بررسی کارایی مدلهای ریزمقیاس گردانی آماری (SDSM و ANN) در شبیه سازی و پیش بینی پارامترهای اقلیمی (مطالعه ی موردی: ایستگاه همدیدی سرخس)

در سالهای اخیر، تغییر اقلیم به عنوان یک عامل تاثیرگذار بر همه ی فاکتورهای اکولوژیکی، مورد توجه پژهشگران درسراسر جهان قرار گرفته است. به منظور بررسی دقیق پدیده تغییر اقلیم و آثار زیان بار این پدیده برای نسل کنونی و آینده،راهکارهایی از جمله مدل های پیش بینی گردش عمومی جو ریزمقیاس سازی معرفی گردید. با توجه به زمان بر بودن و عدمصرفه اقتصادی استفاده از مدل های دینامیکی، استفاده از روش های ریزمقیاس نمایی آماری افزایش یافته است. در پژوهشحاضر، نتایج دو مدل ریزمقیاس نمایی SDSM و ANN در شبیه سازی مولفه های اقلیمی روزانه شامل بارش، دمایبیشینه، کمینه و متوسط در ایستگاه همدیدی سرخس مقایسه شده است. از اطلاعات هواشناسی ایستگاه همدیدیسرخ در دوره ۲۰۱۸ - ۱۹۷۵ به عنوان دوره مشاهداتی استفاده شد. با استفاده از مدل های ریزمقیاس نمایی فوق الذکر،پارامترهای روزانه بارش، دمای بیشینه، کمینه و متوسط منطقه مطالعاتی شبیه سازی و با دوره مشاهداتی مورد مقایسه قرارگرفت. به منظور بررسی روش های ریزمقیاس نمایی از شاخص های ارزیابی r(۲), RMSE و EAM استفاده شد. درنهایت براساس یافته های پژوهش، مدل SDSM نسبت به روش دیگر دارای خطای کمتری بوده و بهتر عمل می کند.

کلیدواژه ها:

بارندگی ، درجه حرار ، سرخ ، شبکه عصبی مصنوعی ، مدل ریزمقیاس نمایی آماری