ريزمقياس نمايي مدل گردش عمومي جو و كاربرد آن در شبيه سازي داده هاي هواشناسي استان گيلان

Downscaling the atmospheric general circulation model's data and its application in simulating the climatic parameters (Case study: Guilan province)

يكي از چالش هايي كه بشر با آن روبرو است، مساله تغيير اقليم و مشكلات ناشي از آن مي باشد. تغيير اقليم پديده اي انكار ناپذير است. اقليم عبارتند از شرايط متوسط جوي در يك محل كه شامل عوامل تشكيل دهنده آن اعم از دما، بارندگي، رطوبت و غيره. به عبارت ديگر اقليم، متوسط بلند مدت وضع هواي يك ناحيه است. لذا شبيه سازي شرايط جوي در يك مكان مي تواند به پيش بيني وقايع حدي و رخداد هاي اقليمي در آينده به طور قابل توجهي كمك بزرگي بكند. در اين پژوهش نيز به بررسي و ارزيابي توان مدل ريزمقياس نمايي لارس در داده سازي و پيش بيني اقليم استان گيلان پرداخته شده است. براين اساس از داده هاي ديده باني روزانه ايستگاه هاي سينوپتيك اين استان كه داراي طول داده حداقل 15سال بوده اند، طي سال هاي 1995 تا 2009 ميلادي استفاده شده است. متغيرهاي مورد بررسي شامل، بارش، دماي حداقل، دماي حداكثر و تابش بوده اند. نتايج اين پژوهش نشان داده است كه بيشترين خطاي مطلق داده هاي توليدشده بارش، 14.48 و مربوط به ايستگاه آستارا بوده، همچنين بيشترين اريبي بارش نيز مربوط به همين ايستگاه و به ميزان 4.35- بوده است. اما عملكرد مدل در داده سازي دماي حداقل و حداكثر بسيار مطلوب بوده و بيشترين خطاي مطلق دماي حداقل مربوط به ايستگاه انزلي و به مقدار 0.17 و با اريبي 0.065 بوده است. درمورد دماي حداكثر نيز ايستگاه رشت با خطاي مطلق 0.26 و اريبي 0.23 بيشترين انحراف را داشته است. درمورد عملكرد مدل در پارامتر تابش نيز، ايستگاه رشت با خطاي مطلق 0.31 و اريبي 0.08 بيشترين انحراف را داشته است. بر اساس نتايج بدست آمده مدل لارس، از توان لازم جهت مدلسازي اقليمي استان گيلان برخوردار بوده است.

Climatological parameters are among the most important ecological capability evaluation criterias, on other hand, climate changes which has intensified in the past decades and has the consequences such as; increases in climatic threshold phenomena like occurrence of horrific floodings, destructive hurricanes, abnormal and sudden colds and heats, untimely rainfalls and heavy snows, widespread droughts and etc., has shown the necessity of studding the impacts of climate change on various parts of economy and social more than before. But due to low spatial and temporal resolution of global climate models, regional experts must increase the resolution of this models' data using downscaling methods. This study has evaluated the power and precision of LARS-WG model in climatic data generating and future climate forecasting for Guilan province of Iran. Accordingly the daily data collected from synoptic stations in Guilan, with a minimum of 15 years of daily data, between 1995 to 2009 has been used. The parameters used included; rainfall, minimum temperature, maximum temperature and solar radiation. The results show that, the highest calculated value of Mean Absolute Error (MAE) for rainfall modeled data was 14.48 in Astara station, and the highest bias calculated value for rainfall parameter was -4.35 and in Astara station too. The model precision for modeling the minimum and maximum temperature was desired for modeling this parameters, and the highest MAE and bias values for minimum temperature were 0.17 and 0.065 in sequence and both in Anzali station. Also, the highest MAE and bias calculated values of maximum temperature were 0.26 and 0.23 in sequence and both in Rasht station. and in LARS-WG precision in modeling the solar radiation parameter, the Rasht station had the highest calculated MAE and bias values, with the amount of 0.31 and 0.08 in sequence. Results analysis show that the LARS-WG model, has the proper power and precision for climate modeling and data generating in Guilan province of Iran.