ارزیابی عدم قطعیت بارش شبیه سازی شده با استفاده از مدل های آماری (مطالعه موردی: شمال غرب ایران) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در این پژوهش، داده های مورد نیاز بارش ایستگاه های همدید منطقه مورد مطالعه طی دوره آماری 1981-2015 از مرکز آمار سازمان هواشناسی اخذ گردید. جهت پیش بینی و تولید داده های آماری دوره 2026 تا 2065 از مدل LARS-WG و CLIMGEN استفاده شد. در این مطالعه از روش بوت استراپ جهت ارزیابی عدم قطعیت بارش استفاده شد. همبستگی بین داده های بارش ماهانه مشاهداتی و شبیه سازی شده نشان دهنده این است که مدل CLIMGEN داده های مصنوعی بارش را با دقت بیشتری شبیه سازی می کند. کم ترین خطای RMSE و MAE در هر دو مدل مربوطه به ایستگاه جلفا است و بیشترین خطا در هر دو مدل در ایستگاه سردشت اندازه گیری شده است. برآورد مقادیر خروجی بارش (میانگین بارش) توسط مدل LARS-WG با روش بوت استراپ نشان دهنده عدم قطعیت بالاتر مدل LARS-WG نسبت به مدل CLIMGEN است. واریانس بارش مشاهداتی نیز نشان دهنده تغییرات زیاد فاصله اطمینان در ماه های فصل بهار و پاییز است. بنابراین با توجه به مطالب فوق می توان گفت که در رابطه با بارش، مدل LARS-WG عدم قطعیت بیشتری را نسبت به مدل CLIMGEN در اکثر ایستگاه های مطالعاتی منطقه مورد مطالعه نشان می دهد. قدر مطلق خطای بارش سالانه با خروجی مدل CLIMGEN مقدار کمتری را نسبت به قدر مطلق خطا با خروجی مدل LARS-WG نشان می دهد. که این امر نشان دهنده مقدار خطای کمتر مدل CLIMGEN در عدم قطعیت مکانی بارش شبیه سازی شده نسبت به مدل LARS-WG در منطقه شمال غرب ایران است.Estimation of simulated precipitation uncertainty by using statistical models (Case study: Northwest of Iran)
In this research, the precipitation data needed for the stations of the study area during the statistical period of 1981-2015 was obtained from the Meteorological Statistics Center. To predict and produce statistical data from 2026 to 2065, the LARS-WG and CLIMGEN models were used. In this study, bootstrap method was used to assess precipitation uncertainty. The correlation between the observed and simulated monthly rainfall data shows that the CLIMGEN model simulates the synthetic rainfall data more accurately. The lowest error of the RMSE and MAE in both of these models is at Jolfa Station And the highest error in both models was measured at Sardasht station. Estimation of precipitation output (mean precipitation) by LARS-WG model with bootstrap method indicates higher uncertainty of LARS-WG model than CLIMGEN model. The variance of precipitation observations also indicates a significant change in confidence intervals in the spring and autumn months. Therefore, with regard to the above, it can be said that in the case of rainfall, the LARS-WG model shows more uncertainty than the CLIMGEN model in most of the studied stations in the study area. The absolute magnitude of annual precipitation error with the output of the CLIMGEN model is less than the magnitude of the error with the output of the LARS-WG model. This indicates a lower error value of the CLIMGEN model in the simulated precipitation spatial uncertainty than the LARS-WG model in the northwestern region of Iran.
تبلیغات
