Iranian Jornal of Watershed Management Science&Engineering

fa ارزیابی عملکرد مدل‌های ریزمقیاس گردانی LARS-WG و SDSM در شبیه‌سازی تغییرات اقلیمی در حوضه آبریز دریاچه ارومیه Performance Analysis of LARS-WG and SDSM Downscaling Models in Simulation of Climate Changes in Urmia Lake Basin تخصصي Special پژوهشي Research    در بررسی تغییرات اقلیمی، پیشبینی آینده پارامترهای اقلیمی توسط مدلهای گردش عمومی (GCMs) و تحت سناریوهای انتشار گازهای گلخانهای انجام میشود؛ اما خروجی این مدلها به علت بزرگ‌مقیاس بودن شبکهی آن‌ها فاقد دقت مکانی و زمانی مناسب در مقیاس کوچک میباشند. بدین منظور نیاز به کوچک‌مقیاس کردن خروجی این مدلها در مقیاس ایستگاهی و نقطهای با استفاده از مدلهای ریزمقیاس گردانی خواهد بود که به دو دسته آماری و دینامیکی تقسیم میشوند که روشهای آماری دارای کاربرد و مقبولیت بیشتری میباشند. از میان روشهای آماری نیز مدلهای LARS-WG و SDSM از معتبرترین ابزارهای ریزمقیاسگردانی در حال حاضر به حساب میآیند؛ که در این پژوهش به تحلیل عملکرد این دو مدل در شبیهسازی 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. ایستگاههای هواشناسی مورد بررسی شامل چهار ایستگاه سینوپتیک سقز، تبریز، خوی و ارومیه میباشد که دارای آمار کامل در دوره پایه        (۱۹۹۰-1961) بودهاند. جهت ارزیابی عملکرد مدلها نیز از شاخصهای خطاسنجی MSE، RMSE، MAE و همچنین ضریب تعیین و همبستگی بهره گرفته شد. نتایج حاصل نشان داد که هر دو مدل دقت بیشتری در شبیهسازی دما نسبت به بارش دارند و در شبیه‌سازی ماهانه پارامترهای دما و بارش، مدل SDSM موفقتر عمل نموده و دارای عدم قطعیت کمتری است؛ و از سویی دیگر نیز دارای فرآیند شبیهسازی وقتگیر و پیچیدهای است. در حالی که مدل LARS-WG در شبیهسازی دورهای 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 مدلها برتری مطلق بر یکدیگر ندارند و علیرغم تفاوتهایی در شبیهسازی، میتوانند در بررسیهای تغییرات اقلیمی مفید واقع شوند.    In the study of climate changes, Prediction of the future climatic parameters is performed by general circulation models (GCMs) and emissions scenarios of greenhouse gases. However, Global Circulation Models have very course spatial resolutions. For this reason, downscaling methods are needed to bridge the gap between the large scale climate scenarios and the fine scale where local stations exist. Downscaling methods are divided into two categories: 1) statistical models and 2) Dynamic models. Among these methods, statistical methods are much more popular which is due to low expenses and less time consuming procedures. Lars-WG and SDSM models are among the most concise methods of statistical tools for downscaling. Herein this research these two models were used in simulating precipitation and temperature changes in Urmia lake basin located in the north west of Iran. Four synoptic stations including Saqez, Tabriz Khoy and Urmia were considered. These four stations had a good and long data especially in base period (1961-1990). In order to assess the models, MSE, RMSE & MAE indexes along with regression and bias were used. Results show that both models were good in simulating temperature but SDSM was better in simulating precipitation according to statistical performance measures and has less uncertainty. But it has more complex and time consuming procedures. While Lars-WG is simpler and faster comparing with SDSM. In general, none of the models has absolute superior in  : بارش, تغییرات اقلیمی, دریاچه ارومیه, دما, LARS-WG, SDSM : Climate Change, LARS-WG, SDSM, Precipitation, Temperature, Urmia Lake. 11 23 http://jwmsei.ir/browse.php?a_code=A-10-209-3&slc_lang=fa&sid=1 masoud goodarzi مسعود گودرزی 10031947532846004881 10031947532846004881 No boroomand salahi برومند صلاحی 10031947532846004882 10031947532846004882 No asad hosseini اسعد حسینی 10031947532846004883 10031947532846004883 Yes