حساسیت مدل ریز‌مقیاس‌نمایی SDSM به داده‌های بازتحلیل‌شده در مناطق خشک

مدل­های گردش عمومی جو تنها ابزاری هستند که شرایط اقلیمی آینده را تحت سناریوهای تغییر اقلیم پیش­بینی می­نمایند. یکی از دغدغه‌های 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 منطقه‌ای­ مناسب نیستند. بنابراین، برای پیش‌بینی متغیر­های اقلیمی در مقیاس منطقه­ای، محلی و ایستگاهی با استفاده از داده­های مدل‌هایِ جهانی، از روش‌های مختلف ریزمقیاس‌نمایی 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 می‌دهد. میانگین خطای مطلق حاصل از داده­های بازتحلیل شده­ی مدل  CGCMبرای متغیرهای دمایی متوسط حد اکثر و حداقل و متوسط دمای روزانه به‌ترتیب معادل با 11، 5/4 و7/4  برابر حالتی است که  از داده­های مدل HadCM3 استفاده می‌شود. درخصوص دوره پایه، زمانی‌که 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.