مدل GFDL-ESM4

خروجی های مدل های اقلیمی جهانی (GCMs) معمولاً دارای اریبی نسبت به داده های مشاهداتی هستند و قبل از استفاده از آن ها برای توسعه سناریوهای اقلیمی آینده، برخی تصحیحات باید انجام شود. روش های تصحیح اریبی از جمله روش های آماری متداول برای پردازش خروجی مدل های اقلیمی هستند. در این تحقیق تاثیر پنج روش تصحیح اریبی بر پیش نگری بارش مدل GFDL-ESM4 در حوضه دریاچه ارومیه مورد ارزیابی قرارگرفته است. روش های مورد استفاده در این تحقیق شامل روش های نسبت گیری خطی (LS)، نسبت گیری شدت موضعی (LOCI)، تبدیل توانی (PT)، نگاشت توزیع (DM) و تغییر عامل دلتا (DC) می باشند. از معیارهای ضریب همبستگی، مجذور میانگین مربعات خطا (RMSE) و درصد اریبی (PBias) برای ارزیابی دقت داده های تصحیح شده در دوره 2014-1990 نسبت به داده های مشاهداتی و انتخاب بهترین روش برای تصحیح داده های سناریوهای آینده استفاده شده است. نتایج تحقیق نشان داد روش تغییر عامل دلتا برآوردهای خام را پس از اصلاح به طور قابل توجهی بهبود داد؛ بنابراین از این روش برای تصحیح داده های سناریوهای SSP1-2.6، SSP2-4.5 و SSP5-8.5 استفاده شد. علاوه بر این، پیش نگری های میانگین سالانه بارش در سناریوی SSP1-2.6 بین 2 تا 9 درصد، در SSP2-4.5 بین 5 تا 17 درصد و در SSP2-8.5 بین 8 تا 26 درصد کاهش را نسبت به داده های مشاهده ای نشان می دهند.