آزمون دقت شبیه ‏سازهای LARS-WG، WeatherMan و CLIMGENدر شبیه‏ سازی پارامترهای اقلیمی سه اقلیم مختلف (گرگان، گنبد و مشهد)

نوع مقاله: مقاله پژوهشی

نویسندگان

دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

در سال‏های اخیر مدل‏های مصنوعی مولد پارامترهای هواشناسی به طور گسترده در سیستم‏های هیدرولوژیکی، اکولوژیکی و در مطالعات پتانسیل تأثیر اقلیم بر اکوسیستم‏های زراعی در سراسر جهان مورد استفاده قرار گرفته‏اند. این مدل‏ها به عنوان یک تکنیک آماری جهت تولید داده‏های هواشناسی روزانه‏ در مواقعی که داده‏های طولانی‏مدت در دسترس نباشد، توسعه‏ یافته‏اند. بدین منظور در این تحقیق ارزیابی کارایی سه مدل CLIMGEN، LARS-WG و WeatherManبرای پیش‏بینیدر مقیاس ریز و در حد ایستگاه‏های هواشناسیبرای متغیّرهای اقلیمی حداکثر دما، حداقل دما، بارندگی و تابش خورشیدی برای سال‏های 2009-2000 در سه منطقه گرگان، گنبد و مشهدانجام شد. ابتدا داده‏های هواشناسی روزانه هر ایستگاه از سال 1975 تا 1999 برای گرگان و گنبد و 1961 تا 1999 برای مشهد به مدل داده‏ شد و داده‏های روزانه برای سال‏های 2009-2000 تولید شد. برای ارزیابی مدل‏های مذکور از مقایسه‌ی شاخص‏های آماری مجذور میانگین مربعات خطای استاندارد (RMSE)، شاخص کارایی مدل (EF) و ضریب تبیین (R2) استفاده شد. نتایج مقایسه‌ی میانگین ماهانه بازه‏ی 10 ساله داده‏های تولید شده توسط مدل‏ها نشان داد متغیّر دما بهتر از سایر پارامترها به وسیله‏ی هر سه مدل‏ پیش‏بینی شده است. در بین مدل‏ها، مدلLARS-WGبیشترین توانایی را برای شبیه‏سازی پارامتر حداقل دما در منطقه‏های گرگان و مشهد نشان داد، در حالی که مدلCLIMGEN در گنبد تخمین بهتری داشت. پارامتر حداکثر دما برای اقلیم مدیترانه‏ای گرگان و نیمه‏خشک گنبد با مدل CLIMGEN و برای اقلیم خشک مشهد با مدل WeatherMan بهتر شبیه‏سازی شد. مدل WeatherMan نسبت به سایر مدل‏ها در شبیه‏سازی بارش برای منطقه‌ی گرگان و گنبد و مدل CLIMGENبرای مشهد موفق‏تر بودند. متغیّر تابش خورشیدی برای منطقه‌ی گنبد و مشهد به وسیله‌ی مدلLARS-WG و در اقلیم گرگان با مدل CLIMGEN با کارایی بهتری پیش‏بینی شد.به نظر می‏رسد که خروجی‏های این مدل‏ها علی‏رغم تفاوت‏هایی که دارند، می‏توانند در مدل‏سازی گیاهی و همچنین در بحث‏های تغییر اقلیم مورد استفاده قرار گیرند.

کلیدواژه‌ها


عنوان مقاله [English]

Accuracy Assessment of Weather Assimilators of CLIMGEN, LARS-WG and Weather Man in Assimilation of three Different Climatic Parameters of three Different Climate (Gorgan, Gonbad and Mashhad)

نویسندگان [English]

  • Amir Hajarpoor
  • Marziyeh Yousefi
  • Behnam Kamkar
چکیده [English]

In recent years, artificial models of weather generator parameters have extensively been applied in hydrological and ecological systems and also in the studies of climatic impact potential on agricultural ecosystems throughout the world. These models have been developed as a statistical technique for  generating daily weather data when long-term data are not available.
The purpose of this investigation was to evaluate the performance of three models of CLIMGEN, LARS-WG and Weather Man to predict at fine-scale and at meteorological  stations’ scale for climatic variables including maximum temperature, minimum temperature, precipitation and solar radiation for the years of 2000-20009 in  three regions of  Gorgan, Gonbad and Mashhad.
Firstly, daily weather data of each station from 1975-1999 for Gorgan and Gonbad and 1961-1999 for Mashhad were implemented in the models and the daily data for years 2000-2009 were obtained. For assessment of the mentioned models, the comparison of  statistical indicators such as Root Mean Squared Error (RMSE), Model Efficiency (EF) and Determination Coefficient (R2) were used. The results obtained  from comparing the monthly average  of produced data during a ten-years period by models showed that temperature variable has been predicted better than other parameters by the three models.
LARS-WG in Gorgan and Mashhad and CLIMGEN in Gonbad performed better to simulate the minimum temperature. CLIMGEN in Mediterranean climate of Gorgan and semi-arid climate of Gonbad and Weather Man in dry climate of Mashhad have simulated the maximum temperature better than the  other models.
Solar radiation variable  by LARS-WG model in Mashad and Gonbad regions and by CLIMGEN model in Gorgan has been predicted by a more effective performance.
Despite the differences among the outputs of the models, it seems that they can be applied in crop modeling and in the issues of climatic changes.
 

کلیدواژه‌ها [English]

  • Artificial weather generators
  • Climatic variables
  • Climatic parameters
  • Statistical Index
  • Weather data