پيش‌نگري شدت بارش در ايران با به‌كارگيري رويكرد همادي چندمدلي با استفاده از داده‌هاي مقياس‌كاهي‌شده NEX-GDDP

Projection of precipitation intensity in Iran using NEX-GDDP by multi-model ensemble approach

هدف از اين مطالعه بررسي كارايي مدل­هاي مقياس‌كاهي­شده روزانه جهاني تبادل زمين ناسا (NEX-GDDP) در شبيه­سازي شدت بارش و پيش‌نگري بلندمدت آن در ايران است. براي اين منظور نُه مدل از مدل­هاي CMIP5 از پروژه NEX-GDDP بر اساس حساسيت اقليمي گزينش شد. براي درستي­سنجي برونداد بارش داده­هاي مذكور از داده­هاي بارش 49 ايستگاه همديدي طي دوره تاريخي (2005-1980) و دو سنجه آماري RMSE و MBE استفاده شد. نتايج نشان داد داده­هاي پروژه NEX-GDDP در مقايسه با داده­هاي مشاهداتي اريبي چنداني ندارند و بيشتر مدل­ها با خطاي نسبي كم، كارايي لازم را در بازتوليد الگوي فضايي بارش در ايران دارند. از بين مدل­هاي نُه‌گانه بررسي­شده، مدل MPI-ESM-LR بيشينه بيش­برآوردي و مدل IPSL-CM5A-LR بيشينه كم‌برآوردي را در ايران نشان مي­دهد. در مقايسه با ساير GCM ها در دوره تاريخي، داده‌هاي پروژه NEX-GDDP عدم قطعيت كمتري را در مقياس منطقه‌اي نشان مي­دهند و از اين‌رو پيش‌نگري­هاي NEX-GDDP بسيار مطمئن­تر است. از روش ميانگين­گيري مدل بيزي (BMA) جهت توليد يك مدل همادي از مدل­هاي نُه‌گانه استفاده شد. بر اساس مساحت زير خم ROC، مدل همادي توليد­شده كارايي بهتري را نسبت به مدل­هاي منفرد نشان داد. پيش­نگري شدت بارش با دو شاخص SDII و RX1day با مدل همادي NEX-GDDP-MME طي سه دوره آينده نزديك (2050-2026)، آينده مياني (2075-2051) و آينده دور (2100-2076) با دو سناريوي RCP4.5 و RCP8.5 انجام شد. پيش‌نگري­هاي شدت بارش نشان مي­دهد در آينده در سراسر ايران بارش با شدت بيشتري اتفاق مي­افتد. شاخص‌هاي RX1day و SDII تا پايان قرن در حدود 4 تا 13 درصد براي متوسط پهنه ايران افزايش خواهند يافت كه نشان­دهنده افزايش بارش‌هاي سيل‌آسا طي دهه­هاي آينده در ايران است.

Global warming has a significant impact on weather and climate change. These changes, and especially changes in climate extremes, have a great impact on human society and ecosystems. Future changes in extreme climate events, including precipitation extreme, will cause great damage to society, the economy, and ecosystems because of their potentially severe effects. The purpose of this study is to investigate the performance of NASA earth exchange global daily downscaled projections (NEX-GDDP) in simulating precipitation and its long-term projection in Iran. For this purpose, the nine models of NEX-GDDP were selected based on climate sensitivity. Precipitations from 49 ground stations during the historical period (1980-2005) were used to evaluate the precipitation output of the mentioned models using RMSE and MBE statistics. The Bayesian model averaging (BMA) method was used to generate an ensemble model from nine models. Intensity of precipitation with two indices SDII and RX1day is projected during the three