پیش بینی فصلی بارش با استفاده از پس پردازش آماری مدل دینامیکی MRI-CGCM3

مدیریت منابع آبی در کشور به دلیل وابستگی بخش عمده ای از فعالیتهای اقتصادی به آب و توزیع زمانی آن از اهمیت به سزایی برای کشورمان برخوردار بوده که با توجه به تغییرات اقلیمی اخیر و افزایش پدیده های حدی هیدرواقلیمی مانند خشکسالی، سیل خیزی و . . . بر اهمیت آن در تاثیرگذاری بر منابع آب کشور افزوده است. در این راستا مدیریت منابع آب بعنوان راهکار موثر در کاهش اثرات سو آن محسوب می شود. یکی از روش های موثر در این زمینه، استفاده از روش های پیش بینی فصلی هواشناسی است. لذا در این مطالعه برونداد متغیرهای اقلیمی مدل دینامیکی پیش بینی فصلی MRI-CGCM3 پس از ریز مقیاس نمایی و پس پردازش آماری در دوره 2007-1980 میلادی مورد مطالعه قرار گرفتند. برای این منظور متغیر بارش مدل شده با بکارگیری داده های دیدبانی چهار ایستگاه هواشناسی استان خراسان رضوی و همچنین سایر متغیر های مدل مذکور در مقیاس زمانی ماهانه بر روی ایستگاههای هواشناسی استان خراسان رضوی ریزمقیاس شدند. نتایج نشان دادند که استفاده از این روش باعث افزایش صحت پیش بینی های فصلی می شود. در ایستگاه مشهد با اعمال فرآیند پس پردازش اریبی پیش بینی به ترتیب از 107.43 به 2.99 میلی متر و و خطای نسبی از 66.15 به 0.78 کاهش یافت. در سایر ایستگاههای استان نیز با اعمال فرآیند فوق به نحو قابل توجهی اریبی و خطای مدل کاهش پیدا کردند. همچنین مشخص شد که علیرغم اریبی بسیار زیاد این مدل در پیش بینی بارش، به خصوص در فصول کم بارش، به دلیل توانمندی بالای آن در پیش بینی رفتار بارش ماهانه استان، می توان به سادگی و از طریق حذف اریبی مدل و اعمال روش همبستگی چند متغیره برونداد بارش مدل را در مقیاس ایستگاهی ریزمقیاس نمود.

کلیدواژه ها:

بارش ، پس پردازش آماری ، پیش بینی فصلی ، ریزمقیاس نمایی ، مدل MRI-CGCM3