فیزیک زمین و فضا، جلد ۵۰، شماره ۲، صفحات ۴۲۹-۴۵۰
عنوان فارسی بررسی کارایی روش‌های تصحیح اریبی در بهبود برونداد مستقیم دمای مدل‌های CMIP بر روی ایران
چکیده فارسی مقاله مدل‌های گردش کلی (GCMs) کم و بیش دارای اریبی هستند و یکی از تکنیک‌های مورد استفاده برای کاهش اریبی مدل‌ها در بررسی پیامدهای تغییر اقلیم به‌کارگیری روش‌های تصحیح اریبی است. این مطالعه کارایی پنج روش تصحیح اریبی شامل دو روش نسبت‌گیری و سه روش نگاشت چندک را برای دو متغیر دمای کمینه و بیشینه در 46 ایستگاه همدید ایران طی دوره 1980-2014 با استفاده از مدل EC-Earth3-CC از سری مدل‌های CMIP6 مورد بررسی قرار می‌دهد. نتایج نشان داد برونداد مستقیم مدل EC-Earth3-CC برای هر دو متغیر دمای کمینه و بیشینه در تمامی پهنه‌های اقلیمی ایران و همچنین متوسط اقلیمی کشور دارای اریبی سرد (کم‌برآوردی) است. به‌طور کلی، پس از تصحیح اریبی، مقدار اریبی دو متغیر دمای کمینه و بیشینه به‌شکل قابل‌توجهی کاهش یافت. روش‌های نسبت‌گیری نسبت به روش‌های نگاشت چندک بهبود بیشتری را در برونداد مستقیم مدل نشان دادند. بر اساس تحلیل مقدار RMSE، روش‌های تصحیح اریبی در مقایسه با برونداد مستقیم به‌طور قابل‌توجهی خطا را کاهش می‌دهند. به‌طوری‌که پس از تصحیح اریبی، مقدار خطای متغیر دمای کمینه برای روش‌های نگاشت چندک تا 42 درصد و برای روش‌های نسبت‌گیری خطی و واریانس به‌ترتیب 38/70 و 93/67 درصد کاهش داشته است. مقدار خطای دمای بیشینه نیز پس از تصحیح اریبی به‌ترتیب 59، 9/65 و 9/67 درصد کاهش داشته است. تصحیح اریبی سبب افزایش ضریب توافق (d) تا بیش از دو برابر در متوسط پهنه‌های اقلیمی شده‌است. به‌طور کلی روش‌های تصحیح اریبی به‌کارگرفته‌شده در این پژوهش دمای بیشینه را با دقت بالاتری نسبت به دمای کمینه برآورد می‌کنند.
کلیدواژه‌های فارسی مقاله تصحیح اریبی،روش‌های نسبت گیری،روش‌های نگاشت چندک،CMIP6،ایران،
عنوان انگلیسی Evaluation of bias correction methods in improving the direct model output of temperature in CMIP over Iran
چکیده انگلیسی مقاله The general circulation models (GCMs) are state-of-art tools available to investigate the response of climate system to external and internal forcing. They are used to predict/project climate in seasonal to decadal time scales. The general circulation models (GCMs) have more or less biases, and bias correction methods are the techniques used to correct their biases. The Coupled model intercomparison project phase 6 (CMIP6) has been widely used to simulate the historical period and project the future climate. However, due to the uncertainty of the models and their coarse resolution, GCMs are not directly used to assess the impacts of climate change. Therefore, to reduce the uncertainty in CMIP6 models, bias correction is necessary in the first step. This study evaluates three methods of bias correction including, Linear Scaling, Variance Scaling of Temperature, Empirical Quantile Mapping, Quantile mapping using a smoothing spline and Empirical Robust Quantile Mapping for two variables of minimum and maximum temperature against 46 synoptic stations in Iran during 1980-2014 using the EC-Earth3-CC. To evaluate direct model output (DMO) and bias correction methods, we used three metrics including root-mean-square error (RMSE), percent bias (PBIAS), index of agreement (d), and interannual variability skill score (IVS). The results showed that the direct model output of the EC-Earth3-CC model has a cold bias (underestimation) for both minimum and maximum temperature in all climate zones of Iran, as well as the area-averaged values of the country. The bias correction methods examined in this research have significantly reduced the bias in Iran. It is found that the bias decreased to 51.8 percent for the minimum temperature in the highlands of Azerbaijan, northeastern Iran, as well as parts of the Alborz and Zagros mountains. In general, the results of the three methods are close and they are not much different from each other. Based on the analysis of RMSE values, bias correction methods significantly reduced RMSE in comparison with DMO. So that the value of this metric in DMO has been more than 2 oC in most of Iran's climate zones, while the use of bias correction methods has reduced the error value to less than 1 oC. Also, bias correction methods have increased the index of agreement (d) by more than two times in average climate zones. Since the EC-Earth3-CC DMO has a good performance in depicting interannual climate variability (IVS) and is close to the observations, this has caused the DMO not to differ greatly from the results of using bias correction methods such as linear scaling. Finally, the bias correction methods used in this research estimate the maximum temperature with higher accuracy than that for the minimum temperature. There is no single bias correction method that provides the best performance in all regions. Therefore, each of these methods has its own advantages and limitations, which are caused by spatiotemporal differences and local geographical features.
کلیدواژه‌های انگلیسی مقاله تصحیح اریبی,روش‌های نسبت گیری,روش‌های نگاشت چندک,CMIP6,ایران
نویسندگان مقاله دینا یزدانی |
گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران.

آذر زرین |
گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران.

عباسعلی داداشی رودباری |
گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران.

نشانی اینترنتی https://jesphys.ut.ac.ir/article_95490_1d97641be3d6466a71f661bce0ae2669.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات