ارزیابی عدم قطعیت بارش شبیه‌سازی شده با استفاده از مدل‌های آماری (مطالعه موردی: شمال‌غرب ایران)

نوع مقاله : مقاله پژوهشی

نویسنده

دکترای مخاطرات اقلیمی، دانشگاه تبریز، تبریز، ایران

چکیده

در این پژوهش، داده‌های مورد نیاز بارش ایستگاه‌های همدید منطقه مورد مطالعه طی دوره آماری 1981-2015 از مرکز آمار سازمان هواشناسی اخذ گردید. جهت پیش‌بینی و تولید داده‌های آماری دوره 2026 تا 2065 از مدل LARS-WG و CLIMGEN استفاده شد. در این مطالعه از روش بوت استراپ جهت ارزیابی عدم قطعیت بارش استفاده شد. همبستگی بین داده‌های بارش ماهانه مشاهداتی و شبیه‌سازی شده نشان‌دهنده این است که مدل CLIMGEN داده‌های مصنوعی بارش را با دقت بیشتری شبیه‌سازی می‌کند. کم‌ترین خطای RMSE و MAE در هر دو مدل مربوطه به ایستگاه جلفا است و بیشترین خطا در هر دو مدل در ایستگاه سردشت اندازه‌گیری شده است. برآورد مقادیر خروجی بارش (میانگین بارش) توسط مدل LARS-WG با روش بوت استراپ نشان‌دهنده عدم قطعیت بالاتر مدل LARS-WG نسبت به مدل CLIMGEN است. واریانس بارش مشاهداتی نیز نشان‌دهنده تغییرات زیاد فاصله اطمینان در ماه‌های فصل بهار و پاییز است. بنابراین با توجه به مطالب فوق می‌توان گفت که در رابطه با بارش، مدل LARS-WG عدم قطعیت بیشتری را نسبت به مدل CLIMGEN در اکثر ایستگاه‌های مطالعاتی منطقه مورد مطالعه نشان می‌دهد. قدر مطلق خطای بارش سالانه با خروجی مدل CLIMGEN مقدار کمتری را نسبت به قدر مطلق خطا با خروجی مدل LARS-WG نشان می‌دهد. که این امر نشان‌دهنده مقدار خطای کمتر مدل CLIMGEN در عدم قطعیت مکانی بارش شبیه‌سازی شده نسبت به مدل LARS-WG در منطقه شمال‌غرب ایران است.

کلیدواژه‌ها

عنوان مقاله [English]

Estimation of simulated precipitation uncertainty by using statistical models (Case study: Northwest of Iran)

نویسنده [English]

  • saeed zangeneh
PhD in Climate Risks, Tabriz University, Tabriz, Iran
چکیده [English]

In this research, the precipitation data needed for the stations of the study area during the statistical period of 1981-2015 was obtained from the Meteorological Statistics Center. To predict and produce statistical data from 2026 to 2065, the LARS-WG and CLIMGEN models were used. In this study, bootstrap method was used to assess precipitation uncertainty. The correlation between the observed and simulated monthly rainfall data shows that the CLIMGEN model simulates the synthetic rainfall data more accurately. The lowest error of the RMSE and MAE in both of these models is at Jolfa Station And the highest error in both models was measured at Sardasht station. Estimation of precipitation output (mean precipitation) by LARS-WG model with bootstrap method indicates higher uncertainty of LARS-WG model than CLIMGEN model. The variance of precipitation observations also indicates a significant change in confidence intervals in the spring and autumn months. Therefore, with regard to the above, it can be said that in the case of rainfall, the LARS-WG model shows more uncertainty than the CLIMGEN model in most of the studied stations in the study area. The absolute magnitude of annual precipitation error with the output of the CLIMGEN model is less than the magnitude of the error with the output of the LARS-WG model. This indicates a lower error value of the CLIMGEN model in the simulated precipitation spatial uncertainty than the LARS-WG model in the northwestern region of Iran.

کلیدواژه‌ها [English]

  • Uncertainty of precipitation
  • LARS-WG
  • CLIMGEN
  • Boot Strap
  • Northwest Iran

