کاربرد مدل Arma در کاهش مقیاس و ارزیابی آثار تغییر اقلیم در مقیاس سالانه

با وجود قابلیت های ویژه مدل arma (autoregressive moving average) برای ارزیابی اثر تغییر اقلیم در مقیاس سالانه، این مدل در مطالعات پیشین تغییر اقلیم، به ندرت مورد توجه قرار گرفته است. علت اصلی آن، مشخص نبودن روش کاهش مقیاس برای سری های غیر نرمال است. سری های بارش در مقیاس ه ای روزانه و ماهانه اغلب غیرنرمال است، اما بارش سالانه در بسیاری از مناطق از توزیع نرمال تبعیت می کند. در این مقاله عملکرد مدل سالانه arma با عملکرد مدل پرکاربرد روزانه larswg (long ashton research station weather generator) برای تولید سری های سالانه بارش و دما مقایسه شده است. نتایج نشان می دهد مدل arma آماره های مختلف بارش و دمای سالانه و توزیع فراوانی این متغیرها را در سری های مصنوعی به خوبی بازتولید می کند. اما مدل larswg که عملکرد مناسبی در بازتولید آماره های روزانه دارد، عملکرد مناسبی در بازتولید توزیع فراوانی دمای سالانه ندارد. علت این امر ناتوانی larswg در بازتولید نوسانات بین سالی (به طور خاص انحراف معیار سالانه) است. اثر تغییر اقلیم بر بارش و دمای سالانه ایستگاه هواشناسی زنجان با استفاده از مدل arma تحت سناریوی مدل hadgem2 (hadley centre global environment model version 2) تحت سناریوی انتشار rcp4.5 (representative concentration pathway 4.5) ارزیابی شد. نتایج حاکی از کاهش بارش و افزایش دما در دوره بازگشت های مختلف است. بر این مبنا با در نظر گرفتن اثر تغییر و در حدود 90% نوسانات اقلیم، بارش 2 ساله بین 7 تا 23 درصد نسبت به مقادیر مشاهداتی کاهش می یابد و دمای 2 ساله بین 2/2 تا 8/3 درجه نسبت به مقادیر مشاهداتی افزایش می یابد.

Application of ARMA model in downscaling and climate change impact assessment in annual time-scal

Despite the specific capabilities of the ARMA model to assess the impacts of climate change on an annual scale, this model has been rarely considered in previous climate change studies. Because it is not clear that how skewed series can be downscaled using this model. Precipitation series on the daily and monthly scales is often skewed, but annual rainfall in many areas is has a normal distribution. In this paper, the performance of the annual ARMA model and the LARSWG daily model for generating annual rainfall and temperature series is compared. The results show that the ARMA model well reproduces the various statistics of annual observed rainfall and temperature, as well as the frequency distribution of these variables. But the LARSWG model, which has a good performance in reproduction of daily statistics, does not have an acceptable performance in reproducing the annual distribution frequencies. It is because of the inability of the LARSWG model in reproducing of interannual variabilities (specially annual standard deviation). Climate change impact on annual precipitation and temperature of the Zanjan station is assessed using ARMA model and HADGEM2 outputs under RCP4.5 scenario. The results indicate that for various return periods, the temperature will increase and rainfall will decrease. based on results, by considering climate variability and change, 2year return period precipitation will decrease between 7% to 23% and 2year return period temperature will increase between 2.2 to 3.8 ºC respect to corresponding observed values.