Evaluation of the Performance of ClimGen and LARS-WG models in generating rainfall and temperature time series in rainfed research station of Sisab, Northern Khorasan

Abstract

انجام مطالعات مربوط به ارزیابی ریسک و مدیریت ریسک منابع آب و خشکسالی نیازمند دسترسی به سری درازمدت داده های هواشناسی است. این در حالی است که در بسیاری از ایستگاه های هواشناسی داده های برداشت شده از طول دوره آماری کافی برخوردار نیستند. برای رفع این مشکل می توان از مدل های تولید داده (مولد وضع هوا) استفاده کرد. در این تحقیق، از دو مولد پرکاربرد LARS-WG و ClimGen برای تولید 500 سری زمانی داده های روزانه بارش و درجه حرارت حداقل و حداکثر در ایستگاه تحقیقات دیم سیساب واقع در خراسان شمالی استفاده شد. کارآیی مدل ها با استفاده از شاخص های خطای مجذور میانگین مربعات خطا RMSE، میانگین خطای مطلق MAE و ضریب تعیین CD ارزیابی شد. همچنین با استفاده از سه آزمون آماریt – استیودنت، F و2X، شباهت 16 مشخصه آماری بین داده های مشاهده شده و شبیه سازی شده توسط دو مدل LARS-WG مورد بررسی قرار گرفت. نتایج نشان داد که در تولید سری زمانی بارش، مقادیر RMSE و MAE برای مدل LARS-WG کمتر از مدلClimGen بوده و از طرفی مقدار CD در مدل LARS-WG به یک نزدیک تر بوده است. از نظر شبیه سازی درجه حرارت حداقل و حداکثر، نتایج بدست آمده نشان می دهد که مدل ClimGen در مدل سازی میانگین های روزانه و ماهانه درجه حرارت حداقل و حداکثر موفق تر از مدل LARS-WG عمل کرده است. بطوری که در مدل LARS-WG از بین آزمون های آماری انجام شده بر روی میانگین ماهانه درجه حرارت حداقل و حداکثر به ترتیب 2 و 3 آزمون در سطح معنی داری 95% رد شده اند. نتایج همچنین نشان داد که مدل ClimGen در مدل سازی دوره های یخبندان و گرمای شدید موفق تر از مدل LARS-WG بوده است.