ارزیابی مدلهای ریز مقیاس نمایی LARS و CF در شبیه سازی متغیرهای اقلیمی (مطالعه ی موردی: ایستگاه گلمکان)

امروزه تغییر اقلیم ناشی از افزایش گازهای گلخانه ای یکی از مباحث جهانی مهم تلقی شده و موجب بروز ناهنجاری درسیستم اقلیم کره زمین گردیده است. روشهای ریزمقیاس نمایی نقشی اساسی در بالابردن دقت خروجی مدلهای تغییراقلیم (GCM) دارند. در این میان روشهای ریزمقیاس نمایی آماری، به سبب محاسبات آسان و ارزان، نسبت بهروشهای ریزمقیاس نمایی دینامیکی، کارایی بیشتری دارند و از آنها بیشتر استفاده میشود. در این پژوهش نتایج دومدل ریزمقیاس نمایی آماری LARS و عامل تغییر (CF) در شبیه سازی پارامترهای دما و بارش مورد بررسی قرار گرفتهاست. بدین منظور از داده های مشاهداتی دمای کمینه، بیشینه و بارش ایستگاه سینوپتیک گلمکان استفاده گردید.معیارهای آماری ارزیابی کارایی مدل، میانگین خطای مطلق، مجذور میانگین مربعات خطا و ضریب تبیین میباشد. درنهایت بر اساس یافته های تحقیق، مدل LARS میزان خطای کمتری در شبیه سازی کمینه و بیشینه ی دما و بارشروزانه دارد و کارایی این مدل نسبت به روش عامل تغییر در پیش بینی اقلیمی بیشتر است.