مقایسه ی مدل های ریزمقیاس نمایی LARS-WG و SDSM در پیش بینی تغییرات دما و بارش تحت سناریوهایRCP (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
روش های مختلفی برای تبدیل داده های بزرگ مقیاس به داده های اقلیمی منطقه ای گسترش یافته اند که در کم تر مطالعه ای نتایج این روش ها از لحاظ آماری مورد مقایسه قرار گرفته است. هدف از این مطالعه ، مقایسه ی نتایج مدل های SDSM و LARS-WG در ریزمقیاس نمایی داده های خروجی مدل های گردش عمومی CANE-SM2 و HADGEM2-ES تحت سناریوهایRCP2.6 ، RCP4.5 وRCP8.5 است. جهت انجام این مطالعه ، دمای حداقل، دمای حداکثر و بارش در دوره ی پایه (2005-1980) ایستگاه سینوپتیک اراک مورداستفاده قرار گرفت و نتایج حاصل از پیش بینی های دو مدلSDSM و LARS-WG برای سه دوره ی 2040-2021، 2060-2041 و 2080-2061 مقایسه شد. به منظور ارزیابی عملکرد مدل ها شاخص های RMSE، R2، MAE و NSE استفاده شد. بر اساس نتایج شاخص های ارزیابی، هر دو مدل کارآیی مناسبی در شبیه سازی متغیرهای اقلیمی دارد. نتایج ریزمقیاس نمایی دو مدل نشان داد که به طورکلی در هر سه سناریو و هر سه دوره از ماه ژانویه تا ژوئن مقادیر پیش بینی دمای حداقل و دمای حداکثر نسبت به دوره ی پایه افزایش می یابد و مدل LARS-WG در مقایسه با مدل SDSM مقدار دمای حداقل و حداکثر را نسبت به دوره ی پایه بیش تر برآورد نموده است. تغییرات بارش پیش بینی شده به وسیله ی دو مدل SDSM و LARS-WG دارای روند مشخصی نبوده است. بررسی درصد تغییرات داده های دما و بارش نشان داد که خروجی مدل SDSM تغییرات بیش تری را در بارش و خروجی مدل LARS-WG تغییرات بیش تری را در دمای حداقل و دمای حداکثر نسبت به دوره ی پایه نشان می دهد. بر اساس نتایج این مطالعه نمی توان برتری دقیقی برای هر یک از مدل های موردمطالعه بیان کرد، ولی به طورکلی می توان گفت که نتایج پیش بینی دو مدل در اکثر موارد از نظر آماری اختلاف معنی دار (01/0P<) دارند.Comparison of LARS-WG and SDSM Downscaling Models for Prediction Temperature and Precipitation Changes under RCP Scenarios
Various methods developed to convert large-scale data to regional climatic data. In few studies , the results of these methods have been statistically compared. The main purpose of this study was to compare SDSM and LARS-WG models for Downscaling output data of CANE-SM2 and HADGEM2-ES general circulation models under RCP2.6, RCP4.5 and RCP8.5 scenarios. For this study, precipitation, minimum and maximum temperature of Arak synoptic station were used as the base period (1980-2005). The results of the predictions of the SDSM and LARS-WG models were compared for three periods (2021-2040, 2041-2060 and 2061-2080). The RMSE, R2, MAE and NSE criteria were used to evaluate the performance of SDSM and LARS-WG models. Based on the results of the evaluation criteria, both models have an acceptable resuts in simulation of climate variables. Downscaling results of both models showed that minimum and maximum temperatures should increased compare to baseline in all scenarios and periods from January to June, but LARS-WG model had a over estimation compared to the SDSM model. Changes in predicted precipitation by SDSM and LARS-WG models did not have a clear trend. According to the results, the SDSM model shows more changes in precipitation, wherase, the LARS-WG model shows more changes in minimum and maximum temperature compared to the base period. Based on the results of this study, it is not possible to determine the exact superiority of each of the models, But SDSM model had a better prediction for precipitation and maximum temperature, while, LARS model had better results for maximum and minimum temperature.in general it can be said that the prediction results of both models are statistically significant (P<0.01) in most cases.
تبلیغات
