بررسی توانمندی مدل دینامیکی Regcm4 در شبیه‎سازی شاخص‎های بارش فرین به عنوان مهم‎ترین نشانگرهای تغییر اقلیم در ایران

فرین‎های بارشی یکی از مهم‎ترین نشانگرهای اقلیمی هستند که آشکارسازی آن‎ها اهمیت بسیاری زیادی در بررسی تغییرات اقلیمی دارد. در این پژوهش توانمندی مدل دینامیکی regcm4 در شبیه‎سازی شاخص‎های فرین‎ بارش در ایران بررسی گردید. مدل دینامیکی اقلیم منطقه‎ای (regcm4) برای یک دوره 20 ساله (2010‎‎1990) با دو سال دوره پایدارسازی با استفاده از داده‎های شرایط مرزی ncep/ncar با تفکیک افقی 2.5 درجه اجرا شود. مدل برای محدوده مورد نظر با تفکیک 20 کیلومتر و گام زمانی 6 ساعته با به کارگیری طرحواره بارش همرفتی گرل اجرا گردید. نتایج درستی سنجی برونداد مدل نشان داد که عملکرد مناسبی در برآورد بارش ایران دارد. با این وجود، مناطق شمالی دارای بیش‎برآوردی و مناطق خشک جنوبی و داخلی دارای کم‎برآوردی بارش هستند. با توجه به عملکرد مناسب مدل، فرین‎های بارش در سه دسته شدت (rx1day و sdii)، مدت (cdd و cwd) و فراوانی (r10mm و r20mm) گروه‎بندی و مورد بررسی قرار گرفتند. نتایج بررسی شاخص‎های فرین بارشی نشان داد که در پهنه ایران با تنوع اقلیمی و توپوگرافی که دارد مدل regcm به خوبی توانسته است الگوهای بارش فرین را نشان دهد. این نتایج به ویژه برای شاخص rx1day که شدت بارش روزانه را نشان می دهد در پهنه ایران به خوبی عمل کرده است‫. مدل regcm قابلیت بی‎نظیری در براورد هسته‎های بارشی روزانه و همچنین در مناطق کوهستانی و کویرهای مرکزی ایران که ایستگاه‎های هواشناسی وجود ندارند را از خود نشان داده است‫.

Investigating the RegCM4 performance in simulating extreme precipitation indices; as the most important indicators of climate change in Iran

Precipitation is one of the most important climate indicators, the detection of which is very important in the study of climate change. In this study, the performance of RegCM4 in simulating precipitation indices in Iran was investigated. Running the RegCM4 for a period of 20 years (1990-2010) with a two-year spin up time, by using NCEP / NCAR as the lateral boundary conditions with a 2.5o horizontal resolution. The model was configured for the selected domain of 20 km with 6-hourly output using the convective precipitation scheme of the Grell. Evaluating the model output, it is found that it has a good performance in estimating precipitation in Iran. However, precipitation is overestimated in the northern regions and it is underestimated in the arid southern and inland regions. Acceptable performance of the model, we investigated extreme precipitation indices in three main categories: intensity (Rx1day and SDII), duration (CDD and CWD) and frequency (R10mm and R20mm). The results showed that precipitation indices are well captured by the model in Iran which has diverse climate and topography. The RegCM model has been able to perform the patterns of precipitation very well. These results have worked especially well for the RX1day index, which shows the intensity of daily precipitation in Iran. The RegCM model has good ability to estimate daily precipitation in mountainous and desert areas of central Iran where there is lack of data.