بکارگیری داده های تحت شبکهGPVدر پس پردازش خروجی مدل های دینامیکی جهت ارایه پیش بینی خشکسالی

امروزه بدلیل پراکندگی ایستگاه های موجود و نیاز به دقت بالا در بکارگیری روش های پس پردازش، لذا استفاده از داده های شبکه ای از اهمیت بالایی برخوردار بوده و نیاز زمانی و مکانی داده های مورد استفاده را برآروده می سازد. همچنین با توجه به نوسانات پارامترهای اقلیمی و وقوع رفتارهای غیرمتعادل در الگوی بارش کشور، استفاده از روش های دینامیکی می تواند کمک بسیاری را در تبیین این شرایط ایفاد نماید. لذا بدلیل توزیع نامناسب داده های دیده بانی شده، ابتدا با استفاده از داده های بارش شبکه آفرودیت1 و بکارگیری روشهای پس پردازش MOS2 بر روی خروجی مدل پیش بینی دینامیکی در یک دوره 28 ساله بارش شبکه ای مدل پس پردازش شده و با وزن دهی متغیرهای اقلیمی خروجی مدل دینامیکی برای هر سلول شبکه داده و با تعیین ضرایب مدل آماری همبستگی چند متغیره، عمل پس پردازش کامل گردید و خطاهای سیستماتیک خروجی مدل جهت استفاده در مقیاس های کوچک تا حدود زیادی کاهش یافت. سپس داده های پیش بینی پس پردازش شده مدل دینامیکی، جهت محاسبه شاخص خشکسالی در راستای ارایه پیشآگاهی استفاده گردید و توانمندی روش بکار رفته با استفاده از شاخص های ارزیابی مورد سنجش قرار گرفت. نتایج نشان داد که اعمال پس پردازش آماری بر روی خروجی مستقیم مدل دینامیکی موجب بهبود پیش بینی ماهانه بارش و افزایش صحت پیش بینی شاخص خشکسالی نسبت به حالت بدون پس پردازش گردیده است.

کلیدواژه ها:

داده های شبکه GPV ، پس پردازش ، خشکسالی ، مدل های دینامیکی