پس‌پردازش برون‌داد مدل ديناميكي MRI-CGCM3 براي پيش‌بيني فصلي بارش استان خراسان رضوي

Statistical post processing MRI-CGCM3 output for seasonal precipitation forecast over Khorasan-Razavi province, Iran

مديريت منابع آبي در كشور به سبب وابستگي بخش عمده‌‌اي از فعاليت‌‌هاي اقتصادي به مقدار و توزيع زماني بارش داراي اهميت بسيار زيادي است و پيش‌بيني فصلي يكي از ابزارهاي مهم در مديريت بهينه منابع آبي محسوب مي‌شود. در اين تحقيق به‌منظور عرضه پيش‌بيني فصلي بارش استان خراسان رضوي، برون‌داد متغير‌‌هاي متفاوت مدل ديناميكي MRI-CGCM3، در دوره 1981-2007 روي هفت ايستگاه هواشناسي استان خراسان رضوي پس‌پردازش شدند. داده‌‌هاي مدل از سازمان هواشناسي ژاپن اخذ شدند. نتايج نشان داد كه استفاده از اين روش باعث افزايش دقت پيش‌بيني‌‌‌هاي فصلي مي‌‌‌شود؛ به‌‌گونه‌‌اي كه در ايستگاه مشهد با اِعمال فرايند پس‌پردازش آماري با استفاده از روش همبستگي چندمتغيره خطي، اُريبي و خطاي نسبي پيش‌بيني فصلي بارش به‌ترتيب از 43/107 به 99/2 ميلي‌متر و از 15/66 به 78/0 كاهش يافت. همچنين ميانگين اُريبي بارش در كل استان از 3/94 به 5/3 ميلي‌متر كاهش يافت. در اين پژوهش پيش‌بيني فصلي در پنج طبقه بيش از نرمال، نرمال تا بيش از نرمال، نرمال، نرمال تا كمتر از نرمال و كمتر از نرمال تهيه و با داده‌‌‌هاي متناظر بارش ديدباني مقايسه شد. نتايج نشان داد كه توانمندي پيش‌بيني فصلي خام مدل 3/25 درصد است و با اِعمال پس‌پردازش آماري تا 2/62 درصد افزايش مي‌‌‌يابد كه حاكي از بهبود 9/36 درصدي در توانمندي پيش‌بيني‌‌ها است. همچنين مشخص شد كه اگر تعداد طبقات پيش‌بيني بارش از پنج طبقه به سه طبقه بيش از نرمال، نرمال و كمتر از نرمال كاهش يابد، توانمندي پيش‌بيني به 6/73 درصد افزايش خواهد يافت. به علت اُريبي بسيار زياد داده‌‌‌هاي خام مدل، اجراي فرايند پس‌پردازش آماري موجب شد تا خطاي پيش‌بيني در همه ايستگاه‌ها بيش از صددرصد بهبود يابد. علاوه بر اين مقايسه نتايج بارش پيش‌بيني شده با استفاده از روش جاري نشان مي‌‌‌دهد كه مدل توانسته است بارش ‌‌هاي فصل پاييز 1391 را به‌‌خوبي پيش‌بيني كند. همچنين نتايج روشن ساخت كه برخي شاخص‌‌هايي كه براي راستي‌آزمايي پيش‌بيني عددي كوتاه‌مدت مورد استفاده قرار مي‌گيرند، پاسخ صحيحي براي پيش‌بيني‌‌هاي فصلي به‌دست نمي‌‌دهند.