ارزیابی تاثیر پس پردازش بر بهبود مهارت پیش بینی های همادی فصلی بارش و دما پایگاه داده C۳S در ایران

پیش­ بینی های فصلی نقشی حیاتی در مدیریت منابع آب و توسعه­ سامانه های پیش­ بینی و خشکسالی ایفا می کنند. در تحقیق حاضر پیش بینی ­های همادی ماهانه بارش و دمای سه مرکز پایگاه داده C۳S در طول سال های ۱۹۹۳ تا ۲۰۱۸ برای هشت گروه بارشی ایران در افق­ های زمانی ۱ تا ۳ ماه مورد بررسی و ارزیابی قرار گرفت. همچنین با هدف بهبود مهارت پیش بینی های خام در هشت گروه بارشی، از روش های نگاشت چندک (QM)، روش مقیاس ‎دهی خطی (LS) و روش نگاشت توزیع گاما (GDM) برای پس پردازش پیش بینی های بارش و از روش های مقیاس دهی خطی (LS) و روش مقیاس دهی واریانس (VS) برای پس پردازش پیش بینی های دما استفاده شد. نتایج این تحقیق نشان می دهد که پیش بینی های خام بارش مدل­ها در گروه­ های بارشی غرب ایران بهترین و در گروه ­های بارشی شمال ایران ضعیف ­ترین عملکرد را دارند. پیش بینی های دما در اغلب موارد، فرو پیش­بینی و تقریبا همه روش های پس پردازش قادر به تقلیل خطاها و بهبود دقت پیش بینی ها در بیشتر گروه های بارشی بخصوص برای پیش بینی های مدل ECMWF بودند. در حالت کلی مدل های ECMWF بعد از پس پردازش بهترین عملکرد و مدل MF بدترین عملکرد را داشت. در بین روش های پس پردازش بارش دو روش GDM و LS عملکرد بهتری داشتند که در گروه های پربارش شمال ایران (G۶ و G۸) برتری روش های LS و GDM کاملا محسوس است. در خصوص پس پردازش پیش بینی های همادی دما، روش  VSکمی بهتر از LS بود و عملکرد روش های پس پردازش در ماه های سرد سال (اواخر فصل پاییز و فصل زمستان) بسیار موثر و در ماه های گرم (فصل تابستان) اندکی ضعیف تر از بقیه ماه ها بود.

کلیدواژه ها:

پیش بینی همادی هواشناسی ، C۳S ، پیش بینی بلندمدت ، پس پردازش