بررسی ریز مقیاس گردانی آماری به صورت فصلی و سالانه در SDSM (مطالعه ی موردی ایستگاه سینوپتیک بابلسر)

در اکثر پروژه های تغییر اقلیم مدل های گردش عمومی جو (GCM) به طور مستقیم نمی توان آثار آن را در مطالعات تغییر اقلیم به کاربرد و نیاز می باشد قبل از استفاده ریز مقیاس شوند. روش های مختلفی برای ریز مقیاس گردانی وجود دارد، و هیچ کدام از آن ها را نمی توان به طور صریح توصیه کرد زیرا وابسته به کاربرد ان می باشد.در این مطالعه مقایسه ریز مقیاس گردانی آماری به صورت فصلی وسالانه برای پارامتر بارش و دما کمینه و بیشینه در SDSM انجام شد، و از سناریوی A2 مدل HadCM3 و از ایستگاه سینوپتیک بابلسر، برای آنالیز نتایج مدل های سالانه و فصلی از SPSS و میانگین خطای مطلق (MAE)، میانگین اختلاف میان داده های مشاهده ای و برآوردی (MBE) استفاده شد. نتایج نشان داد در بارش عملکرد مدل فصلی بهتر از سالانه می باشد ولی در دما این گونه نمی باشد، در ایستگاه بابلسر میانگین خطای مطلق سالانه و فصلی به ترتیب برابر با 0/49، 0/43 درصد دمای کمینه در بابلسر برابر با 3/3، 2/1 دمای بیشینه در بابلسر برابر با 1/4، 1/5 با بررسی نتایج آزمون T غیر وابسته به طور کلی به این نتیجه می رسیم که بهتر می باشد در مطالعات مربوط به هیدرولوژی بخصوص در مدیریت منابع اب در فرایند بارش از ریز مقیاس گردانی فصلی استفاده و برای هر فصل مدل را اجرا کرد، زیرا با این اقدام از میزان خطاهای موجود در مدل SDSM کاسته می شود و همچنین میزان نویز در داده ها مشخص می شود، در حالی که در ریز مقیاس گردانی دمای بیشینه و کمینه فرقی میان مدل های فصلی و سالانه مشاهده نمی شود.

کلیدواژه ها:

مدل سازی فصلی ، مدل سازی سالانه ، SPSS ، SDSM ، HadCM3