ارزيابي تأثير پس‌پردازش بر بهبود مهارت پيش‌بيني‌هاي همادي فصلي بارش و دما پايگاه داده C3S در ايران

پيش ‌بيني‌هاي فصلي نقشي حياتي در مديريت منابع آب و توسعه سامانه‌هاي پيش ‌بيني و خشكسالي ايفا مي‌كنند. در تحقيق حاضر پيش‌بيني‌ هاي همادي ماهانه بارش و دماي سه مركز پايگاه داده C3S در طول سال‌هاي 1993 تا 2018 براي هشت گروه بارشي ايران در افق ‌هاي زماني 1 تا 3 ماه مورد بررسي و ارزيابي قرار گرفت. همچنين با هدف بهبود مهارت پيش‌بيني‌هاي خام در هشت گروه بارشي، از روش‌هاي نگاشت چندك (QM)، روش مقياس‌‎دهي خطي (LS) ‌و روش نگاشت توزيع گاما (GDM) براي پس‌پردازش پيش‌بيني‌هاي بارش و از روش‌هاي مقياس‌دهي خطي (LS) ‌و روش مقياس‌دهي واريانس (VS) براي پس‌پردازش پيش‌بيني‌هاي دما استفاده شد. نتايج اين تحقيق نشان مي‌دهد كه پيش‌بيني‌هاي خام بارش مدل ها در گروه ‌هاي بارشي غرب ايران بهترين و در گروه‌ هاي بارشي شمال ايران ضعيف‌ ترين عملكرد را دارند. پيش‌بيني‌هاي دما در اغلب موارد، فرو پيش بيني و تقريباً همه روش‌هاي پس‌پردازش قادر به تقليل خطاها و بهبود دقت پيش‌بيني‌ها در بيشتر گروه‌هاي بارشي بخصوص براي پيش‌بيني‌هاي مدل ECMWF بودند. در حالت كلي مدل‌هاي ECMWF بعد از پس‌پردازش بهترين عملكرد و مدل MF بدترين عملكرد را داشت. در بين روش‌هاي پس‌پردازش بارش دو روش GDM و LS عملكرد بهتري داشتند كه در گروه‌هاي پربارش شمال ايران (G6 و G8) برتري روش‌هاي LS و GDM كاملاً محسوس است. در خصوص پس‌پردازش پيش‌بيني‌هاي همادي دما، روش  VSكمي بهتر از LS بود و عملكرد روش‌هاي پس‌پردازش در ماه‌هاي سرد سال (اواخر فصل پاييز و فصل زمستان) بسيار مؤثر و در ماه‌هاي گرم (فصل تابستان) اندكي ضعيف‌تر از بقيه ماه‌ها بود.