مطالعه نقش طرحواره های همرفت و ناحیه اقلیمی در پیش بینی دمای ماهانه دوره سرد سال در ایران با استفاده از مدل اقلیمی RegCM۴.۵

پیش بینی قابل اعتماد دمای ماهانه نقش مهمی در کشاورزی هوشمند اقلیم محور، پایداری تولید غذا و کاهش ریسک مخاطرات اقلیمی دارد. این مطالعه با هدف بهبود دقت پیش بینی ماهانه دمای کشور در دوره سرد سال (نوامبر تا می) که عمدتا همزمان با فصل کشت پاییزه است، انجام شد. برای این منظور کارایی طرحواره های مختلف همرفت مدل RegCM۴.۵ شامل کو (Kuo)، گرل (Grell)، امانوئل (Emanuel)، تایدیک (Tiedtke) و کین (Kain) در پیش بینی دمای کشور در اقلیم های مختلف مورد مطالعه قرار گرفت. سپس بر اساس طرحواره همرفت مناسب برای هر ناحیه اقلیمی، مدل ترکیبی همرفت-ناحیه اقلیمی برای کل کشور ارائه گردید. داده های شرایط مرزی و اولیه از مدل پیش بینی اقلیمی جهانی CFSv.۲ با تفکیک افقی حدود ۱۰۰×۱۰۰ کیلومتر (۹۵/۰ × ۹۵/۰ درجه) در دوره ۲۰۱۹-۲۰۱۴ اخذ شدند و تا سطح ۳۰×۳۰ کیلومتر مقیاس کاهی دینامیکی شدند و نتایج با داده های دمای پایگاه CRU مقایسه شدند. نتایج نشان دادند که مدل پیش بینی تلفیقی همرفت-ناحیه اقلیمی توانسته است کارایی پیش بینی ماهانه را به مقدار قابل توجهی ارتقاء دهد، چنانکه شاخص های آماری r، RMSE و MBE به ترتیب از ۹۶/۰، ۰۹/۳ درجه سلسیوس و ۷۴/۲- درجه سلسیوس به ۹۹/۰، ۵۹/۰ درجه سلسیوس و ۴۵/۰- درجه سلسیوس بهبود یافت. یافته های این پژوهش نشان می دهد که مهارت پیش بینی های دمای ماهانه نه تنها به طرحواره های همرفت بلکه به ناحیه بندی اقلیمی منطقه مورد مطالعه بستگی دارد.

کلیدواژه ها:

پیش بینی دما ، دوره سرد سال ، RegCM ، نواحی اقلیمی ، ایران