Predicting Variables Climate, Temperature and Precipitation by Multiple Linear the Model SDSM (Case Study: Tehran Synoptic Station)

Abstract

یکی از ایراداتی که به مدل­های GCM وارد است، بزرگ­بودن مقیاس مکانی متغیرهای اقلیمی شبیه­ سازی شده می ­باشد که در این صورت برای مطالعات هیدرولوژیکی و منابع آب از دقت کافی برخوردار نیستند. بنابراین می­بایست آن­ها را از طریق روش­ های مختلف کوچک مقیاس نمود؛ سپس با استفاده از خروجی­ های ریزمقیاس­ نمایی­ شده این مدل­ها اثرات اقلیم در مطالعات هیدرولوژیکی مورد ارزیابی قرار گیرد. لذا در این پژوهش به ­منظور بررسی اثر تغییر اقلیم در مقیاس ایستگاهی از مدل آماری SDSM استفاده شده است. داده ­های مورد استفاده در این پژوهش شامل مقادیر روزانه بارش و دما ایستگاه سینوپتیک تهران، داده­های باز تحلیل NCEP و خروجی­ های دو مدل HadCM3 (داده ­های نسل سوم مدل جهانی اقلیم تحت سناریوی A2 و B2) و CanESM2 تحت سناریوهای RCP2.6، RCP4.5 و RCP8.5 می ­باشد. میزان بارش و دما تحت مدل HadCM3برای سه دوره (2031-2001)، (2061-2032) و (2091-2062) پیش ­بینی و با دوره پایه مورد مقایسه قرار گرفته است. با توجه به پارامترهای آماری، تحت سناریوهای A2 و B2 برای مقادیر بارش و دما به ­ترتیب برابر: (48/1RMSE=، 3/4MAE=، 61/0R2= و 86/0Nash=) و (127/0RMSE=، 413/0MAE= ، 99/0R2= و 99/0Nash=) مشاهده شد. و در دوره 2031-2001، 2061-2032 و 2091-2062، میانگین بارش به­ترتیب 1/0، 4/0 و 1/0 میلی­متر نسبت به دوره پایه کاهش و میانگین دما نیز به­ترتیب برابر 9/4، 7/4 و 7/4 سانتی­گراد نسبت به دوره پایه در ایستگاه مورد مطالعه افزایش می­یابد. خروجی مربوط به مدل CanESM2 نشان داد؛ که میزان دما تحت سناریوهای RCP روندی افزایشی داشته و میزان بارش تغییرات نامنظم در ماه­ ها و فصول مختلف داشته است.