<span lang="AR-SA">تحلیل خطاهای سیستماتیک مدل های<span dir="LTR" lang="AR-SA"> <span dir="LTR">NEX-GDDP<span dir="LTR"> <span lang="AR-SA">و بهبود کارایی آنها با مدل همادی وزنی نمایی<span dir="LTR" lang="AR-SA"> <span dir="LTR">(Exp-Ensemble)<span dir="LTR"> <span lang="AR-SA">برای بازتولید بارش در ایران

این مطالعه کارایی ۲۸ مدل از پروژه NEX-GDDP-CMIP۶ و مدل همادی وزنی-نمایی (Exp-Ensemble) تولید شده را در بازتولید بارش ایران طی دوره تاریخی (۱۹۸۰-۲۰۱۴) ارزیابی می کند. به منظور رفع خطای عدم تطابق مقیاس ایستگاهی به نقطه شبکه و اجتناب از عدم قطعیت های سیستماتیک ناشی از درون یابی شبکه پراکنده ایستگاهی کشور، از مجموعه داده مرکز اقلیم شناسی بارش جهانی (GPCC) با تفکیک ۲۵/۰ درجه قوسی به عنوان مشاهدات مرجع استفاده شد. ارزیابی ها نشان می دهد مدل های NEX-GDDP-CMIP۶ الگوی مکانی بارش را به خوبی بازتولید کرده اند و بهترین کارایی در متوسط پهنه ای کشور برای مدل MPI-ESM۱-۲-LR با همبستگی ۷۳/۰ محاسبه شده است. با این حال، مدل های منفرد دارای یک اریبی خشک فراگیر (۲۵- تا ۵۰- میلی متر) و خطای بین ۱۲۷ تا ۱۵۵ میلی متر در سطح کشور هستند. ضعف مدل های دارای شبکه پایه درشت مقیاس در حل دینامیکی واداشت های کوهساری، اریبی خشک را در آنها تا ۳۰۰- میلی متر تشدید کرده است. توسعه چند مدلی همادی وزن دار نمایی، اریبی را به ۲۳- میلی متر و ریشه میانگین مربعات خطا (RMSE) را به ۱۰۸ میلی متر کاهش داد. با این وجود، الگوریتم تصحیح اریبی و مقیاس کاهی مکانی (BCSD) در بازتولید فرایندهای فیزیکی زیرشبکه ای دارای محدودیت های ساختاری است و هسته های بارشی فراتر از ۱۰۰۰ میلی متری سواحل جنوبی دریای خزر را با خطایی بیش از ۵۰ درصد (حداکثر ۶۰۰ میلی متر) برآورد می کند. استفاده از چند مدلی همادی با وزن دهی نمایی، خطاهای سیستماتیک در مدل های گردش کلی (GCM) را به شکل قابل توجهی کاهش داده و رویکردی قابل اتکا جهت مدل سازی های هیدرولوژیک و ارزیابی اثرات تغییر اقلیم در مناطقی با توپوگرافی پیچیده فراهم آورده است.

کلیدواژه ها:

بارش ، مدل همادی وزنی نمایی (Exp-Ensemble) ، NEX-GDDP ، اریبی خشک ، تصحیح اریبی