مقیاس کاهی آماری مدل های گردش کلی (GCMs)؛ تاریخچه، اصول و روش ها

مقیاس کاهی روشی برای برآورد اقلیمی با تفکیک افقی بالا از برونداد مدل های گردش کلی (GCM) با تفکیک نسبتا پایین است. مقیاس کاهی آماری، روابط آماری بین متغیرهای مشاهداتی در مقیاس کوچک (اغلب در سطح ایستگاه) و برونداد مستقیم مدل ها در مقیاس بزرگتر را با استفاده از سه رویکرد پیش آگاهی کامل (PP)، آماره های برونداد مدل (MOS) و مولدهای جوی (WGs) استخراج می کند. تصحیح اریبی که به شکل گسترده در مطالعات تغییر اقلیم استفاده می شود رویکرد MOS از مقیاس کاهی آماری است. باید توجه داشت که ارزش افزوده ای که در مقیاس کاهی ها به دست می آید، توسط روش های تصحیح اریبی به دست نمی آید. فارغ از عدم قطعیت ذاتی مدل ها، به کارگیری یک روش و یا یک نرم افزار نامناسب نیز ممکن است باعث افزایش اریبی در برونداد مدل ها شود. در پژوهش حاضر برونداد مدل EC-Earth۳-CC برای دو متغیر دمای کمینه و بیشینه با نرم افزار CMhyd و زبان برنامه نویسی R مقایسه شد. بررسی نتایج نشان داد نرم افزار CMhyd چه در استخراج برونداد مستقیم و چه پس از انجام فرایند تصحیح اریبی، خطای قابل توجهی دارد. برای نمونه درصد اریبی برونداد مستقیم دمای بیشینه در آبادان ۲/۱۰ درصد بوده است درحالی که در نرم افزارCMhyd ،ا ۵/۱۰ درصد به دست آمد. نتیجه این پژوهش لزوم به کارگیری صحیح روش ها و نرم افزارهای پردازش برونداد GCMs را نشان می دهد.

کلیدواژه ها:

مقیاس کاهی آماری ، آماره های برونداد مدل (MOS) ، تصحیح اریبی ، نرم افزار CMhyd