همبستگی پیرسون بین دو روش وجود ندارد. هرچند که در دو روش نتایج برازش بیش از 50% شاخص های مشاهداتی و شبیه سازی شده قابل قبول است. نتایج عملکرد دو مدل در آزمون ویل کاکسون نشان داد که تفکر مبدل های اقلیمی به طور قابل ملاحظه ای بالاتر از روش های رگرسیون خطی می-باشد. نتایج این آزمون نشان داد که در روش LARS-WG بیش از 90% شاخص ها برازش خوبی را دارا می باشند. همچنین برازش شاخص های دما در روش SDSM-DC در مقایسه با روش LARS-WG بسیار نامطلوب بود. نتایج مطالعه نشان داد که به طور کلی روش LARS-WG در مقایسه با روش SDSM-DC دقت بهتری دارد. این برتری به خصوص در در پیش بینی تابع توزیع همسان با داده های مشاهداتی محسوس تر بود.