تحليل روش پس پردازش خروجي مدل‌هاي ديناميكي با استفاده از داده‌هاي شبكه بر روي خشكسالي شمال غرب ايران

Analysis of Post-processing Method for Dynamic Models Output by using Network Data for Drought of North West of Iran

از ديرباز پيش بيني وضعيت بارش و بررسي ناهنجاري خشكسالي در حوضه هاي آبريز شمال غرب كشور ايران به دليل حساسيتي كه درياچه اروميه نسبت به ميزان آبدهي حوضه هاي مربوطه دارد يكي از مهمترين چالش ها در مديريت بهينه منابع آبي بوده است و مديريت سرمايه هاي عظيم منابع آبي و توليد انرژي كشور در منطقه مذكور به شدت متاثر از اين عوامل است. بنابراين با توجه به نوسانات پارامترهاي اقليمي و وقوع رفتارهاي غيرمتعادل در الگوي بارش كشور، استفاده از روش هاي ديناميكي مي تواند كمك بسياري را در تبيين اين شرايط ايفاد نمايد. در اين تحقيق، بدليل توزيع نامناسب داده هاي ديده باني شده، ‌ابتدا با استفاده از داده هاي بارش شبكه آفروديت و بكارگيري روش‌هاي پس پردازش MOS بر روي خروجي مدل پيش بيني ديناميكي MRI-CGCM3 در يك دوره 28 ساله (2007- 1980 ميلادي)، بارش شبكه اي مدل پس پردازش شده و با وزن دهي متغيرهاي اقليمي خروجي مدل ديناميكي براي هر سلول شبكه دادهو با تعيين ضرايب مدل آماري همبستگي چند متغيره، عمل پس پردازش كامل گرديد و خطاهاي سيستماتيك خروجي مدل جهت استفاده در مقياس هاي كوچك تا حدود زيادي كاهش يافت.‌ سپس داده هاي پيش بيني پس پردازش شده مدل ديناميكي، جهت محاسبه شاخص خشكسالي (SPI) در راستاي ارائه پيش‌آگاهي خشكسالي استفاده گرديد و توانمندي روش پس پردازش انتخاب شده با استفاده از شاخص هاي ارزيابي مورد سنجش قرار گرفت. نتايج نشان داد كه اعمال پس پردازش آماري بر روي خروجي مستقيم مدل ديناميكي موجب بهبود پيش بيني ماهانه بارش تا ميزان 29درصد در روش پس پردازش انتخابي مي‌شود. صحت پيش بيني شاخص خشكسالي SPI مي تواند به مقدار 22.3 درصد نسبت به حالت بدون پس پردازش افزايش يافته به طوريكه اين ميزان بعد از اجراي پس پردازش به5 /79 درصد رسيد.

Since long time ago, prediction of precipitation status and investigation of drought hazards in catchment areas of North West of Iran, due to the critical importance of discharge rate of related catchments for Lake Uromia, has been one of the most important challenging issues in efficient management of water resources; management of vast capital of water resources and energy production of the country is highly affected by the aforesaid factors. Therefore, application of dynamic methods may play significant role in adjustment of such conditions concerning the frequencies of climate parameters and occurrence of imbalance behaviors in precipitation pattern of the country. In this regard, application of Aphrodite data can greatly reduce calculation errors and considers proper distribution of time and place in the category of post-processing framework. A wide range of methods has been used in the post-processing analysis of the output of dynamic methods; Therefore, application of post-processing technique may develop outputs of dynamic models to be used in subscales and the outputs of these models may be implemented in macro-environment management with a more comprehensive approach. Main objective of the present research consisted of developing the accuracy of seasonal predictions of precipitation of North-west of the country using dynamic model output post-processing method used toward managing the drought hazard.