ارزیابی دو روش ریز مقیاس نمایی آماری LARS-WG و SDSM در برآورد تغییرات پارامترهای اقلیمی (مطالعه موردی:دشت بیرجند)

سابقه و هدف: در حال حاضر معتبرترین ابزار جهت تولید سناریوهای اقلیمی، مدل‌های سه بعدی جفت شده جوی-اقیانوسی گردش عمومی هوا می‌باشند که به طور مخفف از آن به عنوان AOGCM یاد می‌شود. یکی از مشکلات عمده در استفاده از خروجی مدل‌های AOGCM، بزرگ بودن مقیاس مکانی سلول محاسباتی آن‌ها، نسبت به منطقه مورد مطالعه است و باید نتایج خروجی این مدل‌ها کوچک مقیاس شوند. روش‌های آماری متعددی جهت ریزمقیاس نمودن خروجی‌های مدل‌هایAOGCM برای دستیابی به دقت بیشتر توسعه یافته‌اند. تفاوت دقت روش‌های ریزمقیاس نمایی متناسب با مکان و نوع مدل اقلیمی می‌تواند باعث اختلاف در نتایج شبیه‌سازی گردد. لذا بررسی دقت این روش‌ها از اهمیت بالایی برخوردار است. پژوهشگران زیادی در سرتاسر دنیا به بررسی دقت روش‌های گوناگون در ریزمقیاس‌نمایی پرداخته‌اند. نتایج پژوهشگران در سرتاسر دنیا بیانگر این مطلب می‌باشد که بر اساس نوع خروجی مدل‌هایAOGCM و همچنین کمیت و کیفیت داده‌های مشاهداتی منطقه مورد مطالعه شبیه‌سازی مؤلفه‌های اقلیمی متفاوت خواهد بود. هدف از این پژوهش بررسی دقت روش‌های ریزمقیاس نمایی آماری LARS-WG و SDSM برای بارندگی و متوسط درجه حرارت روزانه و برای ایستگاه سینوپتیک بیرجند می‌باشد. مواد و روش‌ها: آمار مشاهداتی دوره 2000-1960 از سازمان‌ هواشناسی استان استخراج شد. دوره 1990-1960 برای واسنجی و دوره 2000-1991 برای دوره صحت‌سنجی انتخاب شدند. سری شاخص‌های حدی اقلیمی در دوره صحت‌سنجی برای آمار مشاهداتی ایستگاه سینوپتیک و شبیه‌سازی شده توسط دو روش ریزمقیاس‌نمایی محاسبه شد. به منظور ارزیابی دقت دو روش در محاسبه شاخص‌ها، از آزمون‌های آماری استفاده شد. بدین ترتیب که حساسیت روش‌ها به ناهنجاری‌های بزرگ مقیاس (همبستگی داده‌ها) و توانایی روش‌های ریزمقیاس‌نمایی برای برگرداندن توزیع داده‌های مشاهداتی به ترتیب با آزمون‌های همبستگی پیرسون و رتبه‌ نشان‌دار ویل‌کاکسون مورد ارزیابی قرار گرفت. یافته‌ها: پس از بررسی نتایج مشخص شد که برتری قابل توجهی در آزمون همبستگی پیرسون بین دو روش وجود ندارد. هرچند که در دو روش نتایج برازش بیش از 50% شاخص‌های مشاهداتی و شبیه‌سازی شده قابل قبول است. نتایج عملکرد دو مدل در آزمون ویل‌کاکسون نشان داد که تفکر مبدل‌های اقلیمی به طور قابل ملاحظه‌ای بالاتر از روش‌های رگرسیون خطی می-باشد. نتایج این آزمون نشان داد که در روش LARS-WG بیش از 90% شاخص‌ها برازش خوبی را دارا می‌باشند. همچنین برازش شاخص‌های دما در روش SDSM-DC در مقایسه با روش LARS-WG بسیار نامطلوب بود. نتیجه‌گیری: نتایج مطالعه نشان داد که به طور کلی روش LARS-WG در مقایسه با روش SDSM-DC دقت بهتری دارد. این برتری به خصوص در در پیش‌بینی تابع توزیع همسان با داده‌های مشاهداتی محسوس‌تر بود.