استفاده از تحلیل همبستگی متعارف در مقیاس کاهی بارش سامانه های پیش بینی فصلی و توسعه همادی چند مدلی در شرایط زمان واقعی

هدف از این پژوهش، ارزیابی روش تحلیل همبستگی متعارف (CCA)در ارائه پیش بینی های فصلی به صورت مقیاس کاهیشده در یک دوره بلندمدت 30 ساله است. این بررسی در غرب کشور ایران و با استفاده از برونداد بارش سامانه های پیش بینی فصلی همادی آمریکای شمالی انجام شد. بدین منظور، در ابتدا بارش شبکه بندی شده بر اساس اطلاعات سنجش ازدور(PERSIANN-CDR)با داده های ثبت شده از 23 ایستگاه همدیدی ارزیابی شد. ضریب همبستگی PERSIANN-CDRبا داده های ایستگاهی همدیدی بین 7/0 و 95/0 محاسبه شده است. سپس اریب داده های سنجش ازدور به نسبت داده های ایستگاه های همدیدی تصحیح و در انتها هر دو مجموعه داده (سنجش از دور- ایستگاه) تلفیق شدند. از مجموعه داده تلفیق شده به عنوان بارش مرجع در ارزیابی سامانه های پیش بینی فصلی با تفکیک مکانی 1 و 25/0 درجه (برونداد مستقیم و پس از کاربست CCA) استفاده شد. مدل های پیش بینیفصلی به صورت انفرادی و وزن دهی شده (سامانه های همادی متشکل از 2 تا 8 مدل) مورد استفاده قرار گرفت. برای ارزیابی مهارت این مدل ها، معیارهای ارزیابی شامل معیارهای پیوسته و طبقه بندی شده است که در دوره صحت سنجی محاسبه شده است. در این دوره، همبستگی اسپیرمن به عنوان شاخص نیکویی برازش، بیشینه شده است. شاخص های ارزیابی به صورت برونداد مستقیم و تصحیح شدهمقایسه شدند. نتایج نشان می دهد که همه شاخص ها پس از اعمال CCA بهبود می یابند. لذا روش شناسی پیشنهادی در مقیاس کاهی و پس پردازش سامانه های پیش بینی فصلی در محدوده مورد مطالعه کارا است. همچنین، سامانه همادی سه مدلی متشکل از CCSM4، CMC2، CFSv2 دارای مهارت بیشتر در مقایسه با همادی هشت مدلی و سایر مدل های انفرادی است. این سامانه که دارای همبستگی اسپیرمن بیش از 6/0 با داده های مرجع می باشد، به عنوان مدل برتر با بیشترین نیکویی برازش در محدوده مورد مطالعه است. در اکثر محدوده مورد مطالعه، GFDL-aer04و سامانه های همادی چند مدلی توانسته اند در 80 درصد از سال هایی که بارش زیرنرمال اتفاق افتاده، بارش زیرنرمال را به درستی پیش بینی نمایند. یافته های این پژوهش، کاربست روش شناسی پیشنهادی در پیش بینی خشک سالی هواشناسی به صورت زمان واقعی در فصل اکتبر- دسامبر در محدوده غرب کشور ایران را آشکار می سازد.