پس پردازش برون داد مدل دینامیکی MRI-CGCM3 برای پیش بینی فصلی بارش گرگان

پیشبینی فصلی بارش از ابزار مهم مدیریت ریسک خشکسالی است. همه ساله به دلیل عدم وجود سامانه پیش بینی فصلی قابل اعتماد و عدم دسترسی به کد مدل دینامیکی جهانی، خسارات سنگینی به منابع طبیعی، آب و کشاورزی وارد می شود. جهت انجام تحقیق برون داد مدل پیش بینی فصلی دینامیکی MRI-CGCM3 از سازمانهواشناسی ژاپن اخذ شد و خروجی این مدل با روشهای رگرسیون چندگانه و شبکه عصبی مصنوعی بر روی ایستگاه گرگان پس پردازش شد. دادههای گذشته نگر مدلشامل دو گروه متغیرهای محلی پیشبینی شده و شاخصهای اقلیمی دورپیوندی می باشند. برای انجام کار شاخصهای مناسب جهت مدلسازی پیش بینی فصلی بارش درماههای مختلف انتخاب شده و کلیه پیش بینیهای حاصل صحت سنجی شدند. اعمال پس پردازش آماری بر برونداد مستقیم مدل دینامیکی با هر دو روش موجب بهبود پیش بینی ماهانه بارش گرگان با درصدهای مختلف شده است.

کلیدواژه ها:

پسپردازش ، بارش ، دورپیوند ، گرگان