کاربرد مدل ARMA در کاهش مقیاس و ارزیابی آثار تغییر اقلیم در مقیاس سالانه

با وجود قابلیت های ویژه مدل ARMA (Autoregressive Moving Average) برای ارزیابی اثر تغییر اقلیم در مقیاس سالانه، این مدل در مطالعات پیشین تغییر اقلیم، به ندرت مورد توجه قرار گرفته است. علت اصلی آن، مشخص نبودن روش کاهش مقیاس برای سری های غیر نرمال است. سری های بارش در مقیاس ه ای روزانه و ماهانه اغلب غیرنرمال است، اما بارش سالانه در بسیاری از مناطق از توزیع نرمال تبعیت می کند. در این مقاله عملکرد مدل سالانه ARMA با عملکرد مدل پرکاربرد روزانه LARS-WG (Long Ashton Research Station Weather Generator) برای تولید سری های سالانه بارش و دما مقایسه شده است. نتایج نشان می دهد مدل ARMA آماره های مختلف بارش و دمای سالانه و توزیع فراوانی این متغیرها را در سری های مصنوعی به خوبی بازتولید می کند. اما مدل LARS-WG که عملکرد مناسبی در بازتولید آماره های روزانه دارد، عملکرد مناسبی در بازتولید توزیع فراوانی دمای سالانه ندارد. علت این امر ناتوانی LARS-WG در بازتولید نوسانات بین سالی (به طور خاص انحراف معیار سالانه) است. اثر تغییر اقلیم بر بارش و دمای سالانه ایستگاه هواشناسی زنجان با استفاده از مدل ARMA تحت سناریوی مدل HADGEM2 (Hadley Centre Global Environment Model version 2) تحت سناریوی انتشار RCP4.5 (Representative Concentration Pathway 4.5) ارزیابی شد. نتایج حاکی از کاهش بارش و افزایش دما در دوره بازگشت های مختلف است. بر این مبنا با در نظر گرفتن اثر تغییر و در حدود 90% نوسانات اقلیم، بارش 2 ساله بین 7 تا 23 درصد نسبت به مقادیر مشاهداتی کاهش می یابد و دمای 2 ساله بین 2/2 تا 8/3 درجه نسبت به مقادیر مشاهداتی افزایش می یابد.