مقایسه روش های ریزمقیاس نمایی آماری و تناسبی برای تعیین پارامتر دما (مطالعه موردی: شهرستان بشرویه)

در پژوهش حاضر یک مدل GCM به نام CanESM۲ حاصل از گزارش پنجم هیئت بین الدولی تغییر اقلیم، مورد بررسی قرار گرفته و با روش های آماری SDSM و LARS-WG و شبکه عصبی مصنوعی و یک روش نسبی فاکتور تغییر، ریزمقیاس نمایی و شبیه سازی دمای منطقه بشرویه برای پیش آگاهی از میزان تغییرات آن و بررسی میزان کارایی و عملکرد مدل های مورد استفاده انجام شده است. نتایج مطالعه نشان می دهد که برای ریزمقیاس نمایی و بررسی تغییراقلیم، بهترین عملکرد از لحاظ همبستگی به ترتیب مربوط به مدل های فاکتور تغییر، SDSM و سپس شبکه عصبی مصنوعی می باشد. همچنین نتایج نشان می دهد، از لحاظ مقدار خطا در شبیه سازی، کمترین خطا مربوط به نتایج مدل SDSM است. نتایج مدل LARS-WG نیز نشان می دهد که این مدل بیشتر برای ریزمقیاس نمایی داده های روزانه در هر ماه برای پارامتر دما عملکرد بالایی از خود نشان داده است.

کلیدواژه ها:

تغییراقلیم ، ریزمقیاس نمایی ، GCM ، LARS-WG