مقایسه ی عملکرد مدل های LARS و RegCM4 در شبیه سازی و پس پردازش داده های سالانه دما و بارش خراسان بزرگ

این تحقیق به منظور شبیه‌سازی بارش و دما با مدل دینامیکی RegCM4 وLARSدر دو حالت با و بدون به‌کارگیری تکنیک‌ پس‌پردازش آماری برونداد مستقیم مدل در شمال‌شرق ایران (خراسان بزرگ) ودوره آماری 2011-1987 در مقطع زمانی سالانه انجام شده است.بر اساس نتایج حاصله، در مدل LARS در منطقه مورد مطالعه، در دوره راستی‌آزمایی 2013-2007 میانگین اریبی بارش سالانه خام مدل برابر 63/53 میلیمتر و پس پردازش شده 25/11- می‌باشد. بطور خلاصه در مقیاس زمانی سالانه در 84 درصد ایستگاه‌های مطالعاتی انجام پس‌پردازش مؤثر واقع شده و میزان خطای اریبی را در بیشتر ایستگاه ها، بشدت کاسته است. بر اساس نتایج حاصله از مدل RegCM4، در دوره راستی‌آزمایی 2011-2006 میانگین اریبی بارش سالانه خام مدل RegCM4 برابر 3/85 میلیمتر و پس پردازش شده 04/61 محاسبه شده است.لذا مقادیر خطا در بیشتر ایستگاه‌ها قبل و بعد از پردازش بسیار بالا و نتایج مدل قابل قبول نیست. بطور خلاصه در مقیاس زمانی سالانه در 75 درصد ایستگاه‌های مطالعاتی انجام پس‌پردازش مؤثر واقع شده است. بنابراین قدر مطلق خطای اریبیپس پردازش متوسط بارش سالانه مدل LARS برابر با 6/13 و مدل RegCM4 برابر با 61 می‌باشد. میانگین اریبی دمای سالانه خام مدل LARS برابر 096/0 درجه سانتیگراد و پس پردازش شده 432/0- است. این در عمل بزرگتر از اریبی بدون پس پردازش شده است، لذا عمل پس پردازش در تمامی ایستگاه‌ها مؤثر واقع نشده و فقط در 46 درصد ایستگاه‌ها خوب تعریف می‌شود.شبیه سازی داده‌های دمای دومتری در ایستگاه‌‌های هواشناسی با استفاده از مدل RegCM4 و نیز اعمال MA کارایی بالایی را نشان داد. میانگین اریبی دمای سالانه خام مدل RegCM4 برابر 78/2- درجه سانتیگراد بود که پس از اعمال پس‌‌پردازش به 05/0- کاهش یافت. در تمامی ایستگاه‌ها دمای سالانه مدل شده با داده‌های مشاهداتی کمتر از 1/0 درجه سانتیگراد اختلاف دارد. بنابراین در شبیه سازی داده‌های بارش سالانه مدل LARS تا حتی بهتر از مدل RegCM4 جوابگو می‌باشد. و در شبیه سازی داده‌های دمای سالانه مدل دینامیکی RegCM4، واقعیت خیلی بهتری از منطقه نسبت به مدل آماری LARS ، از خود نشان می‌دهد.