پس‌پردازش برون‌داد مدل دینامیکی MRI-CGCM3 برای پیش‌بینی فصلی بارش استان خراسان رضوی

Abstract

مدیریت منابع آبی در کشور به سبب وابستگی بخش عمده‌‌ای از فعالیت‌‌های اقتصادی به مقدار و توزیع زمانی بارش دارای اهمیت بسیار زیادی است و پیش‌بینی فصلی یکی از ابزارهای مهم در مدیریت بهینه منابع آبی محسوب می‌شود. در این تحقیق به‌منظور عرضة پیش‌بینی فصلی بارش استان خراسان رضوی، برون‌داد متغیر‌‌های متفاوت مدل دینامیکی MRI-CGCM3، در دوره 1981-2007 روی هفت ایستگاه هواشناسی استان خراسان رضوی پس‌پردازش شدند. داده‌‌های مدل از سازمان هواشناسی ژاپن اخذ شدند. نتایج نشان داد که استفاده از این روش باعث افزایش دقت پیش‌بینی‌‌‌های فصلی می‌‌‌شود؛ به‌‌گونه‌‌ای که در ایستگاه مشهد با اِعمال فرایند پس‌پردازش آماری با استفاده از روش همبستگی چندمتغیره خطی، اُریبی و خطای نسبی پیش‌بینی فصلی بارش به‌ترتیب از 43/107 به 99/2 میلی‌متر و از 15/66 به 78/0 کاهش یافت. همچنین میانگین اُریبی بارش در کل استان از 3/94 به 5/3 میلی‌متر کاهش یافت. در این پژوهش پیش‌بینی فصلی در پنج طبقه بیش از نرمال، نرمال تا بیش از نرمال، نرمال، نرمال تا کمتر از نرمال و کمتر از نرمال تهیه و با داده‌‌‌های متناظر بارش دیدبانی مقایسه شد. نتایج نشان داد که توانمندی پیش‌بینی فصلی خام مدل 3/25 درصد است و با اِعمال پس‌پردازش آماری تا 2/62 درصد افزایش می‌‌‌یابد که حاکی از بهبود 9/36 درصدی در توانمندی پیش‌بینی‌‌ها است. همچنین مشخص شد که اگر تعداد طبقات پیش‌بینی بارش از پنج طبقه به سه طبقه بیش از نرمال، نرمال و کمتر از نرمال کاهش یابد، توانمندی پیش‌بینی به 6/73 درصد افزایش خواهد یافت. به علت اُریبی بسیار زیاد داده‌‌‌های خام مدل، اجرای فرایند پس‌پردازش آماری موجب شد تا خطای پیش‌بینی در همة ایستگاه‌ها بیش از صددرصد بهبود یابد. علاوه بر این مقایسه نتایج بارش پیش‌بینی شده با استفاده از روش جاری نشان می‌‌‌دهد که مدل توانسته است بارش ‌‌های فصل پاییز 1391 را به‌‌خوبی پیش‌بینی کند. همچنین نتایج روشن ساخت که برخی شاخص‌‌هایی که برای راستی‌آزمایی پیش‌بینی عددی کوتاه‌مدت مورد استفاده قرار می‌گیرند، پاسخ صحیحی برای پیش‌بینی‌‌های فصلی به‌دست نمی‌‌دهند.