ارزیابی مولد هواشناسی sharp جهت شبیه سازی داده های دمای هوا در چند نمونه اقلیمی ایران

دمای هوا متغیری بنیادی در مطالعات اقلیمی کشاورزی به ویژه مدلهای زراعی، تعیین نیاز آبی و تغییر اقلیم است.علیرغم سهولت اندازه گیری و فراگیری دسترسی به این کمیت، تکمیل خلاهای اماری و نیاز به داده های آینده، توسعه مولدهای هواشناسی را ضروری نموده است. در این مطالعه، مولد استوکاستیک sharp برای شبیه سازی دمای بیشینه و کمینه در مقیاس روزانه مورد استفاده و ارزیابی قرار گرفت. بدین منظور از داده‌های مشاهداتی دمای بیشینه و کمینه و همچنین داده‌های مدل اقلیمیcmip5 cnrmدر چهار ایستگاه سینوپتیک کرمان، اهواز، کرج و تبریز طی دوره آماری 2015-2000 استفاده شد. نتایج ضریب همبستگی پیرسون(0.78 تا 0.93) و سنجه‌های خطا نشان داد همبستگی بالا و معنی‌داری بین داده‌های مشاهداتی ایستگاهی و داده‌های مدل‌ اقلیمی وجود دارد. برونداد مدل‌ اقلیمی نسبت به داده‌های مشاهداتی فروبرآوردی بود. نتایج مقایسه داده‌های دمای تولید شده توسط مدل sharp نشان می‌دهد همبستگی بالا و معنی‌داری بین داده‌های مشاهداتی و داده‌های شبیه سازی شده وجود دارد. به‌طوریکه ضریب همبستگی پیرسون در ایستگاه‌های مورد بررسی بین 0.80 تا 0.95 می باشد که بیشترین مقدار این ضریب مربوط به دمای بیشینه است. همچنین مدل sharp مقدار دما را کمتر از داده های دیدبانی براورد می کند. در مجموع، یافته های این پژوهش نشانگر توانایی مناسب این مولد در شبیه سازی داده های دمای هوا می باشد و می تواند به عنوان روشی برای تکمیل خلاء های آماری استفاده شود.

Evaluation of SHArP weather generator for simulation of air temperature data in several climates of Iran

Temperature is a key variable in climate and agriclutiral studies especially crop models, water requirement estimation and climate change. Despite of ease of measurement and large number of recording stations, data gaps in remote areas and the need for downscaling the grided climate model output has led to development of weather generators. In this study, the skill of Stochastic Harmonic Autoregressive Parametric (SHArP)SHArP weather generator in simulation of the daily maximum and minimum air temperature on a daily scale in 4 weather stations was evaluated. For this purpose, maximum and minimum temperature data as well as CNRM CMIP5 climate model projections were used in four synoptic stations of Kerman, Ahvaz, Karaj and Tabriz during the period of 20002015. The results of Pearson correlation coefficient showed that there is a significant correlation between observed data (0.78 to 0.93) and climatic model outputs.Comparing the observed and simulated temperature data generated by the SHArP model showed a good agreement and significant correlation which confirms the skill of this generator. The correlation coefficient in the studied stations varies between 0.80 to 0.95. The highest value of this coefficient belonged to the maximum temperature. The SHArp model also less simulates the temperature. In general, the findings of this study revealed that the SHArP model is capable to generate temperature data and can be used for filling the gaps.