سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,223
تعداد مقالات67,680
تعداد مشاهده مقاله114,881,940
تعداد دریافت فایل اصل مقاله89,554,074
آرزومندی, لیلی, حجازی زاده, زهرا, فتاحی, ابراهیم. (1396). مقایسۀ عملکرد مدل آماری و مدل دینامیکی در شبیه‌سازی بارش حدی. , 4(2), 301-313. doi: 10.22059/ije.2017.61465
لیلی آرزومندی; زهرا حجازی زاده; ابراهیم فتاحی. "مقایسۀ عملکرد مدل آماری و مدل دینامیکی در شبیه‌سازی بارش حدی". , 4, 2, 1396, 301-313. doi: 10.22059/ije.2017.61465
آرزومندی, لیلی, حجازی زاده, زهرا, فتاحی, ابراهیم. (1396). 'مقایسۀ عملکرد مدل آماری و مدل دینامیکی در شبیه‌سازی بارش حدی', , 4(2), pp. 301-313. doi: 10.22059/ije.2017.61465
آرزومندی, لیلی, حجازی زاده, زهرا, فتاحی, ابراهیم. مقایسۀ عملکرد مدل آماری و مدل دینامیکی در شبیه‌سازی بارش حدی. , 1396; 4(2): 301-313. doi: 10.22059/ije.2017.61465

مقایسۀ عملکرد مدل آماری و مدل دینامیکی در شبیه‌سازی بارش حدی

اکوهیدرولوژی
مقاله 2، دوره 4، شماره 2، تیر 1396، صفحه 301-313    اصل مقاله (608.5 K)
نوع مقاله: پژوهشی
شناسه دیجیتال (DOI): 10.22059/ije.2017.61465
نویسندگان
لیلی آرزومندی* 1؛ زهرا حجازی زاده2؛ ابراهیم فتاحی3
1دانشجوی دکتری آب و هوا‌شناسی، دانشکدۀ جغرافیا دانشگاه خوارزمی
2استاد دانشکدۀ جغرافیا، دانشگاه خوارزمی
3دانشیار پژوهشکدۀ هواشناسی
چکیده
در سال‌های اخیر منابع آب بر اثر تغییر اقلیم دست‌خوش تنش‌های جدی شده است. هدف مطالعۀ حاضر، بررسی دو مدل ریز‌مقیاس‌ساز آماری و دینامیکی به‌منظور ریز‌مقیاس‌سازی بارش حدی حوضۀ آبریز گرگان‌رود در روز‌های 23 و 24 اردیبهشت 1371 است که به ثبت دبی حدی در منطقه منجر شد‌. در این پژوهش، از مدل آماری SDSM و مدل دینامیکی Regcm4 استفاده شد. نتایج نشان داد مدل آماری SDSM‏ قابلیت بسیار کمی (ضرایب تبیین 002/0 تا 18/0 و میانگین خطای مطلق 20 میلی‌متر) در شبیه‌سازی بارش‌های حدی دارد به‌طوری‏که ضرایب تبیین و همبستگی‌های کم قابل مشاهده بود؛ در صورتی‏ که مدل Regcm4 ضرایب تبیین بسیار زیاد تا 100 درصد و میانگین خطای مطلق تا 67 میلی‌متر را ثبت کرده است به‌دلیل اینکه این مدل با در‌نظر‌گرفتن الگوهای دینامیک کلی به شبیه‌سازی بارش حدی می‌پردازد، علاوه بر اینکه با آزمون خطای طرح‌واره‌های موجود در آن می‌تواند نتایج را تا حد زیادی به داده‌های مشاهداتی منطقه نزدیک کند. تحلیل نقشه‏های هوا نشان دادند طی این دو روز نیمۀ غربی ایران و بخش‌های جنوبی و مرکزی تحت حاکمیت الگوهای کم‌فشار بوده‌اند که جهت جریانات کم‌فشار، جنوبی و غربی بوده و از سمت دریای عدن و خلیج فارس و دریای سیاه و مدیترانه هستند. نقشه‌های الگوهای ارتفاع ژئوپتانسیل حاکمیت کم ارتفاع‌هایی در تراز 500 و 850 هکتوپاسکال را در منطقۀ مد نظر نمایش می‌دهد.
 
