عملکرد نسخه چهارم مدل اقلیمی منطقه‌ای با پارامترسازی‌های فیزیکی مختلف در کشور ایران: مطالعه موردی سال 2010

عملکرد regcm4 با چهار پارامترسازی مختلف برای شبیه سازی دمای هوای نزدیک سطح زمین و بارش در منطقه ایران طی سال 2010 در مقایسه با داده های مشاهداتی cru بررسی شد. در این بررسی از داده های مدل cfsv2 به عنوان شرایط اولیه و مرزی regcm4 استفاده شد. بررسی الگوی اریبی دمای هوا در این شبیه سازی ها نشان داد که بیشترین اریبی منفی در سواحل جنوبی دریای خزر و ارتفاعات رشته کوه البرز و بیشترین اریبی مثبت در دشت لوت و جنوب ایران و از نظر زمانی در اواخر فصل بهار، فصل تابستان و اوایل فصل پاییز اتفاق می افتد. بررسی میانگین ماهانه قدرمطلق اریبی دمای هوا نشان داد که در دو مورد از شبیه سازی ها با طرحواره لایه مرزی هلستلگ (holstlag) اریبی کمتری وجود دارد. بررسی خطای ریشه میانگین مربعات دمای هوا برای این چهار شبیه سازی نشان داد که طرحواره های لایه مرزی هلستلگ و uw pbl به ترتیب در ماه های سرد و گرم سال عملکرد بهتری دارند. همچنین استفاده از طرحواره همرفت tiedtke در کنار طرحواره لایه مرزی هلستلگ می تواند خطای ریشه میانگین مربعات دمای هوا را در فصل های گرم سال به شدت کاهش دهد؛ بنابراین استفاده از طرحواره لایه مرزی هلستلگ در regcm4 برای فصل های سرد سال و استفاده از همین طرحواره در کنار طرحواره همرفت tiedtke برای کل سال در منطقه ایران پیشنهاد می شود. در هر چهار شبیه سازی در بیشتر ماه های سال اریبی مثبت بارش برای منطقه ایران مشاهده شد. با بررسی همبستگی چهار شبیه سازی با داده های مشاهداتی طی ماه های مختلف سال، بیشترین همبستگی در جنوب شرق، شرق، مرکز، غرب و شمال غرب ایران و کمترین همبستگی در ارتفاعات البرز، دامنه های غربی رشته کوه زاگرس و نیمه غربی جنوب ایران و شمال غرب دشت کویر مشاهده شد. نتایج نشان داد که در صورت استفاده از طرحواره همرفت tiedtke، بارش شبیه سازی شده همبستگی زمانی و مکانی بیشتری با بارش مشاهداتی در منطقه ایران خواهد داشت.

Performance of the Regional Climate Model version 4 (RegCM4) with different physical parameterizations over Iran: A case study in 2010

Providing reliable monthly to seasonal forecasts of the climate system using regional climate models with a relatively high spatial resolution is essential to reduce the socioeconomic impacts of extreme climate events. In this study, performance of the Regional Climate Model version 4 (RegCM4) with four different subgrid scale parameterization schemes in simulating 2m temperature and precipitation over Iran against the observational Climate Research Unit (CRU) dataset in 2010 is evaluated. The climate forecast system version 2 (CFSv2) data are used as initial and boundary conditions for RegCM4. Analysis of 2m temperature biases of these four simulations by RegCM4 indicated that the largest negative bias is located in the southern coastal plains of the Caspian Sea and over the Alborz Mountain, while the largest positive bias is located over Daste Lut and southern Iran. It is found that the largest temperature biases over Iran mostly occur in late spring, during summer and early autumn. Analysis of absolute monthly mean 2m temperature biases indicated that in two of the conducted simulations the bias is lower, in both of which the Holstlag boundarylayer scheme is used. The root mean square errors (RMSE) of 2m temperature for these four simulations are also examined and it is found that the Holstlag boundarylayer scheme and UW PBL perform better in cold and warm months, respectively. Using a combination of the Tiedtke convection scheme and the Holstlag boundarylayer scheme significantly reduces the RMSE of 2m temperature in warm months of the year and leads to the least bias during the whole year over Iran. Thus, to conduct simulations with RegCM4 over Iran, the Holstlag boundarylayer scheme in cold months of the year and the same boundarylayer scheme along with the Tiedtke convection scheme during the whole year are recommended in order to have the least 2m temperature biases. In the conducted four simulations, positive precipitation biases are observed over Iran in most months of the year, suggesting that RegCM4 generally overestimates precipitation over Iran. Results also indicated that the largest correlation between the observed and simulated precipitation is seen over southeastern, eastern, central, western and northwestern Iran, while the least correlation is seen over the Alborz Mountain, western foothills of the Zagros Mountains, western parts of southern Iran and some parts of Dashte Kavir. It is also found that in the RegCM4 simulation with the Tiedtke convection scheme, there are larger spatial and temporal correlations between the observed and simulated precipitation.