رويكردي جديد براي ارزيابي عملكرد مدل‌هاي AOGCM در شبيه‌سازي رواناب

A new approach for performance evaluation of AOGCM models in simulating runoff

سابقه و هدف: پديده تغيير اقليم بر بخش‌هاي مختلف تاثير مي‌گذارد كه منابع آب از مهم‌ترين آن‌ها است. لين و همكاران (1999) بررسي كردند كه كشورهاي واقع در عرض جغرافيايي پايين، بيش‌ترين تبعات منفي اين پديده را متحمل خواهند شد (9). پيش‌نياز ارزيابي اثرات منطقه‌اي تغيير اقليم توليد سناريوي اقليمي در دوره‌هاي آتي توسط مدل‌هاي AOGCM مي‌باشد. پژوهشگران مختلف بسته به نياز خود، خروجي‌هاي يك يا چند نمونه از اين مدل‌ها را استفاده مي‌نمايند. يو و همكاران‌ (2002) اثرات تغيير اقليم بر منابع آب جنوب تايوان را با استفاده از مدل‌ها مورد بررسي قرار دادند (12). ويلبي و هريس (2006) تاثير تغيير اقليم بر روي ميزان جريان‌هاي كم رودخانه‌اي در انگلستان را با در نظر گرفتن عدم قطعيت‌هاي مدل AOGCM در كنار منابع ديگر عدم قطعيت، مورد مطالعه قرار دادند (11). هدف از اين پژوهش ارزيابي عملكرد مدل‌هاي اقليمي از دو ديدگاه هيدرولوژيكي و منابع آبي است. به اين معني كه علاوه ‌بر معلوم بودن وضعيت توزيع احتمالاتي سامانه در هر ماه (ديدگاه هيدرولوژيست‌ها)، توالي زماني وضعيت سامانه تحت شرايط تغيير اقليم نيز بررسي شود. مواد و روش‌ها: در اين پژوهش، با رويكردي جديد به ارزيابي عملكرد مدل‌هاي AOGCM‌ پرداخته ‌شد تا بتوان مدل(هاي) قابل اطميناني را يافت كه ضمن صرفه‌جويي در وقت و هزينه، نتايج رضايت‌بخشي را به‌دست آورد. با به‌كار‌گيري مدل‌هاي AOGCM‌، متغير دما و بارندگي در دوره پايه (2000-1971) براي حوضه آيدوغموش در آذربايجان شرقي براي سناريوي A2 برآورد و با معرفي مقادير به مدل هيدرولوژيكي IHACRES، رواناب ماهانه شبيه‌سازي شد. براي بررسي كارآيي هر كدام از مدل‌ها، از روش متوسط ماهانه داده‌هاي مشاهداتي رواناب استفاده ‌شد. در ادامه، يك مدل تركيبي پيشنهاد شد، به‌گونه‌اي كه داراي بيش‌ترين وزن اختصاصي به رواناب در هر ماه مي‌باشد. با برازش توزيع‌هاي مختلف آماري بر رواناب‌هاي شبيه‌سازي و با استفاده از آزمون‌هاي نكويي برازش، مناسب‌ترين توزيع آماري انتخاب و پارامترهاي آماري مربوطه استخراج و با پارامترهاي آماري رواناب حوضه در دوره مشاهداتي مقايسه ‌شد. يافته‌ها: نتايج نشان مي‌دهد كه مدل تركيبي و HadCM3 با ضريب همبستگي به‌ترتيب 96 و 97 درصد و شاخص‌هاي آماري RMSE، MAE و NSE به‌ترتيب m3/s09/2، m3/s51/1 و 89/0 براي مدل تركيبي و m3/s32/2، m3/s58/1 و 87/0 براي HadCM3، قادر به شبيه‌سازي رواناب مي‌باشند. در ادامه، ماتريس احتمال انتقال رواناب نيز مورد بررسي قرار گرفت. نتايج حاصل از مقايسه توزيع‌هاي احتمالاتي و ماتريس احتمال انتقال رواناب منتج از مدل‌هاي AOGCM با رواناب مشاهداتي نشان مي‌دهد كه مدل تركيبي و HadCM3 با ضريب همبستگي به‌ترتيب 89 و 87 درصد و شاخص‌هاي آماري RMSE، MAE و NSE به‌ترتيب m3/s1/0، m3/s02/0 و 78/0 براي مدل تركيبي و m3/s12/0، m3/s02/0 و 77/0 براي HadCM3، داراي خروجي‌هاي قابل اعتماد مي‌باشند. نتيجه‌گيري: مدل‌ها توانايي خوبي در شبيه‌سازي متغيرهاي اقليمي و در نتيجه رواناب دارند. در صورت استفاده از فقط يك مدل AOGCM، از آنجايي كه تفاوت معني‌داري بين معيارهاي عملكرد مدل تركيبي و HadCM3 وجود ندارد، استفاده از HadCM3 توصيه مي‌شود. نتايج مقايسه‌هاي آماري و احتمال انتقال جريان كاملاً مشابه مي‌باشند.

Background and Objectives: phenomena of climate change affects on various sectors that water resources are those most important. Lane et al (1999) studied that countries located in low-latitude, have the most the negative consequences of this phenomenon (9). A prerequisite for evaluating the regional effects of climate change is to produce climatic scenarios in the future period’s by AOGCM models. Different researchers depending on their needs, the outputs of one or more of these models use. Yu et al (2002) examined effects of climate change on water resources in southern Taiwan with the use of models (12). Wilby and Harris (2006) studied the effect of climate change on low flows of the river in the United Kingdom with considering the uncertainties of AOGCM models, along with other sources of uncertainty, (11). The aim of the present study is to evaluate the performance of climate models from two perspectives of hydrological and water resources. This means that in addition to determination of situation of the system probability distribution in each month (perspective of hydrologists), the time sequence of the system situation to be evaluated under climate change conditions. Materials and Methods: In the present study, a new approach was introduced for the performance investigation of AOGCM models, so that reliable model(s) could be found with saving time and obtaining satisfactory results. With applying 7 AOGCMs, temperature and rainfall variables in base period (1971-2000) for Aidoghmoush basin located in East Azerbaijan were estimated and with introducing variables to hydrological model IHACRES, monthly runoff was simulated. To investigate efficiency of each climate model, the mean observed runoff method was used. Next, a hybrid model was also suggested, so as to assign the higher values to each model in each month. By fitting statistical distributions on runoff and using goodness-of-fit tests, an appropriate distribution was chosen and relevant statistical parameters extracted and compared with observed runoff. Results: Results show that the hybrid and HadCM3 models with respective (r=96%, RMSE=2.09 m3/s, MAE=1.51 m3/s, NSE=0.89) for the hybrid model and (r=97%, RMSE=2.32 m3/s, MAE=1.58 m3/s, NSE=0.87) for HadCM3 can best simulate the runoff. Next, transition probability matrix was assessed. By comparing the results of probability distributions and the transition probability matrix for runoff resulting from AOGCMs with observed runoff showed that performance of hybrid and HadCM3 models with respective correlation coefficients of 89% (RMSE=0.1 m3/s, MAE=0.02 m3/s, NSE=0.78) and 87% (RMSE=0.12 m3/s, MAE=0.02 m3/s, NSE=0.77) can be reliable. Conclusion: Models have Good ability to simulate climatic variables and consequently runoff. In case of using only one AOGCM model, since there is no significant difference between performance criteria of hybrid and HadCM3 models, applying the HadCM3 is recommended. The results of comparisons of statistical and flow transition probability are quite similar.