پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,240 |
| تعداد مقالات | 67,867 |
| تعداد مشاهده مقاله | 115,410,295 |
| تعداد دریافت فایل اصل مقاله | 90,179,685 |
بررسی کارایی روش‌های تصحیح اریبی در بهبود برونداد مستقیم دمای مدل‌های CMIP بر روی ایران | ||
| فیزیک زمین و فضا | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 23 دی 1402 اصل مقاله (2.39 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2024.363498.1007547 | ||
| نویسندگان | ||
| دینا یزدانی1؛ آذر زرین* 2؛ عباسعلی داداشی رودباری3 | ||
| 1دانشجوی کارشناسی ارشد اقلیم شناسی، گروه جغرافیا، دانشگاه فردوسی مشهد، مشهد، ایران. | ||
| 2دانشیار اقلیم شناسی، دانشگاه فردوسی مشهد | ||
| 3پژوهشگر پسادکتری آب و هواشناسی، دانشگاه فردوسی مشهد، گروه جغرافیا، مشهد | ||
| چکیده | ||
| 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 قابل توجهی کاهش یافت. روش‌های نسبت‌گیری نسبت به روش‌های نگاشت چندک بهبود بیشتری را در برونداد مستقیم مدل نشان دادند. براساس تحلیل مقدار RMSE، روش‌های تصحیح اریبی در مقایسه با برونداد مستقیم به‌طور قابل توجهی 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 به-ترتیب 70.38 و 67.93 درصد کاهش داشته است. مقدار خطای دمای بیشینه نیز پس از تصحیح اریبی به‌ترتیب 59، 65.9 و 67.9 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 بکارگرفته شده در این پژوهش دمای بیشینه را با دقت بالاتری نسبت به دمای کمینه برآورد می‌کنند. | ||
| کلیدواژه‌ها | ||
| تصحیح اریبی؛ روش‌های نسبت گیری؛ روش های نگاشت چندک؛ CMIP6؛ ایران | ||
| عنوان مقاله [English] | ||
| Evaluation of bias correction methods in improving the direct model output of temperature in CMIP over Iran | ||
| نویسندگان [English] | ||
| Dina Yazdani1؛ Azar Zarrin2؛ Abbasali Dadashi-Roudbari3 | ||
| 1M.Sc. Student of Climatology, Department of Geography, Ferdowsi University of Mashhad, Mashhad, Iran. | ||
| 2Associate Professor of Climatology, Ferdowsi University of Mashhad, | ||
| 3Postdoctoral Researcher of Climatology, Ferdowsi University of Mashhad, Department of Geography, Mashhad. | ||
| چکیده [English] | ||
| 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 one of 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 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 to not 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 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. | ||
| کلیدواژه‌ها [English] | ||
| Bias Correction, Scaling methods, Quantile Mapping methods, CMIP6, Iran | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 181 تعداد دریافت فایل اصل مقاله: 162 |
||