fa ارزیابی عملکرد مدل های ریزمقیاس گردانی LARS-WG و SDSM در شبیه سازی تغییرات اقلیمی در حوضه آبریز دریاچه ارومیه تخصصي Special پژوهشي Research <div align="justify" style="direction: rtl">در بررسی تغییرات اقلیمی، پیش بینی&nbsp; آینده پارامترهای اقلیمی توسط مدل های گردش عمومی (GCMs) و تحت سناریوهای انتشار گازهای گلخانه ای انجام می شود؛ اما خروجی این مدل ها به علت بزرگ‌مقیاس بودن شبکه ی آن‌ها فاقد دقت مکانی و زمانی مناسب در مقیاس کوچک می باشند. بدین منظور نیاز به کوچک‌مقیاس کردن خروجی این مدل ها در مقیاس ایستگاهی و نقطه ای با استفاده از مدل های ریزمقیاس گردانی خواهد بود که به دو دسته آماری و دینامیکی تقسیم می شوند که روش های آماری دارای کاربرد و مقبولیت بیشتری می باشند. از میان روش های آماری نیز مدل های LARS-WG و SDSM از معتبرترین ابزارهای ریزمقیاس گردانی در حال حاضر به حساب می آیند؛ که در این پژوهش به تحلیل عملکرد این دو مدل در شبیه سازی تغییرات دما و بارش در حوضه آبریز دریاچه ارومیه واقع در شمال غرب کشور که در چند دهه اخیر با بحران زیست‌محیطی و خطر خشک شدن دریاچه ارومیه روبه‌رو بوده است پرداخته شد. ایستگاه های هواشناسی مورد بررسی شامل چهار ایستگاه سینوپتیک سقز، تبریز، خوی و ارومیه می باشد که دارای آمار کامل در دوره پایه (۱۹۹۰-1961) بوده اند. جهت ارزیابی عملکرد مدل ها نیز از شاخص های خطاسنجی MSE، RMSE، MAE و همچنین ضریب تعیین و همبستگی بهره گرفته شد. نتایج حاصل نشان داد که هر دو مدل دقت بیشتری در شبیه سازی دما نسبت به بارش دارند و در شبیه‌سازی ماهانه پارامترهای دما و بارش، مدل SDSM موفق تر عمل نموده و دارای عدم قطعیت کمتری است؛ و از سویی دیگر نیز دارای فرآیند شبیه سازی وقت گیر و پیچیده ای است. در حالی که مدل LARS-WG در شبیه سازی دوره ای بارش از کارآیی بهتری برخوردار است و دارای سادگی و سرعت عملکرد بیشتری نسبت به مدل SDSM است. درمجموع بر اساس نتایج حاصل هیچ‌کدام از مدل ها برتری مطلق بر یکدیگر ندارند و علی رغم تفاوت هایی در شبیه سازی، می توانند در بررسی های تغییرات اقلیمی مفید واقع شوند.</div> <div align="justify">In the study of climate changes, Predict the future of climatic parameters is performed by general circulation models (GCMs) and emissions scenarios of greenhouse gas but The output of these models due to large-scale network, there are lack of appropriate spatial and temporal resolution in small-scale. For this purpose will be necessary to down scale the output of these models in e Station and the point using downscaling models, Which are divided into two categories: statistical and dynamical models, The statistical methods have application and more acceptable. Among statistical methods, SDSM LARS-WG models is the most valid tools in the currently for downscaling, Which in This study was to be analyzed the performance of these two models to simulate temperature and precipitation change in the basin of Urmia Lake in the North Western of Iran which is facing of environmental crisis and risk of drying the lake. Meteorological stations in evaluated include four stations Saghez, Tabriz, Khoy and Urmia which have been full statistics in the base period (1961 -1990). For Performance analysis models was used the indicators of MSE, RMSE, MAE and the coefficient of determination and correlation. The results showed that both models are more carefully simulated the temperature than precipitation, and simulated of monthly temperature and precipitation parameter, SDSM model is more successful and have less uncertainty and on the other hand has a time consuming and complex in simulation process. Whereas LARS-WG model have a more useful in rainfall period simulated and has simplicity and more speed in performance. In total according to the results of any of the models are not superior to each other in spite of differences in the simulation can be useful in climate change studies</div> بارش, تغییرات اقلیمی, دریاچه ارومیه, دما, LARS-WG, SDSM Climate change, LARS-WG, SDSM, Precipitation, Temperature, Urmia Lake 11 22 http://jwmsei.ir/browse.php?a_code=A-10-347-2&slc_lang=fa&sid=1 Massoud Goodarzi مسعود گودرزی Massoudgoodarzi@Yahoo.Com 100319475328460010331 100319475328460010331 No Soil Conservation and Watershed Management Research Institute پژوهشکده حفاظت خاک و آبخیزداری Boroumand Salahi برومند صلاحی Bromand416@Yahoo.Com 100319475328460010332 100319475328460010332 No University of Mohaghegh Ardabili دانشگاه محقق اردبیلی Seyed Asaad Hosseini سید اسعد حسینی Hosseini.Asad8@Gmail.Com 100319475328460010333 100319475328460010333 Yes University of Mohaghegh Ardabili دانشگاه محقق اردبیلی