ارزیابی عملکرد مدل های LARS-WG و SDSM در مقیاس کاهی برونداد مدل های CMIP۶ در حوزه آبخیز دریاچه ارومیه

مقدمه: خروجی مدل های گردش کلی جو (GCMs) به علت تفکیک فضایی شبکه ای پایین فاقد دقت مکانی و زمانی مناسب برای مطالعات منطقه ای و محلی است. این نیاز منجر به توسعه مدل های منطقه ای و مقیاس کاهی آماری و دینامیکی گردید. از میان روش های آماری نیز مدل های LARS-WG و SDSM از رایح ترین و معتبرترین ابزارهای مقیاس کاهی به حساب می آیند. مواد و روش ها: در این تحقیق عملکرد این دو مدل در مقیاس کاهی برونداد مدل های CMIP۶ و شبیه سازی متغیرهای دما و بارش در حوزه آبخیز دریاچه ارومیه ارزیابی شد. ایستگاه های هواشناسی مورد بررسی شامل ۷ ایستگاه همدیدی با دوره آماری ۳۰ سال متناسب با دوره پایه مدل ها (۲۰۱۴-۱۹۸۵) می باشد. جهت ارزیابی عملکرد مدل ها نیز از سنجه های خطاسنجی MSE، RMSE، MAE و هم چنین R۲ بهره گرفته شد.نتایج: هر دو مدل LARS-WG و SDSM در شبیه سازی متغیرهای دما و بارش در حوضه مورد مطالعه از توانایی بالایی برخوردارند. هرچند در ایستگاه های مختلف و همچنین متغیرهای اقلیمی مختلف میزان دقت آن ها یکسان نبود. بر اساس نتایج هر دو مدل در شبیه سازی بارش از دقت کمتری نسبت به دما برخوردارند که این امر می تواند ناشی از پیچیده بودن فرآیند بارش و ماهیت آن باشد. مدل SDSM کمترین خطا را در شبیه سازی داده های دما و بارش در حوضه مورد مطالعه دارد. با وجود اینکه مدل LARS-WG نیز توانایی مناسبی در شبیه سازی داده های دما و بارش جهت مقیاس کاهی دارد و در برخی ایستگاه های نیز بهتر عمل کرده است اما قابلیت آن به اندازه مدل SDSM نیست. در مدل SDSM عمل مقیاس کاهی از طریق ایجاد یک رابطه رگرسیونی بین پیش بینی کننده ها و پیش بینی شونده ها در یک ایستگاه صورت می گیرد ولی در مدل LARS-WG متغیرهای مستقل و بزرگ مقیاس جوی نقش مستقیمی در شبیه سازی داده ها ندارند بلکه مدل در ابتدا به منظور تعیین پارامترها و خصوصیات آماری داده های مشاهداتی آنها را تحلیل می کند سپس هم راستا با نوع تغییرات آینده متغیرهای اقلیمی بزرگ مقیاس، پارامترهای آماری داده های مشاهداتی را تغییر داده و اقدام به باز تولید داده ها در دوره های آینده می کند. با توجه به سنجه های خطاسنجی و مقایسه دو مدل مورد بررسی با یکدیگر به طور قطعی نمی توان یکی را بر دیگری ترجیح داد. بحث: به دلیل نوع فرآیند شبیه سازی و همچنین ساختار ترکیبی مدل SDSM در مقیاس کاهی داده ها و استفاده مستقیم از مدل های گردش کلی جو و داده های بزرگ مقیاس NCEP و ERA۵ در گزارش ششم، این مدل دقت بیشتری در شبیه سازی داده ها در حوضه مورد بررسی دارد. از طرف دیگر مدل LARS-WG نیز به سبب سادگی ساختار مدل، داده های ورودی به مدل و نیاز به مهارت کمتر و همچنین سرعت عملکرد دارای برتری است و به کاربر قدرت انعطاف بیشتری را می دهد. اما مدل SDSM دارای فرآیند پیچیده تری است و نیاز به دقت و زمان بیشتر و همچنین تخصص نسبتا بالای کاربر دارد. این مدل علاوه بر متغیرهای اقلیمی برای متغیرهای هیدرولوژی و زیست محیطی نیز قابل استفاده است در صورتی که مدل LARS-WG فقط برای متغیرهای دما، بارش، تابش و تبخیر کاربرد دارد. اما از طرف دیگر برای مدل LARS-WG با توجه به ویژگی های اقلیمی منطقه مورد مطالعه می توان سناریوهای جدید تغییر اقلیم تعریف نمود که در کاربرد این مدل ها در یحث های تغییر اقلیم می تواند مفید باشد. در مجموع می توان نتیجه گرفت این مدل ها علی رغم تفاوت هایی که دارند می توانند رفتار آماری داده های اقلیمی یک ایستگاه هواشناسی را از نظر میانگین، انحراف معیار و غیره تولید کنند که با رفتار آماری داده های مشاهداتی یکسان هستند و هیچکدام از مدل ها بر دیگری برتری مطلق ندارد. با توجه به این که در هر منطقه ای قبل از اجرای مدل های تغییر اقلیم، مقیاس کاهی و ارزیابی عملکرد مدل ها امری ضروری است از نتایج حاصل از این پژوهش می توان در صحت سنجی برونداد مدل ها CMIP۶ در پیش نگری متغیرهای اقلیمی در دوره های آینده در اقلیم های مختلف استفاده کرد.

کلیدواژه ها:

تغییراقلیم ، مقیاس کاهی ، LARS-WG ، SDSM ، دریاچه ارومیه