ارزیابی روش های SDSM، LARS-WG و ANN در ریز مقیاس سازی دما و بارش برای دو اقلیم متفاوت در استان خراسان رضوی

مدل های گردش عمومی جو، یکی از مهم ترین و کاربردی ترین مدل ها در مطالعات تغییرات اقلیمی در مقیاس منطقه ای هستند. از آنجا که شبیه سازی پارامترهای اقلیمی در این مدل ها، در مقیاس بزرگ مکانی و زمانی انجام می شود، خروجی آن ها با استفاده از روش های مختلف، کوچک مقیاس می گردد. در این پژوهش، نتایج سه مدل ریزمقیاس نمایی SDSM، LARS-WG و ANN در شبیه سازی پارامترهای اقلیمی بارش روزانه و کمینه و بیشینه دمای روزانه در دو ایستگاه تایباد (با آب و هوای گرم و خشک) و قوچان (با آب و هوای سرد و معتدل) در استان خراسان رضوی مقایسه شده است. بدین منظور از دوره بیست ساله داده های بارش و کمینه و بیشینه دمای روزانه ایستگاه ها بین سال های ۲۰۰۵-۱۹۸۶ استفاده گردید. برای مقایسه ی دقت مدل ها، از شاخص های ضریب تبیین، ریشه ی مجموع مربعات خطا و میانگین مطلق خطا استفاده شد. نتایج نشان داد مدل های LARS-WG و SDSM کم ترین میزان خطا را در شبیه سازی کمینه و بیشینه دمای روزانه دارند. مقدار میانگین مطلق خطای مدل SDSM برای پارامتر کمینه دما در دو ایستگاه تایباد و قوچان به ترتیب ۰/۶۱ و ۰/۷۱ می باشد. مقدار خطای پارامتر مذکور در مدل LARS-WG در دو ایستگاه تایباد و قوچان به ترتیب ۰/۶۵ و ۰/۴۳ است. از سوی دیگر، در مدل ANN، میانگین مطلق خطای کمینه دما در ایستگاه تایباد ۱/۷۸ و در ایستگاه قوچان ۱/۷۳ بدست آمده است. در نهایت می توان بیان کرد؛ مدل های ریزمقیاس نمایی SDSM و LARS-WG از دقت بالاتری در شبیه سازی مقادیر پارامترهای اقلیمی دمای روزانه و بخصوص پارامتر کمینه دما در ایستگاه های تایباد و قوچان نسبت به مدل ANN برخوردار می باشند.

کلیدواژه ها:

تایباد ، تغییر اقلیم ، قوچان ، مدل ، هوش مصنوعی