مراجع

  1. ایمانی، رسول، قضاوی، رضا، اسماعیلی‌آوری، اباذر (1400)، بررسی روند، تجزیه و تحلیل و مدل‌سازی و پیش‌بینی بارش ماهانه با استفاده از مدل‌های تصادفی سری زمانی (مطالعه موردی: ایستگاه سینوپتیک اردبیل)، مطالعات جغرافیایی مناطق خشک، دوره 11، شماره 44، صص 84-98.
  2. ساری‌صراف، بهروز، محمودی، سعید، زنگنه، سعید، پاشایی، زهرا (1394)، پایش و پیش‌بینی ترسالی و خشکسالی تبریز با استفاده از مدل CLIMGEN و شاخص SPI، هیدروژئومورفولوژی، دوره2، شماره 2، صص 61-78. 
  3. جهانبخش‌اصل، سعید، قویدل‌رحیمی، یوسف (1383)، مدل‌سازی روند بارش و پیش‌بینی خشکسالی‌های حوضه آبریز دریاچه ارومیه، جغرافیا و برنامه‌ریزی، دوره 8، شماره 17، صص 33-52.
  4. حجار پور، امیر، یوسفی، مرضیه، کامکار، بهنام (1393)، آزمون دقت شبیه‌سازهای LARS-WG، Weather Man و CLIMGEN در شبیه‌سازی پارامترهای اقلیمی سه اقلیم مختلف (گرگان، گنبد و مشهد)، جغرافیا و توسعه، دوره 12، شماره 35، صص 201-216.
  5. خلیلی, نجمه، داوری, کامران، علیزاده، امین، انصاری، حسین، رضایی پژند، حجت، کافی، محمد، قهرمان، بیژن (1395)، ارزیابی عملکرد دو مدل LARS-WG و CLIMGEN در تولید سری‌های زمانی بارش و درجه حرارت در ایستگاه تحقیقات دیم سیساب - خراسان شمالی، آب و خاک، دوره 30، شماره 1، صص 322-333.
  6. رشید نیقی، علی، مجنونی‌هریس، ابوالفضل، ناظمی، امیرحسین، دلیرحسن‌نیا، رضا (1389)، ارزیابی مدل CLIMGEN و پیش‌بینی اطلاعات هواشناسی برای منطقه تبریز، اولین کنفرانس بین‌المللی مدل‌سازی گیاه؛ آب؛ خاک و هوا، دانشگاه شهید باهنر کرمان، ایران.
  7. قرمزچشمه، باقر، رسولی، علی‌اکبر، رضایی‌بنفشه، مجید، مساح‌بوانی، علیرضا، خورشیددوست، علی‌محمد، (1394)، بررسی عدم قطعیت مدل شبکه عصبی در ریزمقیاس گردانی HadCM3 با روش فاصله اطمینان بوت استراپ، نشریه علمی و پژوهشی مهندسی و مدیریت آبخیز، دوره 7، شماره 3، صص 306-316.
  8. قرمزچشمه، باقر، رسولی، علی‌اکبر، رضایی‌بنفشه، مجید، مساح‌بوانی، علیرضا، خورشیددوست، علی‌محمد، (1393)، بررسی اثر عوامل مورفواقلیمی بر دقت ریزمقیاس گردانی مدل SDSM، علوم و مهندسی آبخیزداری ایران، دوره 6، شماره 2، صص 155-164.
  9. کمال، علیرضا، مصاح بوانی، علیرضا (1390)، برآورد عدم قطعیت مدل‌های AOGCM-AR4 و مدل‌های هیدرولوژیکی در تخمین دما، بارندگی و رواناب حوضه قره‌سو تحت تغییر اقلیم، مجله تحقیقات آب ایران، دوره 9، شماره 5، صص 39-50.
  10. معافی مدنی، سیده فاطمه، موسوی بایگی، محمد، انصاری، حسین (1391)، پیش‌بینی وضعیت خشکسالی استان خراسان رضوی طی دوره 2030-2011 با استفاده از ریزمقیاس نمایی آماری خروجی مدل LARS-WG5، جغرافیا و مخاطرات محیطی، دوره 1، شماره 3، صص 38-21.
  11. مظفری، غلامعلی، شفیعی، شهاب، تقی‌زاده، زهرا (1394). ارزیابی شرایط خشکسالی در استان سیستان و بلوچستان طی (1410-1391) با استفاده از ریزمقیاس نمایی داده‌های مدل گردش عمومی جو، اطلاعات جغرافیایی سپهر، دوره 24، شماره 3، صص 114-101.
  12. Danuso, F. (1997). CLIMAK reference manual. DPVTA, University of Udine, Italy.
  13. Johnson, G.L., Hanson, C.L., Hardegree S.P. and Ballard, E.B. (1996). Stochastic Weather Simulation: Overview and analysis of two commonly used models. Journal of Applied Meteorology, Volume 35, Issue 10, pp1878-1896.
  14. Kavalieratou, S, Karpouzos, D. K, & Babajimopoulos, C. (2012). Drought analysis and short-term forecast in the Aison River Basin (Greece). Natural Hazards and Earth System Sciences, Volume 12, issue 5, pp1561-1572.
  15. Khan, M. S, Coulibaly, P, & Dibike, Y (2006). Uncertainty analysis of statistical downscaling methods. Journal of Hydrology, Volume 319, Issues 1–4, pp 357-382.
  16. McKee, T. B., Doesken, N. J., & Kleist, J. (1995). January. Drought monitoring with multiple time scales, In Proceedings of the 9th Conference on Applied Climatology (pp. 233-236). Dallas, Boston, MA: American Meteorological Society.
  17. Minville, M, Brissette, F, and Leconte, R (2008). Uncertainty of the impact of climate change on the hydrology of a nordic watershed, Journal of Hydrology, Volume 358, Issues 1–2, pp 70-83.
  18. Mishra, A. K, Desai, V. R, & Singh, V. P (2007). Drought forecasting using a hybrid stochastic and neural network model, Journal of Hydrologic Engineering, Volume 12 Issue 6, pp626-638.
  19. Richardson, C.W, Wright, D.A (1984). WGEN: A model for generating daily weather variables. USDA, Agricultural Reserch Service ARS-9.
  20. Selker, J.S. and D.A. Haith (1990). Development and testing of single-parameter precipitation distributions, Water Resources Research, Volume26, Issue11, pp 2733-2740.
  21. Semenov, M. A, Brooks, R. J, Barrow, E. M, & , C. W (1998). Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates, Climate research, Volume10, Issue2, pp 95-107.
  22. Semenov, M.A., Jamieson, P.D.,(1999). Using weather generators in crop modeling. In: CLIMAG Geneva Workshop, Geneva, Switzerland, September 28-29.
  23. Sharpley, A.N. and Williams, J.R. (1990). EPIC Erosion/Productivity Impact Calculator: 1. Model Documentation. USA Department of Agriculture Technical Bulletin No. 1768, USA Government Printing Office, Washington DC.
  24. Stockle, C.O, Steduto, P, Allen, R.G. (1998). Estimating daily and daytime mean VPD from daily maximum VPD. 2th Congress of the European Society of Agronomy, Nitra, The Slovak Republic.
مطالعات جغرافیایی مناطق خشک
دوره 13، شماره 50
اسفند 1401
صفحه 116-98

فایل ها

هم رسانی

ارجاع به این مقاله

آمار