کلیدواژه‌ها
بارش حدی؛ ریزمقیاس‌سازی؛ گرگان‌رود؛ RegCM4؛ SDSM
عنوان مقاله [English]
Comparison of the performance of statistical model and dynamic model to simulate extreme rainfall simulation
نویسندگان [English]
Leily Arezoomandi1؛ Zahra Hejazizadeh2؛ Ebrahim Fattahi3
1PhD Candidate in Climatology, Faculty of Geography, Kharazmi University, Tehran, Iran
2Faculty of Geography, Kharazmi University, Tehran, Iran
3Atmospheric Science and Meteorological Research Center, Tehran, Iran
چکیده [English]
Water resources have experienced serious tensions in recent years due to climate change. The current study aims to investigate dynamical and statistical downscaling in order to downscale extreme precipitation in catchment of Gorganrood River over May13-14, 1992 which led to record the extreme discharge in this region. For this purpose, two models namely SDSM and Regcm4 were used. The results showed that SDSM has very low ability to simulate extreme precipitation so that the mean absolute error (MAE) was about 20 mm in the years 1983-2012 with very low coefficients of determination of 0.18 to 0.002, whereas Regcm4 model has recorded a very high coefficient of determination and mean absolute error of the model was about 67 mm. This model, however, could not well simulate Lazoreh station precipitation, because the model takes into account the overall dynamic patterns for simulation. Weather maps analysis indicates that low pressure patterns are dominant in the western half and parts of South and Central Iran in these two days. Direction of low pressure patterns is South and West from Adan sea and the Persian Gulf as well as the Black Sea and the Mediterranean Sea. Geopotential Maps show that low-height patterns are in  500 and 850 Geopotential height in this region.
کلیدواژه‌ها [English]
downscaling, Gorganrood River, extreme precipitation, RegCM4, SDSM
مراجع

 

 

  1. Qi S, Sun G, Wang Y, McNulty S.G, Moore Myers J.A. Streamflow response to climate and landuse changes in a coastal watershed in North Carolina. Trans ASABE. 2009;52:739–49.
  2. Fischer E.M, Knutti R. Detection of spatially aggregated changes in temperature and precipitation extremes. Geophys. Res.2014; Lett. 41. http://dx.doi.org/10.1002/2013GL058499.
  3. Paparrizos S, Maris F, Matzarakis A. Integrated analysis of present and future responses of precipitation over selected Greek areas with different climate conditions.Atmos. Res.2016; 169 (Part A): 199–208..http://dx.doi.org/10.1016/j.atmosres.2015.10.004.
  4. Ahmadvand Kahrizi M,Rouhani H. Assessing the conservation impacts of climate change based on temperature projected on 21 century (Case study: Arazkoseh and Nodeh stations)).Eco Hydrology ,2017; 3( 4) :597-609.[Persian].
  5. Chen H, Xu C.Y, Guo S.Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff. Journal of Hydrology.2012; 434–435 : 36–45. http://dx.doi.org/10.1016/j.jhydrol.2012.02.040.
  6. Fowler H.J, Blenkinsop S, Tebaldi C. Linking climate change modelling to impacts studies: recent advances in downscaling techniques for hydrological modelling. Int. J. Climatol.2007; 27 (12): 1547–1578. DOI: 10.1002/joc.1556.
  7. Sunyer M.A, Madsen H, Ang P.H.A comparison of different regional climate models and statistical downscaling methods for extreme rainfall estimation under climate change. Atmospheric Research.2012; 103 : 119–128. http://dx.doi.org/10.1016/j.atmosres.2011.06.011.
  8. Willems P, Vrac M. Statistical precipitation downscaling for small-scale hydrological impact investigations of climate change. Journal of Hydrology.2011; 402:193–205. http://dx.doi.org/10.1016/j.jhydrol.2011.02.030.
  9. Lee T, Jeong C. Nonparametric statistical temporal downscaling of daily precipitation to hourly precipitation and implications for climate change scenarios. Journal of Hydrology.2014; 510 :182–196.. http://dx.doi.org/10.1016/j.jhydrol.2013.12.027.
  10. Mandal S, Srivastav R.K, Simonovic S.P. Use of beta regression for statistical downscaling of precipitation in the Campbell River basin, British Columbia, Canada. Journal of Hydrology.2016; 538:49–62.
  11. Asong Z.E, Khaliq M.N, Wheater H.S. Projected changes in precipitation and temperature over the Canadian Prairie Provinces using the Generalized Linear Model statistical downscaling approach. Journal of Hydrology.2016; 539:429–446. http://dx.doi.org/10.1016/j.jhydrol.2016.05.044.
  12. Piras M, Mascaro,G, Deidda R, Vivoni E.R. Impacts of climate change on precipitation and discharge extremes through the use of statistical downscaling approaches in a Mediterranean basin. Science of the Total Environment.2016; 543, :952–964. http://dx.doi.org/10.1016 /j.scitotenv. 2015. 06.088.
  13. Hundecha Y, Sunyer M.A, Lawrence D, Madsen H, Willems P,Bürger G, et al. Inter-comparison of statistical downscaling methods for projection of extreme flow indices across Europe. Journal of Hydrology xxx , xxx–xxx.2016.http://dx.doi.org/10.1016/j.jhydrol.2016.08.033.
  14. Bhatla R, Ghosh S, Mandal B, Mall R.K, Sharma K. Simulation of Indian summer monsoon onset with different parameterization convection schemes of RegCM-4.3. Atmospheric Research.2016; 176–177:10–18. DOI: http://dx.doi.org/10.1016/j.atmosres.2016.02.010
  15. Laflamme E.M, Linder E, PanY. Statistical downscaling of regional climate model output to achieve projections of precipitation extremes. Weather and Climate Extremes.2016; 12: 15–23. http://dx.doi.org/10.1016/j.wace.2015.12.001
  16. Onyutha O, Tabari H, Rutkowska A, Nyeko-Ogiramoi,P, Willems P. Comparison of different statistical downscaling methods for climate change rainfall projections over the Lake Victoria basin considering CMIP3 and CMIP5.Journal of Hydro-environment Research.2016; 12: 31–45. http://dx.doi.org/10.1016/j.jher.2016.03.001
  17. Mohammadi, F, Zarrin,A and Babaian,I.The performance of climate models to simulate rainfall Recm4 cold period in Fars Province: A Case Study period from 1990 to 2010. Earth and Space Physics.1394; 41( 3Fall): 511-524. [Persian]
  18. Ghahraman N, Babaian I,Azadi M. Post statistical processing output Regcm4 pattern of rainfall on the North West of Iran. the study of physical geography.1394 ; 47( 3):385-398. [Persian]
  19. Jamab,Gorgan Basin.1387. [Persian].
  20. Azari M, Moradi H, Saghafian B, Faramarzi M. Effects of climate change on watershed hydrology Gorgan.soil and water J (AGRICULTURAL SCIENCES AND TECHNOLOGY).1392; 27( 3 July – September): 547-537.[Persian].
  21. Zarghami M., Abdi, A., Babaeian, I., Hassanzadeh, Y. and Kanani, R. Impacts of climate change on runoffs in East Azerbaijan, Iran. Global and Planetary Change.2011;, 78(3–4): 137-146. http://dx.doi.org/10.1016/j.gloplacha.2011.06.003
  22. http://www.cccsn.ec.gc.ca/?page=pred-canesm2.
  23. Delghandi M , Moazenzadeh R. Investigating spatiotemporal variations of precipitation and temperature over Iran under climate change condition considering AOGCM models and emission scenarios uncertainty. Eco Hydrology,2017;  3( 3): 321-331. [Persian].
  24. Giorgi F. Two-dimensional simulations of possible mesoscale effects of nuclear war fires. J. Geophys. Res. 1989;94:1127–1144. DOI: 10.1029/JD094iD01p01145.
  25. Grell G.A. prognostic evaluation of assumptions used by cumulus parameterization. Mon. Wea. Rev1993;.121: 764-787. DOI: http://dx.doi.org/10.1175/1520-0493(1993)1212.0.CO;2.
  26. Giorgi, F., and G. T. Bates, The climatological skill of a regional model over complex terrain, Mon. Wea. Rev.1989; 117:2325–2347. DOI:http://dx.doi.org/10.1175/1520-0493(1989)1172.0.CO;2.
  27. Sundqvist H, E Berge, and J. E Kristjansson. The effects of domain choice on summer precipitation simulation and sensitivity in a regional climate model, J. Climate.1989; 11: 2698–2712. DOI: http://dx.doi.org/10.1175/1520-0442(1998)0112.0.CO;2.
  28. Kiehl J. T, J. J Hack, G. B Bonan, B. A Boville, B. P Breigleb, D Williamson, and P Rasch. Description of the ncar community climate model (ccm3). Tech. Rep. NCAR/TN-420+STR. National Center for Atmospheric Research, 1996. http://dx.doi.org/10.5065/D6FF3Q99.
  29. Grell G.A. prognostic evaluation of assumptions used by cumulus parameterization. Mon. Wea. Rev1993;.121: 764-787. DOI: http://dx.doi.org/10.1175/1520-0493(1993)1212.0.CO;2.
  30. Fritsch J.M,Chappell C.F. Numerical prediction of convectively driven mesoscale pressure systems. part 1: Convective parameterization. J. Atmos. Sci.1980;37: 1722-1733. http://dx.doi.org/10.1175/1520-0469(1980)0372.0.CO;2.
  31. Dickinson R. E, A Henderson-Sellers and P. J Kennedy. Biosphere-Atmosphere Transfer Scheme (BATS) version 1e as coupled to the NCAR Community climate model,NCAR technical note NCAR/TN-387+STR.1993; 72pp. doi:105065/D67W6959.
  32. Ahmadi M,Lashkari H, Keikhosrav Gh,Azadi M. Comparison of LARS_WG and RegCM4 models in simulation and post-processing of annual temperature and rain fall data in Great Khorasan,journal of Sepehr.2016;25:157-170. [Persian].
  33. Naserzadeh M,Ghasemifar E, Motamedi M, Analysis Drought for Observed and Future period using downscaling models (LARSWG and SDSM) in southern coastal of Caspian Sea, Geography and planning of urban and regional.2016;20:203-222. [Persian].
  34. Ghasemifar E. Investigation of regionalization of climate change over coast of caspian sea.MA thesis, supervisior:Bohloul Alijani,2012.Kharazmi University. [Persian].
  35. Tiwari PR,Chandrakar S,Mohanty UC,Dey S,Sinha P,Raju PVS,Shekhar MS, The role of land surface schemes in the regional climate model (RegCM) for seasonal scale simulations over Western Himalaya, Atmósfera.2016: 28(2), 129-142.
  36. Daniel A, Changes in extreme precipitation events over the central United States in AOGCM-driven regional climate model simulations, Graduate Theses and Dissertations in Agricultural Meteorology,2015.
آمار
تعداد مشاهده مقاله: 1,715
تعداد دریافت فایل اصل مقاله: 677


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب