بررسي كارايي مدل ريز ‌مقياس نمايي آماري (SDSM) در پيش‌بيني پارامترهاي دمايي در دو اقليم خشك و فراخشك (مطالعه موردي: كرمان و بم)

(Performance Evaluation of Statistical Downscaling Model (SDSM) in Forecasting Temperature Indexes in Two Arid and Hyper Arid Regions (Case Study: Kerman and Bam

روش هاي ريز مقياس نمايي آماري، به منظور پيش‌بيني متغيرهاي اقليمي مانند دما، به دليل اهميت اين فاكتورها، در برنامه‌ريزي و مديريت محيطي كاربرد وسيعي دارند. در اين پژوهش كارايي مدل ريز‌مقياس نمايي آماري (SDSM) در پيش‌بيني پارامتر‌هاي دمايي مورد بررسي قرار گرفته است. داده‌هاي مورد استفاده در اين پژوهش شامل داده‌هاي دماي كمينه، بيشينه و ميانگين ايستگاه‌‌هاي سينوپتيك كرمان و بم، داده‌هاي NCEP و داده‌هاي مدلHadCM3 )داده‌هاي نسل سوم مدل جهاني اقليم تحت سناريو‌ي A2 و B2) براي دوره پايه (2001-1971 ميلادي) مي‌باشد. از 15 سال اول داده‌ها (1985-1971) براي واسنجي و از 15 سال دوم (2001-1986) براي ارزيابي نحوه عملكرد مدل استفاده شده است. به كمك داده‌هاي HadCM3(A2) وHadCM3(B2) ، دما براي سه دوره (2039-2010)، (2069-2040) و (2099-2070) پيش‌بيني و با دوره پايه مقايسه شده است. معيارهاي آماري ارزيابي كارايي مدل مانند ميانگين خطاي مطلق، مجذور ميانگين مربعات خطا، ضريب ناش- ساتكليف و تحليل نتايج خروجي مدل HadCM3، نشان داد كه اين مدل در منطقه خشك نسبت به منطقه فراخشك از كارايي بالاتر و دقت قابل قبولي براي پيش‌بيني دما برخوردار است. همچنين نتايج بيانگر افزايش دما در تمام ماه‌هاي سال براي هر دو ايستگاه مي‌باشد.

Statistical downscaling methods are widely used for prediction of climatic variables e.g. temperature because of importance of these factors in environmental planning and management. In this study, the performance of Statistical Downscaling Model (SDSM) was investigated to predict temperature. The input data of the study include minimum, maximum and mean temperature of Kerman and Bam Synoptic stations, NCEP (National Centers for Environmental Prediction) data and the A2 and B2 emission scenarios HadCM3 for the reference period, 1971-2001. The first 15 years data (1971-1985) was applied for the calibration and the second 15 years data (1986-2001) for model validation. Temperature for three periods including 2010-2039, 2040-2069 and 2070-2099 was predicted and then compared with the temperature data of reference period i.e.1971-2001 using HadCM3A2, B2 data. Statistical measures of model performance such as Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Nash-Sutcliffe efficiency (NS) and the analysis of output results from SDSM model shown that this model is able to predict temperature indexes more accurately in arid climate than in hyper-arid climate. The results indicate temperatures rising in all months for both stations.