اصلاح خطاي دما و بارش در شبيه‌سازي مدل‌هاي آب و هوايي

Temperature and Precipitation Bias Correction in the Climate Model Simulations

اصلاح خطا معمولاً براي خروجي‌هاي مدل اقليمي قبل از استفاده بعنوان ورودي مدل‌هاي محيطي در مطالعات اثر تغيير اقليم استفاده مي‌شود. در اين پژوهش ابتدا خروجي‌ شش GCM ريزمقياس نمايي شده با RcgCM4-4 در محدوده CORDEX جنوب آسيا با قدرت تفكيك افقي حدود 50 كيلومتر از سايت ESGF دريافت گرديد. همچنين داده‌هاي بارش، دماي بيشينه و دماي كمينه 41 ايستگاه همديد با نزديكترين فاصله با ياخته‌هاي مدل‌ها در محدود ايران از سازمان هواشناسي كشور اخذ شد. سپس دقت خروجي‌هاي ياخته‌هاي متناظر با ايستگاه‌هاي زميني نسبت به داده‌هاي مشاهداتي با روش‌هاي همبستگي و انحراف ‌معيار استاندار شده با استفاده از نمودار تيلور ارزيابي گرديد. در ادامه خطاي مدل با كمترين خطاي آماري براي خروجي‌هاي بارش با روش fitQmapRQUANT و براي خروجي‌هاي دماي بيشينه و دماي كمينه با روش اصلاح خطاي اسكن خطي تصحيح خطا شدند. نتايج نشان داد روش‌هاي اصلاح خطاي بكار رفته براي خروجي‌هاي دما سبب كاهش خطاي داده‌ها شده است. براي دماي بيشينه در اكثر ايستگاه‌هاي مطالعاتي كم برآوردي اين متغير مشاهده گرديد. اين كم برآوردي در فصول گرم سال بيشتر از فصول سرد سال است. خروجي‌هاي ماهانه دماي كمينه مدل CCCma در مقايسه با داده‌هاي ايستگاه‌هاي واقع در مناطق جنوبي ايران بيش برآوردي اين متغير را بويژه در فصول گرم سال از خود نشان دادند. اين در حالي است كه در اكثر ايستگاه‌هاي واقع در عرض‌هاي جغرافيايي بالا برآوردي درست يا كم برآوردي اين متغير مشاهده شد. در حالي كه براي خروجي‌هاي بارش به سبب اختلاف زياد بين داده‌هاي مشاهداتي و مدل روش اصلاح خطا اثر بخش نبود. براي اين متغير مدل در شبيه‌سازي آن متأثر از بارش‌هاي موسمي جنوب آسيا برآورد درستي از بارش‌هاي جنوب ايران نداشته و شرايط بارش تابستانه را در اين مناطق و حتي مناطق واقع در عرض‌هاي بالاتر در خروجي‌هاي هر شش مدل مورد بررسي از خود نشان داد.

Bias correction usually used for the outputs of the climatic model before use as an input of environmental models in the climate change effects studies. In this research, GCM outputs obtained from ESGF dataset with the RcgCM4-4 climate model in the South Asia CORDEX domain with horizontal resolution about 50 km. Precipitation, maximum and minimum temperature data of 41 synoptic stations with the closest distance to model cells in Iran domain obtained from Iran Meteorological Organization. Then the accuracy of the outputs of the cells corresponding compared to the observational data with correlation and normalized standard deviation methods evaluated by Taylor diagram. Then, the model bias with the least error corrected for the precipitation outputs with fitQmapRQUANT method and for the maximum and minimum temperature outputs with the linear scanning bias correction. Results showed that the bias correction methods used for the temperature outputs improved the error of data but for precipitation outputs, it was not effective due to the large difference between observation and model data. The model to estimating the maximum temperature in these regions had less bias than in those at low latitudes. The CCCma model's monthly minimum temperature outputs overestimated this variable, especially in hot seasons, compared to station data in southern Iran. At most stations located at high latitudes, this variable is corrected or underestimated. The bias correction of the model outputs for this variable corrected the biases in the cells corresponding to the observation stations.