ارزیابی تاثیر روش های تصحیح اریبی بر مهارت پیش بینی فصلی بارش مدل اقلیمی CFSv2

روش های تصحیح اریبی از جمله روش های آماری متداول برای پس پردازش خروجی مدل های اقلیمی هستند. در این تحقیق، تاثیر پنج روش تصحیح اریبی بر مهارت پیش بینی بارش (فصل پاییز) مدل اقلیمی CFSv2 بر مبنای 12 ایستگاه واقع در حوضه آبریز گرگانرود (شمال ایران) مورد ارزیابی قرارگرفته است. روش های تصحیح اریبی مورد استفاده در این تحقیق شامل دو روش  ناپارامتری (نسبت گیری خطی(LS) ، نگاشت چندکی تجربی (EQM))، یک روش پارامتری (تبدیل توانی (Ptr)) و دو روش پارامتری مبتنی بر توزیعهای آماری (نگاشت پارامتری چندک (PQM)، نگاشت چندکی پارامتری تعمیم یافته (GPQM)) می باشند. از سنجه های متنوعی برای ارزیابی تاثیر این روش ها بر مهارت پیش بینی فصلی بارش استفاده شده است که شامل متوسط اریبی، متوسط ضریب همبستگی پیرسون و همچنین دو سنجه مهارت پیش بینی احتمالاتی شامل امتیازهای مهارتی، ویژگی عملیاتی نسبی (ROCSS) و رتبه احتمال (RPSS) می باشد. نتایج این تحقیق نشان می دهد بیشتر روش های تصحیح اریبی و در موارد بالایی به خوبی توانستند اریبی موجود در پیش بینی ها را کاهش دهند. تاثیر استفاده از روش های مختلف تصحیح اریبی بر مهارت پیش بینی احتمالاتی با استفاده از سنجه های RPSS و ROCSS نیز وابسته به محل و زمان متفاوت است و هر یک از روش ها می توانند این سنجه ها را برای محل یا زمانی بهبود دهند و یا تضعیف کنند. از اینرو نتیجه این تحقیق پیشنهاد می کند ارزیابی روش های مختلف تصحیح اریبی و شناسایی مناسب ترین روش با توجه به هدف هر مطالعه می تواند به ارتقاء مهارت پیش بینی فصلی بارش کمک کند.