ارزيابي پيوسته و احتمالاتي پيش‌بيني‌هاي بلندمدت بارش مدل‌هاي همادي آمريكاي شمالي (مطالعه موردي: حوضه آبريز سد كرخه)

Continuous and probabilistic Assessment of Long-term Precipitation Forecast of North American Multi Model Ensemble (Case Study: Karkheh Dam Basin)

در دهه‌هاي اخير قابليت پيش‌بيني‌هاي هواشناسي به دليل توسعه شهري و تغيير‌اقليم به امري مهم در جوامع بشري تبديل شده است. پيش‌بيني اين متغيرها علاوه بر آگاهي دادن به بخش‌هاي گوناگون جامعه، نقش موثري را در تصميم‌گيري و برنامه‌ريزي بهتر در زمينه‌هاي مختلف، نظير مديريت منابع آبي، ايفا مي‌نمايند. امروزه در اين حوزه، بكارگيري مدل‌هاي پيش‌بيني عددي وضع آب و هوا يكي از متداول‌ترين رويكردها به شمار مي‌روند و تلاش‌هاي فراواني براي توسعه مدل‌هاي جديد و بهبود نتايج پيش‌بيني‌هاي آن‌ها در سطح جوامع علمي جهان در جريان مي‌باشد. در اين تحقيق، برونداد هفت مدل پيش‌بيني از مجموعه مدل‌هاي همادي چندگانه آمريكاي شمالي به‌منظور ارزيابي پيش‌بيني بارش حوضه سد كرخه در دوره 31 ساله (2015-1985) به‌كار گرفته شده است. بدين منظور پس از مقياس‌كاهي برونداد مدل‌هاي پيش‌بيني در افق‌هاي زماني 1 تا 3 ماهه با استفاده از روش رگرسيون خطي چندگانه (MLR) ، امكان بهبود آن‌ها با استفاده از رويكرد تركيب مدل‌ها مورد بررسي قرار گرفته است. ارزيابي كارايي مدل‌ها با استفاده از شاخص‌هاي ضريب همبستگي پيرسون (ρ) و ريشه ميانگين مربعات خطاي نرمال‌شده (NRMSE) براي ارزيابي پيوسته و منحني اطمينان‌پذيري براي ارزيابي احتمالاتي، انجام گرديد. نتايج نشان مي‌دهد كه هيچ‌كدام از مدل‌ها به تنهايي در تمامي افق‌هاي زماني مورد بررسي، عملكرد مطلوبي را نداشته‌اند و استفاده منفرد از آن‌ها عملكرد مناسبي را نشان نمي‌دهد؛ درحالي كه مدل تركيبي (MME) به‌طوركلي عملكرد مناسب‌تري را نشان مي‌دهد. نتايج حاصل از اين تحقيق، اهميت استفاده از همادي مدل‌هاي چندگانه بر مبناي نتايج خروجي چندين مدل را جهت ارتقاء مهارت پيش‌بيني بارش نشان مي‌دهد.

In recent decades, the ability of meteorological forecasts due to urban development and climate change has become an important issue in human societies. Forecasting these variables in addition to informing different segments of society, plays an effective role in better decision making and planning in different areas, such as water resources management. Nowadays in this field, the use of numerical forecasting models is one of the most common approaches. In this study, the output of seven forecast models from the North American Multi Model Ensemble (NMME) project is used to evaluate the forecast of precipitation in Karkheh Dam basin during the 31 years period (1985-2015). For this purpose, the outputs of precipitation forecast models for 1-3 month lead times were downscaled using Multiple Linear Regression (MLR) method. Then the possibility of improving forecast skill of them has been evaluated using an ensemble model approach. The models were assessed using both continuous and probabilistic methods using Pearson correlation coefficient (ρ) and normalized root mean square error (NRMSE) and reliability diagram respectively. The results indicate that none of the forecast models performed well in all lead times alone and their individual use did not show good performance; while the Multi Model Ensemble (MME) generally shows better performance than the individual models. The results of this study, demonstrate the importance of using an ensemble model based on the outputs of several models for improving the long term precipitation forecast skill.