مرورری بر توانمندی مدل های SDSM،LARSو SVM در ریز مقیاس نمایی بارش و دما

افزایش گازهای گلخانه ای در چند دهه اخیر افزایش دمای ناشی از آن باعث بهم خوردن تعادل سیستم اقلیمی کره زمین شده، که به این پدیده تغییر اقلیم گفته می شود. تغییر اقلیم و گرم شدن کره زمین، می تواند اثرات نامطلوبی بر منابع مختلف از جمله آب و، جنگل، مرتع، اراضی کشاورزی، صنعت و در نهایت زندگی انسان داشته باشد. در حال حاضر مدل های گردش عمومی جو GCM تنها ابزاری هستند که اثر تغییر اقلیم در سطح جهانی را برای عناصر اتمسفری و شبکه های بزرگ مکانی شبیه سازی می کنند. این مدل ها به دلیل بزرگ مقیاس بودن شبکه محاسباتی، دقت تجربه مکانی و زمانی آنها با دقت مورد نیاز مدل های هیدرولوژیکی مطابقت ندارد. از این که خروجی این مدل ها قبل از استفاده در مطالعات ارزیابی تغییر اقلیم، می بایست ریز مقیاس شوند. برای این کار از دو روش دینامیک شیا آماری استفاده می کنند در ایران به دلیل عدم دسترسی به منبع مدل های GCM روش های آماری دارای کاربرد و مقبولیت بیشتری هستند. روش های آماری شامل روش طبقه بندی اقلیمی، مدل های هواشناسی و مدل های رگرسیونی می باشند. در این تحقیق به تشریح نیز مقیاس بودن سه روش SDSM و LARS و SVM بر متغیرهای اقلیمی ( بارش و دما) پرداخته و با مرور مطالعات در این زمینه، مزایا و معایب آنها بررسی خواهد شد.

کلیدواژه ها:

تغییر اقلیم ، LARS ، SDSM ، SVM ، مدل های گردش عمومی GCM