ارزيابي دو روش ريز مقياس نمايي آماري LARS-WG و SDSM در برآورد تغييرات پارامترهاي اقليمي (مطالعه موردي: دشت بيرجند)

assessment of statistical downscaling methods LARS-WG & SDSM in forecast of climate parameter variation

سابقه و هدف: در حال حاضر معتبرترين ابزار جهت توليد سناريوهاي اقليمي، مدل‌ هاي سه بعدي جفت شده جوي اقيانوسي گردش عمومي هوا مي‌ باشند كه به طور مخفف از آن به عنوان AOGCM ياد مي‌ شود. يكي از مشكلات عمده در استفاده از خروجي مدل‌ هاي AOGCM، بزرگ بودن مقياس مكاني سلول محاسباتي آن‌ ها، نسبت به منطقه مورد مطالعه است و بايد نتايج خروجي اين مدل‌ ها كوچك مقياس شوند. روش‌ هاي آماري متعددي جهت ريزمقياس نمودن خروجي‌ هاي مدل‌ هاي AOGCM براي دستيابي به دقت بيشتر توسعه يافته‌ اند. تفاوت دقت روش‌ هاي ريزمقياس نمايي متناسب با مكان و نوع مدل اقليمي مي‌ تواند باعث اختلاف در نتايج شبيه‌ سازي گردد. لذا بررسي دقت اين روش‌ ها از اهميت بالايي برخوردار است. پژوهشگران زيادي در سرتاسر دنيا به بررسي دقت روش‌ هاي گوناگون در ريزمقياس‌ نمايي پرداخته‌ اند. نتايج پژوهشگران در سرتاسر دنيا بيانگر اين مطلب مي‌ باشد كه بر اساس نوع خروجي مدل‌ هاي AOGCM و همچنين كميت و كيفيت داده‌ هاي مشاهداتي منطقه مورد مطالعه شبيه‌ سازي مؤلفه‌ هاي اقليمي متفاوت خواهد بود. هدف از اين پژوهش بررسي دقت روش‌ هاي ريزمقياس نمايي آماري LARS-WG و SDSM براي بارندگي و متوسط درجه حرارت روزانه و براي ايستگاه سينوپتيك بيرجند مي‌ باشد. مواد و روش‌ ها: آمار مشاهداتي دوره 2000-1960 از سازمان‌ هواشناسي استان استخراج شد. دوره 1990-1960 براي واسنجي و دوره 2000-1991 براي دوره صحت‌ سنجي انتخاب شدند. سري شاخص‌ هاي حدي اقليمي در دوره صحت‌ سنجي براي آمار مشاهداتي ايستگاه سينوپتيك و شبيه‌ سازي شده توسط دو روش ريزمقياس‌ نمايي محاسبه شد. به منظور ارزيابي دقت دو روش در محاسبه شاخص‌ ها، از آزمون‌ هاي آماري استفاده شد. بدين ترتيب كه حساسيت روش‌ ها به ناهنجاري‌ هاي بزرگ مقياس (همبستگي داده‌ ها) و توانايي روش‌ هاي ريزمقياس‌ نمايي براي برگرداندن توزيع داده‌ هاي مشاهداتي به ترتيب با آزمون‌ هاي همبستگي پيرسون و رتبه‌ نشان‌دار ويل‌ كاكسون مورد ارزيابي قرار گرفت. يافته‌ ها: پس از بررسي نتايج مشخص شد كه برتري قابل توجهي در آزمون همبستگي پيرسون بين دو روش وجود ندارد. هرچند كه در دو روش نتايج برازش بيش از 50% شاخص‌ هاي مشاهداتي و شبيه‌ سازي شده قابل قبول است. نتايج عملكرد دو مدل در آزمون ويل‌ كاكسون نشان داد كه تفكر مبدل‌ هاي اقليمي به طور قابل ملاحظه‌ اي بالاتر از روش‌ هاي رگرسيون خطي مي باشد. نتايج اين آزمون نشان داد كه در روش LARS-WG بيش از 90% شاخص‌ ها برازش خوبي را دارا مي‌ باشند. همچنين برازش شاخص‌ هاي دما در روش SDSM-DC در مقايسه با روش LARS-WG بسيار نامطلوب بود. نتيجه‌ گيري: نتايج مطالعه نشان داد كه به طور كلي روش LARS-WG در مقايسه با روش SDSM-DC دقت بهتري دارد. اين برتري به خصوص در پيش‌ بيني تابع توزيع همسان با داده‌ هاي مشاهداتي محسوس‌ تر بود.

Background and Objectives: Now most reliable tool to produce climate scenarios is use of Atmosphere-Ocean General Circulation Model outputs which stands as AOGCM. One of the using major problems of AOGCM outputs is computational large cell size of their simulation in any region. So first must their outputs has been downscaled and then they used. Present several stochastically methods for downscaling AOGCM outputs to increase their accuracy in simulate. It should be noted that Deference in downscaling methods can cause deference in simulation results. So assess accuracy of downscaling methods is very necessary in any region. Many researchers around the world to check the accuracy of various downscaling methods have focused. Results of Research study around the world indicates that simulation of climate and hydrological parameters depending on output of AOGCM models and also quality and quantity of observation data are very deferent. The aim of this study is assessment of statistical downscaling methods for precipitation and temperature include LARS-WG and SDSM in Birjand synoptic station. Materials and Methods: Observation data of Birjand synoptic station include precipitation, maximum and minimum temperature and solar watch daily on 1960-2000 were taken of province Meteorological organization. The period 1960-1990 is used for models calibration (train) and 1991-2000 for validation (test) selected. Series of climate extremes indices evaluated for observed data of synoptic station and simulated by downscaling methods on validation period. Statistical tests are used for evaluation and analysis of downscaling methods performance. The sensitivity of the methods to large-scale anomalies (correlation between observed and simulated data) and their ability to replicate the observed data distribution in the validation period are separately tested for each index by Pearson correlation and Wilcoxon signed rank tests, respectively. Results: By analysis of results defined that between of downscaling methods there isn’t significant superiority in person correlation test. While in correlation test in both model p-value of more 50% of observation and simulation indices is most of 0.05 and they acceptable. Results of performance models in Wilcoxon test showed that performance of weather generator technic is significantly better than linear regression method. Results of this test showed that more of 90% of indices have a suitable fit in LARS-WG. Also fit of temperature indices in SDSM-DC compared with LARS-WG were very weak. Conclusion: results of this study showed that LARS-WG method compared with SDSM-DC method is more accurate generally. This accuracy in forecast of distribution function was more tangible.