ارزیابی دقت داده‌های بازتحلیل پایگاه‌های اقلیمی جهانی cfs-v2، merra-2، era-5 برای برآورد دمای متوسط در مناطق مختلف کشور

شبکه ایستگاه‌های همدیدی در سطح کشور توزیع یکنواختی ندارند. پراکندگی ایستگاه‌ها در مناطق پرجمعیت بیشتر و در اطراف بخش بزرگی از نواحی مرکزی ایران کمتر است. همین‌طور، این ایستگاه‌ها دارای طول آماری متفاوتی هستند؛ بنابراین داده‌های مشاهداتی ایستگاه‌های هواشناسی به تنهایی نمی‌توانند تصویر کامل و دقیقی از وضعیت اقلیم گذشته و همین‌طور پیش‌بینی وضعیت آینده به ما بدهند. در سال‌های اخیر، استفاده از محصولات بازتحلیل به عنوان داده‌های شبه‌مشاهداتی، به‌ویژه برای مطالعات اقلیمی و پیش‌بینی عددی وضع هوا، مورد‌توجه قرار گرفته‌اند. قبل از به‌کارگیری محصولات بازتحلیل در مطالعات، ارزیابی عملکرد آن‌ها در هر منطقه ضروری است. در این مقاله، داده‌های بازتحلیل دمای میانگین پایگاه‌های اقلیمی cfs-v2، merra-2، era-5، با استفاده از داده‌های 143 ایستگاه هواشناسی در دوره 1991-2020، مورد ارزیابی قرار گرفتند. در 6 ناحیه معرف تنوع اقلیمی در کشور، با استفاده از شاخص‌های آماری ضریب همبستگی پیرسون (r)، مجذور میانگین مربعات خطا (rmse)، مجذور میانگین مربعات خطای نرمال شده (nrmse)، ضریب کارایی نش-ساتکلیف (nsc)، شاخص اریبی نسبی (relative bias)، میانگین قدرمطلق خطا (mae) و ضریب کلینگ‌گوپتا (kge)، داده‌های بازتحلیل مورد مقایسه قرار گرفتند. همین‌طور دقت فصلی،‌ روند سالانه و توزیع احتمال داده‌های بازتحلیل شده در مقایسه با داده‌های مشاهداتی تحلیل شدند. نتایج نشان داد به‌طورکلی عملکرد پایگاه داده‌های era-5 در برآورد دمای میانگین، بر اساس هفت شاخص محاسبه شده، بیشتر از merra-2 و cfs-v2 است. مقادیر mae به ترتیب برای داده‌های cfs-v2، merra-2، era-5 برابر با 2/077،‌ 1/71 و 1*39 می‌باشد؛ اما در فصل بهار،‌ برای خوشه‌ی بسیار گرم (جنوب غرب)،‌ داده‌های cfs-v2؛‌ در فصل تابستان،‌ در خوشه‌ی بسیار گرم (‌جنوب غرب)‌ و بسیار سرد (‌شمال غرب)‌،‌ داده‌های meraa-2؛ و در فصل پاییز و زمستان،‌ در خوشه گرم ساحلی (سواحل دریای عمان و خلیج‌فارس)،‌ داده‌های meraa-2؛ کمترین خطا را دارند.

accuracy assessment of cfs-v2, merra-2, era-5 temperature over the different regions of iran

the distribution of stations network is not uniform in iran. the number of stations is more in densely populated areas and less around a large part of the central areas of iran. also, these stations have been operating for various periods. therefore, in situ observation cannot lead to robust results and conclusions for the climate model evaluation and climate change studies. in recent years, reanalysis products have been considered as pseudo-observations, especially for climate studies and weather forecasting. the evaluation of reanalysis products is fundamental and critical because of the uncertainty due to the interpolation and to the data assimilation and forecasting models. in this paper, the reanalysis data of cfs-v2, merra-2, and era-5 climate databases are evaluated, using the data of 143 meteorological stations over the period 1991-2020. reanalysis data are compared using pearson’s correlation coefficient (r), root mean square error (rmse), normalized mean square error (nrmse), nash-sutcliffe efficiency coefficient (nsc), bias index (bias), mean absolute error (mae) and kling–gupta efficient (kge), in the 6 regions representative of climate diversity in iran. also, the seasonal accuracy, annual trend, and probability distribution of the reanalyzed data were analyzed in comparison with the observations. the results show that cfs-v2, merra-2, and era-5 have high accuracy for estimating the temperature in iran. in general, based on all statistical indicators and in all regions, era-5 is the most accurate; merra-2 and cfs-v2 were ranked second and third, with mae values of 1.39, 1.71, and 2.077, respectively. in the spring, for the hot cluster (southwest), cfs-v2 data; in the summer, for the hot (southwest) and very cold (northwest) clusters, meraa-2 data; and in autumn and winter, for the warm coastal cluster (coasts of oman sea and persian gulf), meraa-2 data; are most accurate. in terms of annual trends, in the very cold cluster (northwest), cfs-v2 data; in the hot cluster (southwest), merra-2 data; and in other places, the data of era-5 have the closest trend to the trend of observations.