ارايه مدل ريزمقياس نمايي داده هاي اقليمي براساس روش ناپارامتريك نزديكترين همسايگي (K-NN)

A Downscaling Model Based on K-nearestneighbor(K-NN) Non-parametric Method

مدل‌هاي گردش عمومي (GCMs-General Circulation Models) مناسبترين ابزار براي مطالعه پديده تغيير اقليم شناخته شده اند. اما اين مدل ها به شبيه سازي پارامتر هاي اقليمي در مقياس بزرگ مي پردازند كه اين مقياس ها براي شبيه سازي فرايندهايي از جمله مدل هاي باران-رواناب كارايي ضعيفي دارد. ازاين رو روش هاي مختلف ريزمقياس نمايي ايجاد و توسعه يافتند. در اين پژوهش مدل ريزمقياس نمايي، براساس روش ناپارامتريك نزديكترين همسايگي (K-Nearest Neighbor -K-NN) ارايه شده است. در ادامه براي ارزيابي كارايي مدل، داده هاي بارش روزانه براي دوره آتي (2044-2015) در ايستگاه اهواز تحت سه سناريوي تغيير اقليم بر اساس خروجي سه مدل HadCM3، NCARPCM و CSIROMK3.5 تحت سناريوي انتشار A2 شبيه سازي شده است. نتايج نشان داد كه مدل ارايه شده توانايي بالايي در ريزمقايس نمايي داده هاي اقليمي دارد. همچنين براي ايستگاه اهواز احتمال وقوع رگبارها با شدت بيشتر در دوره آتي افزايش يافته در حاليكه طول دوره هاي خشك نيز طولاني تر خواهد شد.

General Circulation Models (GCMs) have been identifiedas asuitable tool for studying climate change. Butthese models simulate climatic parametersinthe large-scale which has poor performance in the simulation of processes such asrain fall-run off. There fore, several of down scaling methods were developed. This researchis presented down scaling model based onk-nearest neighbor (K-NN) non-parametric method. The modelis used to simulate daily precipitation data in Ahvaz station for the next period (2015-2044) under climate change scenarios based on out puts of three General Circulation Models, including HADCM3, NCARPC Mand CSIROMK3.5. The results indicate that them odelhasa high capacity for down scaling data. It is predicted that the frequency of storm is increased with high intensity on future period in Ahvaz station while dry spells will be prolonged.