ارزیابی مدل‌‌های CMIP5 جهت شبیه‌ سازی بارش با استفاده از ترکیب داده‌های بارش شبکه‌ای APHRODIT و بارش ماهواره ای PERSIANN-CDR در سراسر استان خوزستان

Subject Areas : Irrigation and Drainage

کاظم رنگزن ¹ , علی شهبازی ² , زهرا جریده ³ , مصطفی کابلی زاده ⁴

1 - عضو هیات علمی، دانشگاه شهید چمران، اهواز، ایران.
2 - دکترای منابع آب، سازمان آب و برق خوزستان.
3 - کارشناس ارشد رشته سنجش از دور و GIS.
4 - عضو هیات علمی، دانشگاه شهید چمران، اهواز، ایران.

Received: 2016-06-19 Accepted : 2016-10-10 Published : 2016-06-01

Keywords:

Abstract :

یکی از مهم ترین محدودیت  های مدل  های گردش عمومی جو، بزرگ  مقیاس بودن متغیرهای اقلیمی شبیه  سازی شده می  باشد. بنابراین می بایست به روش های مختلف ریزمقیاس شوند تا توانایی لازم جهت برازش به منطقه مورد مطالعه را داشته باشند. انتخاب مدل GCM مناسب برای محدوده مورد مطالعه نقش بسیار مهمی در شبیه سازی پارامتر موردنظر (بارش) برای آینده دارد. در این تحقیق از مدل های CMIP5 شامل BCC-CSM1.1.M، MPI-ESM-MR و  MPI-ESM-LR به منظورارزیابی مدل ها در دوره پایه و مشخص کردن بهترین مدل جهت برازش به منطقه مورد مطالعه استفاده شد. بدین ترتیب که ابتدا هیستوریکال مدل و دیتای شاهد (ترکیب بارش ماهواره ای پرژین و بارش شبکه ای آفرودیت) به دو دوره تقسیم شد دوره اول 1992-1983 به عنوان دوره پایه و دوره دوم 2003-1994 به عنوان دوره ارزیابی. شاخص های راست آزمایی میانگین خطای مطلق و شاخص امتیاز مهارتی میانگین خطای مطلق بین مدل ها و شاهد در دوره ارزیابی قبل و بعد از اصلاح و ریزمقیاس نمایی به صورت فصلی در نرم افزار متلب برای تمامی پیکسل های استان خوزستان محاسبه شد. .نتایج حاکی از آن است که قبل از اعمال روش ریزمقیاس نمایی عامل تغییر (دلتا) مدل BCC-CSM1.1.Mدارای خطای کمتر نسبت به دو مدل دیگر بود و دو مدل دیگر از لحاظ میزان خطا تقریبا مشابه بودند. .بعد از اعمال روش دلتا مدل BCC-CSM1.1.M بهترین بهبود را از خود نشان داد و مدل های MPI-ESM-MR,  MPI-ESM-LR به ترتیب در رتبه های دوم و سوم اهمیت قرار گرفتند. بنابراین بیشترین اعتماد  بعد از ریزمقیاس نمایی  به روش دلتا برای آینده تحت سناریوی RCP5.4 برای  استان خوزستان به مدل BCC-CSM1.1.M اختصاص یافت.

References:

آزادی ،م ،شیرغلامی، م . ر، حجام، س .و صحراییان، ف. (1390). پس­پردازش برونداد مدل WRF برای بارندگی روزانه در ایران. تحقیقات منابع آب ، سال هفتم ، شماره4 ، زمستان 1390.

 حمیدیان­پور، م ، باعقیده، م، عباس­نیا، م. (1395). ارزیابی تغییرات دما و بارش جنوب شرق ایران با استفاده از ریزمقیاس­نمایی خروجی مدل­های مختلف گردش عمومی جو در دوره 2011-2099. پژوهش­های جغرافیای طبیعی، دوره 48، شماره1، بهار 1395، ص. 123-107.

طائی سمیرمی، س، مرادی ، ح . ر. (1393). شبیه­سازی و پیش­بینی برخی از متغیرهای اقلیمی توسط مدل چند­گانه خطی SDSM و مدل­های گردش عمومی جو(مطالعه موردی: حوزه آبخیز نیشابور). فصلنامه انسان و محیط زیست، شماره 28، بهار 93.

 عزیزی،  ق،.  صفرراد،  ط،. محمدی، ح،  و فرجی­سبکبار، ح. ع.(1395). ارزیابی و مقایسه داده­های بازکاوی شده جهت استفاده در ایران. پژوهش­های جغرافیای طبیعی، دوره 48، شماره1، بهار 1395، ص. 49-33.

عساکره ، ح.(1386). تغییر اقلیم، انتشارات دانشگاه زنجان.

کمال، ع . ر، و مساح­بوانی ، ع . ر.(1391). مقایسه عدم قطعیت مدل­های تغییر اقلیم AOGCM-TAR  و   AOGCM-AR4 در تاثیر بر رواناب حوضه در دوره آتی. مجله فیزیک زمین و فضا، دوره 38، شماره 3، 1391، صفحه 175-188.

کاویانی ، م. ر و علیجانی.ب .(1380). مبانی آب و هواشناسی، تهران، انتشارات سمت.

Guilbert, J. (2016). The Impacts Of Climate Change On Precipitation And Hydrology In The Northeastern United States. Graduate College Dissertations and Theses. University of Vermont.

Ghahreman, N., Tabatabaei, M., and Babaeian, I. (2015). Investigation of uncertainty in the IPCC AR5 precipitation and temperature projections over Iran under RCP scenarios. CONFERENCE PAPER · JULY 2015.

Jury, M. W., Prein, A. F., Truhetz, H., And Gobiet, A. A. (2015). Evaluation of CMIP5 Models in the Context of Dynamical Downscaling over Europe. Wegener Center for Climate and Global Change, University of Graz, Graz, Austria.

Katiraie-Boroujerdy, P.-S., Ashouri, H., Hsu, K.l., and Sorooshian, S. (2016). Trends of precipitation extreme indices over a subtropical semi-arid area using PERSIANN-CDR. doi: DOI 1007.10.s00704-016-1884-9.

Miao, C., Ashouri, H., Hsu, K.-L., And Sorooshian, S. (2015). Evaluation Of The Persiann-Cdr Daily Rainfall Estimates In Capturing The Behavior Of Extreme Precipitation Events Over China. Journal Of Hydrometeorology, 16.

Penalba, O. C., & Rivera, J. A. (2013). Future Changes in Drought Characteristics over Southern South America Projected by a CMIP5 Multi-Model Ensemble. 1Department of Atmospheric and Oceanic Sciences.

Sarhadi, A. (2016). Climate Change Projection and Time-varying Multi-dimensional Risk Analysis. thesis requirement for the degree of Doctor of Philosophy in Civil Engineering.

Watanabe, S., Kanae, S., Seto, S., Yeh, P. J. F., Hirabayashi, Y., And Oki, A. T. (2012). Intercomparison Of Bias-Correction Methods For Monthly Temperature And Precipitation Simulated By Multiple Climate Models. Journal Of Geophysical Resources.