>
Fa   |   Ar   |   En
   ارزیابی روش‌های sdsm، lars-wg و ann در ریز‌مقیاس‌سازی دما و بارش برای دو اقلیم‌ متفاوت در استان خراسان رضوی  
   
نویسنده حلمی مهتاب ,زراعتی نیشابوری سپیده ,امیرآبادی زاده مهدی ,یعقوب زاده مصطفی
منبع پژوهش هاي خشكسالي و تغيير اقليم - 1402 - دوره : 1 - شماره : 4 - صفحه:105 -118
چکیده    مدل‌های گردش عمومی جو، یکی از مهم‌ترین و کاربردی‌ترین مدل‌ها در مطالعات تغییرات اقلیمی در مقیاس منطقه‌ای هستند. از آنجا که شبیه‌سازی پارامترهای اقلیمی در این مدل‌ها، در مقیاس بزرگ مکانی و زمانی انجام می‌شود، خروجی آن‌ها با استفاده از روش‌های مختلف، کوچک‌مقیاس می‌گردد. در این پژوهش، نتایج سه مدل ریزمقیاس‌نمایی sdsm، lars-wg و ann در شبیه‌سازی پارامترهای اقلیمی بارش روزانه و کمینه و بیشینه‌ دمای روزانه در دو ایستگاه تایباد (با آب و هوای گرم و خشک) و قوچان (با آب و هوای سرد و معتدل) در استان خراسان رضوی مقایسه شده است. بدین منظور از دوره بیست ساله داده‌های بارش و کمینه و بیشینه‌ دمای روزانه‌‌ ایستگاه‌ها بین سال‌های 2005-1986 استفاده گردید. برای مقایسه‌ی دقت مدل‌ها، از شاخص‌های ضریب تبیین، ریشه‌ی مجموع مربعات خطا و میانگین مطلق خطا استفاده شد. نتایج نشان داد مدل‌های lars-wg و sdsm کم‌ترین میزان خطا را در شبیه‌سازی کمینه و بیشینه‌ دمای روزانه دارند. مقدار میانگین مطلق خطای مدل sdsm برای پارامتر کمینه دما در دو ایستگاه تایباد و قوچان به ترتیب 0/61 و 0/71 می‌باشد. مقدار خطای پارامتر مذکور در مدل lars-wg در دو ایستگاه تایباد و قوچان به ترتیب 0/65 و 0/43 است. از سوی دیگر، در مدل ann، میانگین مطلق خطای کمینه دما در ایستگاه تایباد 1/78 و در ایستگاه قوچان 1/73 بدست‌‌آمده است. در نهایت می‌توان بیان کرد؛ مدل‌های ریزمقیاس‌نمایی sdsm و lars-wg از دقت بالاتری در شبیه‌سازی مقادیر پارامترهای اقلیمی دمای روزانه و بخصوص پارامتر کمینه دما در ایستگاه‌های تایباد و قوچان نسبت به مدل ann برخوردار می‌باشند.
کلیدواژه تایباد، تغییر اقلیم، قوچان، مدل، هوش مصنوعی
آدرس دانشگاه بیرجند, گروه علوم و مهندسی آب, ایران, دانشگاه بیرجند, گروه علوم و مهندسی آب, ایران, دانشگاه بیرجند, دانشکده کشاورزی, گروه علوم و مهندسی آب، گروه پژوهشی خشکسالی وتغییراقلیم, ایران, دانشگاه بیرجند, دانشکده کشاورزی, گروه علوم و مهندسی آب، گروه پژوهشی خشکسالی وتغییراقلیم, ایران
پست الکترونیکی m.yaghoobzadeh@birjand.ac.ir
 
   evaluation of sdsm, lars-wg, and ann methods in downscaling of temperature and precipitation for two different climates  
   
Authors helmi mahtab ,zeraati neyshabouri sepideh ,amirabadizadeh mahdi ,yaghoobzadeh mostafa
Abstract    introduction:meteorology is affected by climate change in many ways. climate changes are a topic of great importance and long-term forecas ting of climatic variables is crucial to unders tanding their changes. as a result, general circulation models have beendeveloped to simulate climate parameters on a large scale. however, to perform these simulations on smaller scales, the output of these models needs to be downscaled using various techniques, commonly referred to as downscaling. some of the most widely used downscaling models include: sdsm, climgen, lars-wg and usclimate. these models have been extensively employed for the downscaling of general circulation models in iran and other the world. the current s tudy was aimed to evaluate the performance of sdsm, lars-wg, and ann methods in downscaling temperature and precipitation data in qouchan and taybad.
Keywords artificial intelligence ,climate change ,qouchan ,model ,taybad
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved