این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۱۴، شماره ۲۷، صفحات ۰-۰
عنوان فارسی معرفی بهترین ترکیب از روش‌های تصحیح اریبی برونداد دما و بارش مدل‌های اقلیمی نسل ششم در دشت همدان-بهار
چکیده فارسی مقاله مقدمه: استفاده از برونداد خام مدل‌های آب و هوایی منطقه‌ای در ارزیابی‌ تأثیر تغییرات اقلیمی، به دلیل اریبی این داده‌ها چالش برانگیز است. بنابراین تصحیح اریبی این داده‌ها قبل از استفاده برای توسعه‌ی سناریوهای اقلیمی آینده ضروری است. هدف از این پژوهش ارزیابی عملکرد و معرفی بهترین ترکیب از روش‌های تصحیح اریبی فراسنجه‌های بارش و دمای کمینه و بیشینه‌ی شبیه‌سازی شده توسط سه مدل‌ اقلیمی CIMIP6 می‌باشد. مواد و روش‌ها: پنج روش تصحیح اریبی شامل مقیاس‌دهی خطی، مقیاس‌دهی واریانس، مقیاس‌دهی شدت بارش محلی، تبدیل توان و نگاشت توزیع با استفاده از آماره‌های میانگین مربع خطای ریشه‌ی (RMSE)، کارایی نش- ساتکلیف (NSE)، ضریب همبستگی (r) و آزمون t استیودنت در دوره‌ی تاریخی (2014-1990) مورد بررسی قرار گرفت. در ادامه از ترکیب بهترین روش‌های تصحیح اریبی برای پیش‌نگری فراسنجه‌های مورد بررسی تحت سناریوهای SSP2-4.5 و SSP5-8.5 در دوره‌ی آتی (2075-2051) استفاده شد. یافته‌ها: بررسی‌های آماری نشان داد روش‌های مقیاس‌دهی واریانس، مقیاس‌دهی شدت بارش محلی و تبدیل توان برای تصحیح اریبی داده‌های مورد بررسی در مقایسه با سایر روش‌ها از خطای بیشتری برخوردارند و در مقایسه با داده‌های خام تفاوت معنی‌داری در سطح اطمینان 95% ایجاد نکردند. دو روش‌ مقیاس‌دهی خطی و نگاشت توزیع کمترین مقدار RMSE  را در بازتولید فراسنجه‌های مورد بررسی به خود اختصاص دادند. ترکیب این دو روش برای پیش‌نگری داده‌ها نشان داد که میانگین بارش سالانه در منطقه‌ی همدان-بهار در آینده تحت دو سناریوی SSP2-4.5 و SSP5-8.5 به ترتیب به مقدار 28 و 37 درصد کاهش خواهد یافت. همچنین میانگین سالانه‌ی دمای بیشینه‌ و کمینه تحت دو سناریوی SSP2-4.5 و SSP5-8.5 به ترتیب به مقدار 7/0 و 4/1 و 9/0 و 5/1 درجه‌ی سانتی‌گراد افزایش خواهد یافت. بیشترین کاهش فصلی بارش نسبت به دوره‌ی مشاهداتی در فصل بهار تحت سناریوی SSP5-8.5 و به مقدار 75/19 میلی‌متر برآورد شد. بیشترین افزایش فصلی دمای بیشینه و کمینه در مقایسه با دوره‌ی پایه به ترتیب در فصل زمستان (oC6/1) و بهار (oC7/1) تحت سناریوی SSP5-8.5 پیش‌نگری شد. نتیجه‌گیری: دو روش مقیاس‌دهی خطی و نگاشت توزیع برای کاهش اریبی برونداد مدل‌های اقلیمی گزارش ششم در منطقه‌ی همدان-بهار مناسب می‌باشند و با توجه به افزایش دما و کاهش بارش پیش‌نگری شده در این منطقه، این مطالعه می‌تواند اطلاعات مفیدی را برای برنامه‌ریزی در مورد ذخیره‌ی آب باران، تغذیه‌ی سفره‌های آب زیرزمینی، انتخاب محصول، دوره‌ی کاشت، تناوب زراعی و شیوه‌های مدیریت محصول برای سازگاری با تغییرات اقلیمی در اختیار برنامه‌ریزان منابع آب و کشاورزی قرار دهد. مقدمه: استفاده از برونداد خام مدل‌های آب و هوایی منطقه‌ای در ارزیابی‌ تأثیر تغییرات اقلیمی، به دلیل اریبی این داده‌ها چالش برانگیز است. بنابراین تصحیح اریبی این داده‌ها قبل از استفاده برای توسعه‌ی سناریوهای اقلیمی آینده ضروری است. هدف از این پژوهش ارزیابی عملکرد و معرفی بهترین ترکیب از روش‌های تصحیح اریبی فراسنجه‌های بارش و دمای کمینه و بیشینه‌ی شبیه‌سازی شده توسط سه مدل‌ اقلیمی CIMIP6 می‌باشد. مواد و روش‌ها: پنج روش تصحیح اریبی شامل مقیاس‌دهی خطی، مقیاس‌دهی واریانس، مقیاس‌دهی شدت بارش محلی، تبدیل توان و نگاشت توزیع با استفاده از آماره‌های میانگین مربع خطای ریشه‌ی (RMSE)، کارایی نش- ساتکلیف (NSE)، ضریب همبستگی (r) و آزمون t استیودنت در دوره‌ی تاریخی (2014-1990) مورد بررسی قرار گرفت. در ادامه از ترکیب بهترین روش‌های تصحیح اریبی برای پیش‌نگری فراسنجه‌های مورد بررسی تحت سناریوهای SSP2-4.5 و SSP5-8.5 در دوره‌ی آتی (2075-2051) استفاده شد. یافته‌ها: بررسی‌های آماری نشان داد روش‌های مقیاس‌دهی واریانس، مقیاس‌دهی شدت بارش محلی و تبدیل توان برای تصحیح اریبی داده‌های مورد بررسی در مقایسه با سایر روش‌ها از خطای بیشتری برخوردارند و در مقایسه با داده‌های خام تفاوت معنی‌داری در سطح اطمینان 95% ایجاد نکردند. دو روش‌ مقیاس‌دهی خطی و نگاشت توزیع کمترین مقدار RMSE  را در بازتولید فراسنجه‌های مورد بررسی به خود اختصاص دادند. ترکیب این دو روش برای پیش‌نگری داده‌ها نشان داد که میانگین بارش سالانه در منطقه‌ی همدان-بهار در آینده تحت دو سناریوی SSP2-4.5 و SSP5-8.5 به ترتیب به مقدار 28 و 37 درصد کاهش خواهد یافت. همچنین میانگین سالانه‌ی دمای بیشینه‌ و کمینه تحت دو سناریوی SSP2-4.5 و SSP5-8.5 به ترتیب به مقدار 7/0 و 4/1 و 9/0 و 5/1 درجه‌ی سانتی‌گراد افزایش خواهد یافت. بیشترین کاهش فصلی بارش نسبت به دوره‌ی مشاهداتی در فصل بهار تحت سناریوی SSP5-8.5 و به مقدار 75/19 میلی‌متر برآورد شد. بیشترین افزایش فصلی دمای بیشینه و کمینه در مقایسه با دوره‌ی پایه به ترتیب در فصل زمستان (oC6/1) و بهار (oC7/1) تحت سناریوی SSP5-8.5 پیش‌نگری شد. نتیجه‌گیری: دو روش مقیاس‌دهی خطی و نگاشت توزیع برای کاهش اریبی برونداد مدل‌های اقلیمی گزارش ششم در منطقه‌ی همدان-بهار مناسب می‌باشند و با توجه به افزایش دما و کاهش بارش پیش‌نگری شده در این منطقه، این مطالعه می‌تواند اطلاعات مفیدی را برای برنامه‌ریزی در مورد ذخیره‌ی آب باران، تغذیه‌ی سفره‌های آب زیرزمینی، انتخاب محصول، دوره‌ی کاشت، تناوب زراعی و شیوه‌های مدیریت محصول برای سازگاری با تغییرات اقلیمی در اختیار برنامه‌ریزان منابع آب و کشاورزی قرار دهد.  
کلیدواژه‌های فارسی مقاله تغییر اقلیم، سناریوهای SSP، مقیاس‌دهی خطی، نگاشت توزیع، CIMIP6
عنوان انگلیسی Introducing the best combination of bias correction methods for simulated temperature and precipitation from CIMIP6 models in Hamedan-Bahar Plain
چکیده انگلیسی مقاله Introduction: Applying the raw data of regional climate models in assessing the impact of climate change is challenging due to the possible biases. Therefore, correcting the bias of these data is necessary before using them for developing the future climate scenarios. The aim of this study is to evaluate the performance and introduce the best combination of bias correction methods for precipitation and minimum and maximum temperature simulated by three CIMIP6 climate models. Materials and methods: Five bias correction methods including linear scaling, variance scaling, local intensity scaling, power transformation and distribution mapping were investigated using root mean square error (RMSE), Nash-Sutcliffe efficiency (NSE), correlation coefficient (r) and Student's t test in the historical period (1990-2014). Afterward, the combination of the best bias correction methods was used to project the precipitation and temperature under SSP2-4.5 and SSP5-8.5 scenarios in the future period (2051-2075). Results: Based on the results, three methods of variance scaling, local intensity scaling and power transformation for correcting the bias of the investigated data had weaker performances compared to the other methods. Two methods of linear scaling and distribution mapping had the lowest RMSE and highest r and NSE. The combination of these two selected methods for projecting the future data showed that the average annual precipitation in the Hamedan-Bahar region will decrease by 28 and 37 percent under scenarios of SSP2-4.5 and SSP5-8.5, respectively. Furthermore, the annual average of the maximum and minimum temperature under two scenarios of SSP2-4.5 and SSP5-8.5 will increase by 0.7, 1.4 and 0.9 and 1.5 °C, respectively. In addition, the highest seasonal decrease in precipitation (19.75 mm) compared to the baseline period will occure in the spring under the SSP5-8.5 scenario. Moreover, the highest seasonal increase of maximum and minimum temperature compared to the baseline period was projected in winter (1.6°C) and spring (1.7°C) under the SSP5-8.5 scenario, respectively. Conclusion: Two methods of linear scaling and distribution mapping are suitable for reducing the bias of the CIMIP6 models in the Hamedan-Bahar plain. Also, considering the projected increase in temperature and decrease in precipitation in this region, this study can provide useful information for policy-makers of water resources and agriculture to decide about the rainwater harvesting, recharging the aquifers, crop selection, cultivating period, crop rotation and management methods to reduce the impact of future climate change.  
کلیدواژه‌های انگلیسی مقاله Bias correction, CIMIP6, Climate change, Distribution mapping, Linear scaling, SSP scenarios
نویسندگان مقاله فرناز ارشادفتح | Farnaz Ershadfath
Sari University of Agriculture and Natural Sciences
دانشگاه کشاورزی و منابع طبیعی ساری

علی شاهنظری | Ali Shahnazari
Sari University of Agriculture and Natural Sciences
دانشگاه کشاورزی و منابع طبیعی ساری

محمود رائینی سرجاز | Mahmoud Raeini Sarjaz
Sari University of Agriculture and Natural Sciences
دانشگاه کشاورزی و منابع طبیعی ساری

یورن ایویند اولسون | Jorgen Eivind Olese
Aarhus University
دانشگاه آرهوس

نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-11-30-14&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده هواشناسی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات