حساسیت مدل ریز مقیاس نمایی sdsm به داده های بازتحلیل شده در مناطق خشک
Abstract(in Persian; no English abstract is available)
مدلهای گردش عمومی جو تنها ابزاری هستند که شرایط اقلیمی آینده را تحت سناریوهای تغییر اقلیم پیشبینی مینمایند. یکی از دغدغه های اصلی استفاده از این مدلها، نبود دقت کافی در تفکیک مکانی آنها است، که به این علت برای پیشبینی متغیرهای اقلیمی در مقیاس محلی و منطقه ای مناسب نیستند. بنابراین، برای پیش بینی متغیرهای اقلیمی در مقیاس منطقهای، محلی و ایستگاهی با استفاده از دادههای مدل هایِ جهانی، از روش های مختلف ریزمقیاس نمایی استفاده میشود. مدل ریزمقیاس نمایی آماری sdsm)) یکی از پرکاربردترین این روشها است که با استفاده از رگرسیون خطی چند متغیره روابط بین متغیرهای مستقل و متغیرهای وابسته را مشخص میکند. در این تحقیق به منظور ریز مقیاس نمایی متغیرهای دما و بارش، حساسیت مدل sdsm به دوره پایه و دادههای بازتحلیل شده در ایستگاه همدیدی شهرکرمان بررسی شد. از میانگین خطای مطلق برای تعیین میزان حساسیت مدل استفاده شد. نتایج این تحقیق نشان داد که مدل به نوع و دوره پایهی دادههای بازتحلیل شده حساسیت نشان می دهد. میانگین خطای مطلق حاصل از دادههای بازتحلیل شدهی مدل cgcmبرای متغیرهای دمایی متوسط حد اکثر و حداقل و متوسط دمای روزانه به ترتیب معادل با 11، 5/4 و7/4 برابر حالتی است که از دادههای مدل hadcm3 استفاده می شود. درخصوص دوره پایه، زمانی که از دادههای دوره پایه (1990-1961) استفاده میشود، معیار مذکور برای متغیرهای میانگین حداکثر، حداقل و میانگین روزانه دما و بارش روزانه به ترتیب معادل با 5/3، 4/1،5/3 و 4/1 برابر حالتی است که از دوره پایه (2000- 1971) استفاده میشود.