مقایسه مدل‌های اقلیمی cmip6 و روش‌های تصحیح اریبی نگاشت چندکی در شبیه‌سازی بارش

به دلیل محدودیت‌های ذاتی در مدل‌های اقلیمی، خروجی آن‌ها نسبت به مقادیر مشاهداتی دارای اریب قابل توجهی است که می‌تواند منجر به ارائه پیش‌نگری‌های اقلیمی غیرقابل اعتماد گردد. در مطالعۀ حاضر عملکرد 10 مدل اقلیمی از مجموعه مدل‌های cmip6 در شبیه‌سازی بارش دوره‌های واسنجی (2005-1986) و صحت‌سنجی (2014-2006) برای محدودۀ مطالعاتی رفسنجان مورد ارزیابی قرار گرفت. به منظور اصلاح بارش شبیه‌سازی شده، روش‌های مختلف تصحیح اریبی نگاشت چندکی در این دو دوره اعمال شده و ارزیابی عملکرد مدل‌های مختلف، روش‌ها و رویکردهای تصحیح اریبی نگاشت چندکی با استفاده از معیارهای آماری nse، pbias، mae و kge و دیاگرام تیلور انجام شد. در نهایت، بارش شبیه‌سازی شده از مدل منتخب برای دورۀ پیش‌نگری تحت سناریوهای ssp1-2.6، ssp2-4.5 و ssp3-7.0 استخراج و این مقادیر با استفاده از روش مناسب تصحیح اریبی اصلاح شدند. نتایج نشان داد که مدل mpi-esm1-2-lr قابلیت بالایی در شبیه‌سازی بارش در دوره‌های واسنجی و صحت‌سنجی نسبت به سایر مدل‌های اقلیمی دارد. نتایج ارزیابی عملکرد روش‌های تصحیح اریبی نگاشت چندکی نیز عملکرد بهتر روش‌ bernlnorm را نسبت به سایر روش‌ها در اصلاح بارش شبیه‌سازی شده در هر دو دوره توسط مدل‌های اقلیمی نشان داد. همچنین، ماحصل ارزیابی رویکردهای نگاشت چندکی ntp، pt و ddt در این دوره‌ها حاکی از توانمندی بالای رویکردهای ntp و pt نسبت به رویکرد ddt بود. مطالعه حاضر می‌تواند به بهبود اعتبار پیش‌نگری‌های اقلیمی آینده با استفاده از مدل‌های اقلیمی cmip6 کمک کند.

comparison of cmip6 climate models and quantile mapping bias correction methods in the simulation of precipitation

due to inherent limitations of global climate models, their outputs are significantly biased in comparison to observed values which could provide unreliable climate projections. this study evaluates the performance of 10 global climate models of the coupled model intercomparison project phase 6 (cmip6) for simulating precipitation in the rafsanjan study area over calibration (1986-2005) and validation (2006-2014) period. for correcting simulated precipitation, various quantile mapping-based bias correction methods applied in these two periods. evaluating the performance of various climate models and quantile mapping-based bias correction methods and approaches is carried out through multiple statistical metrics including nse, pbias, mae, and kge as well as taylor’s diagram. finally, simulated precipitation of selected model extracted for projection period under ssp1-2.6, ssp2-4.5 and ssp3-7.0 scenarios and corrected by suitable bias correction method. results showed that the mpi-esm1-2-lr model has better performance in simulating precipitation over calibration and validation periods compared to other climate models. the results of evaluating the performance of quantile mapping-based bias correction methods in both periods also showed that bernlnorm method performs better than others for the correction of simulated precipitation by climate models. in addition, the evaluation results of quantile mapping approaches including ntp, pt, and ddt in these periods demonstrated that ntp and pt have an acceptable performance compared to the ddt approach. present study can help to improve the credibility of future climate projections using cmip6 climate models.