این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
فیزیک زمین و فضا، جلد ۴۹، شماره ۳، صفحات ۷۰۷-۷۲۵
عنوان فارسی پیش‌بینی فرین‌های بارشی ایران در آینده نزدیک (۲۰۲۸-۲۰۲۱) با استفاده از پروژه پیش‌بینی اقلیمی دهه‌ای (CMIP۶-DCPP)
چکیده فارسی مقاله پیش‌بینی دهه‌ای مرز بین پیش‌بینی کوتاه‌‌مدت و پیش‌نگری اقلیمی است. هدف از تحقیق حاضر، پیش‌بینی فرین‌های بارشی در دوره 2021 تا 2028 در ایران است. دو گروه داده شامل 77 ایستگاه همدید و برونداد سه مدل از پروژه CMIP6-DCPP با تفکیک افقی 100 کیلومتر استفاده شد. برونداد بارش مدل‌های DCPP هر کدام با 9 اجرای متفاوت، برای دو دوره گذشته‌نگر (2019-1981) و دوره پیش‌بینی (2028-2021) استفاده شد. جهت درستی‌سنجی برونداد مدل‌ها، از سنجه‌های آماری MBE، RMSE، PCC و PBIAS و برای بررسی مدل همادی از نمودار تیلور استفاده شد. برونداد مستقیم مدل‌ها (DMO)، با روش تغییر عامل دلتا (DCF) تصحیح شد و از روش میانگین وزنی با رویکرد مستقل (IWM) برای تولید مدل همادی استفاده شد. برای بررسی فرین‌های بارشی از شاخص‌های روزهای همراه ‌با بارش سنگین (R10mm) و خیلی‌سنگین (R20mm)، شدت بارش (SDII) و بیشینه بارش یک‌روزه، سه‌‌روزه و پنج‌روزه (RX1,3,5day) استفاده شد. درستی‌سنجی برونداد مدل‌های DCPP، نشان داد که همبستگی برونداد مدل‌های یادشده در بیشتر ایستگاه‌های مورد بررسی بیشتر از 8/0 به‌دست آمده است. با این‌حال، مدل همادی تولیدشده کارایی بالاتری را نسبت به مدل‌های منفرد نشان داد. نتیجه پیش‌بینی فرین‌های بارشی نشان داد که به‌طور کلی شش شاخص بارش فرین مورد بررسی در بیشتر مناطق کشور در دهه آینده نسبت به دوره گذشته‌نگر افزایش خواهند داشت. دو هسته اصلی بی‌هنجاری مثبت شاخص‌ها، مناطق جنوب‌غرب و شمال‌شرق کشور می‌باشند. در مقابل، شاخص روزهای همراه ‌با بارش سنگین در سواحل جنوبی دریای‌خزر بی‌هنجاری منفی را تجربه خواهد کرد.
کلیدواژه‌های فارسی مقاله پیش‌بینی دهه‌ای، مدل‌های CMIP6-DCPP، مدل همادی، تصحیح اریبی، فرین‌های اقلیمی،
عنوان انگلیسی The prediction of the Precipitation Extremes over Iran for the Next Decade (2021-2028) usingthe Decadal Climate Prediction Project contribution to CMIP6 (CMIP6-DCPP)
چکیده انگلیسی مقاله In recent years, the importance of climate prediction has increased as a scientific source for understanding climate change and evaluating its consequences in political and economic decisions. Providing predictions with less uncertainty, especially for precipitation and temperature is of considerable importance for policymakers in time periods from several months to several decades. The Decadal Climate Prediction Project (DCPP) is a coordinated multi-model investigation into decadal climate prediction, predictability and variability. The DCPP consists of three components (A, B, and C). Component A comprises of the production and analysis of an extensive archive of retrospective forecasts. Component B undertakes ongoing production, analysis and dissemination of experimental quasi-real-time multi-model forecasts, and Component C involves the organization and coordination of case studies of particular climate shifts and variations, both natural and naturally forced (Boer et al. 2016). The aim of this study is to predict precipitation extremes using the decadal Climate Prediction Project contribution to the Coupled Model Intercomparison Project Phase 6 (CMIP6) for the period 2021 to 2028 over Iran. For this purpose, two types of data including 77 synoptic stations and three DCPP models (BCC-CSM2-MR, MPI-ESM1-2-HR, and MRI-ESM2-0) with a horizontal resolution of 100 km were used. The precipitation output of DCPP models, each with nine variants (27 members) were used for two time periods, including Hindcast (1981-2019) and Forecast (2021-2028). To evaluate DCPP models, we used the Root Mean squared error (RMSE), the Pearson correlation coefficient (PCC), the Mean Bias Error (MBE), the Percent bias (PBIAS), and the Taylor diagram methods. In addition, Direct Model Output (DMO) was corrected by the Delta Change Factor (DCF) method, and the Independent Weighted Mean (IWM) was used to generate a multi-model ensemble from 27 members. In this study, the ETCCDI indices including days with Heavy precipitation (R10mm), days with Very heavy precipitation days (R20mm), Simple daily intensity (SDII), The maximum 1-day precipitation amounts (Rx1day), The maximum 3-day precipitation amounts (Rx3day), The maximum 5-day precipitation amounts (Rx5day) were calculated to analyze precipitation extremes for all regions of Iran. Furthermore, the evaluation of the DCPP models showed that the output of mentioned models is acceptable for all regions of Iran. Also, the performance of CMIP6-DCPP-MME is higher than the individual models. The result of the prediction of precipitation extremes showed that the six studied extreme precipitation indices will increase for the next decade. The Southwest and Northeast are the two hotspots of positive anomaly. In contrast, the southern coast of the Caspian Sea for the R10mm index will experience a negative anomaly for the next decade. The findings show that the southeastern region of Iran, from the eastern borders to the north of the Strait of Hormuz, will be the main area of negative precipition anomalies in the country in the next decade. So that the indices of days with heavy (R10mm) and very heavy (R20mm) precipition will decrease by 2.7 and 0.3 days, and daily precipition intensity (SDII) will decrease by 2.6 mm/day.
کلیدواژه‌های انگلیسی مقاله پیش‌بینی دهه‌ای, مدل‌های CMIP6-DCPP, مدل همادی, تصحیح اریبی, فرین‌های اقلیمی
نویسندگان مقاله نرگس اسدی رحیم‌ بیگی |
گروه جغرافیا، دانشکده ادبیات و علوم انسانى دکتر على شریعتى، دانشگاه فردوسی مشهد، مشهد، ایران.

آذر زرین |
گروه جغرافیا، دانشکده ادبیات و علوم انسانى دکتر على شریعتى، دانشگاه فردوسی مشهد، مشهد، ایران.

عباس مفیدی |
گروه جغرافیا، دانشکده ادبیات و علوم انسانى دکتر على شریعتى، دانشگاه فردوسی مشهد، مشهد، ایران.

عباسعلی داداشی رودباری |
گروه جغرافیا، دانشکده ادبیات و علوم انسانى دکتر على شریعتى، دانشگاه فردوسی مشهد، مشهد، ایران.

نشانی اینترنتی https://jesphys.ut.ac.ir/article_92079_5c26fd42b7b69620d06fec3d4f8c5c5c.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات