ارزیابی عملکرد مدل های ریزمقیاس گردانی LARS-WG و SDSM در شبیه سازی تغییرات اقلیمی در حوضه آبریز دریاچه ارومیه

در بررسی تغییرات اقلیمی، پیش­بینی­ آینده پارامترهای اقلیمی توسط مدل­های گردش عمومی (GCMs) و تحت سناریوهای انتشار گازهای گلخانه­ای انجام می­شود؛ اما خروجی این مدل­ها به علت بزرگ مقیاس بودن شبکه­ی آن ها فاقد دقت مکانی و زمانی مناسب در مقیاس کوچک می­باشند. بدین منظور نیاز به کوچک مقیاس کردن خروجی این مدل­ها در مقیاس ایستگاهی و نقطه­ای با استفاده از مدل­های ریزمقیاس گردانی خواهد بود که به دو دسته آماری و دینامیکی تقسیم می­شوند که روش­های آماری دارای کاربرد و مقبولیت بیشتری می­باشند. از میان روش­های آماری نیز مدل­های LARS-WG و SDSM از معتبرترین ابزارهای ریزمقیاس­گردانی در حال حاضر به حساب می­آیند؛ که در این پژوهش به تحلیل عملکرد این دو مدل در شبیه­سازی تغییرات دما و بارش در حوضه آبریز دریاچه ارومیه واقع در شمال غرب کشور که در چند دهه اخیر با بحران زیست محیطی و خطر خشک شدن دریاچه ارومیه روبه رو بوده است پرداخته شد. ایستگاه­های هواشناسی مورد بررسی شامل چهار ایستگاه سینوپتیک سقز، تبریز، خوی و ارومیه می­باشد که دارای آمار کامل در دوره پایه        (۱۹۹۰-۱۹۶۱) بوده­اند. جهت ارزیابی عملکرد مدل­ها نیز از شاخص­های خطاسنجی MSE، RMSE، MAE و همچنین ضریب تعیین و همبستگی بهره گرفته شد. نتایج حاصل نشان داد که هر دو مدل دقت بیشتری در شبیه­سازی دما نسبت به بارش دارند و در شبیه سازی ماهانه پارامترهای دما و بارش، مدل SDSM موفق­تر عمل نموده و دارای عدم قطعیت کمتری است؛ و از سویی دیگر نیز دارای فرآیند شبیه­سازی وقت­گیر و پیچیده­ای است. در حالی که مدل LARS-WG در شبیه­سازی دوره­ای بارش از کارآیی بهتری برخوردار است و دارای سادگی و سرعت عملکرد بیشتری نسبت به مدل SDSM است. درمجموع بر اساس نتایج حاصل هیچ کدام از مدل­ها برتری مطلق بر یکدیگر ندارند و علی­رغم تفاوت­هایی در شبیه­سازی، می­توانند در بررسی­های تغییرات اقلیمی مفید واقع شوند.