چکیده:
پروژه پیشبینی دههای، از برنامههای بلندپروازانه سازمان جهانی هواشناسی برای حذف خلاء بین پیشبینیهای اقلیمی با برد زمانی کمتر از یک سال و پیشنگری اقلیمی با برد زمانی بیش از یک دهه است. این مقاله مراحل انجام کار و یافتههای پیشبینی چندسالانه بارش با استفاده از مقیاسکاهی آماری برونداد مدلهای DCPP از مجموعه مدلهای پروژه CMIP6 که با دادههای واقعی اول نوامبر سال 2019 آغازگری شدهاند را بر روی ایران ارائه میدهد. دوره هدف پیشبینی 2023-2019 است. در این مطالعه از دو نوع داده برونداد مدلهای پروژه DCPP در دو دوره تاریخی (2018-1989) و پیشبینی (2023-2019) و بارش شبکه ای GPCC در دوره 2018-1989 به عنوان دادههای بازکاوی استفاده شده است. همچنین نقش دو دورپیوند دههای AMO و PDO بر بارش دوره هدف بررسی شد. یافتهها نشان دادند که در مجموع میانگین بارش در دوره 2023-2019 در محدوده نرمال تا کمتر از نرمال خواهد بود، به اینصورت که بر اساس دو روش تصحیح اریبی و وزنی بارش در نیمه غربی و جنوب کشور بیشتر از نرمال و در شرق کشور نرمال تا کمتر از نرمال، در روشپیشبینی احتمالاتی بارش سالهای 2019 و 2020 در طبقه بیشتر از نرمال و سالهای 2021، 2022 و 2023 عمدتا در طبقه کمتر از نرمال تا نرمال و به روش دورپیوندی در محدوده کمتر از نرمال پیشبینی میشود. هر چند پروژه DCPP در مراحل اولیه توسعه قرار داشته و نتایج منطقهای آن به مقدار زیادی بستگی به روشهای مقیاسکاهی بکار رفته دارد، اما افقهای جدیدی برای محققان و کاربران خدمات اقلیمی در حوزه منابع آب، کشاورزی، بیمه محصولات کشاورزی به وجود آورده است که میتواند نقشه راه کشور را در برنامههای توسعه پنجساله هفتم (1405-1401) در حوزه منابع آب و کشاورزی شفاف سازد.
Decadal Climate Prediction Project (DCPP), is one of the ambitious programs to bridge the gap between climate prediction and climate. In order to provide climate services to stakeholders, the IRIMO provides daily and seasonal forecasts and climate projections. In the meantime, providing annual prediction has been one of the main requests of users from IRIMO, the gap of annual prediction was evident in previous years. In this study, Iran’s precipiation prediction for the period 2019-2023 were predictedusing the post-processing of the Decadal Climate Prediction Project (DCPP). For this purpose, two types of data have been used, including: output of DCPP project models in historical (1989-2018) and prediction (2019-2023) periods and observed precipitation data from GPCC, a grided databases as an alternative to observational (quasi-observational) data. The results showed that, Iran’s average precipitation in the period 2019-2023 will be normal to less than normal based on 4 methods of bias correction, multi-model weighting, probability prediction and climatic teleconections. As an average, findings of this project showed that the mean precipitation of Iran in the period 2019-2023 will be in the range of normal to less than normal, based on the DCPP model outputs and two decadal scale teleconnections of AMO and PDO. Based on bias correction and weighting system, precipitation in the western and southern half of the Iran will be more than normal and in the east it is normal to less than normal, in the probabilistic method precipitation in 2019 and 2020 preicted to be more than normal and in 2021- 2023, it will be less than normal to normal. Also, the average precipitation in the period of 2019-2023 will be in the range of less than normal, based on the teleconnection method.
خلاصه ماشینی:
پيشبيني چندسالانه بارش ایران با مقیاسکاهی برونداد مدلهای DCPP، مطالعه موردی: دوره 2023-2019 ایمان بابائیان1*، راهله مدیریان2، مریم کریمیان2، زهره جوانشیری1 1استادیار، پژوهشکده اقلیمشناسی، پژوهشگاه هواشناسی و علوم جو، مشهد 2کارشناسارشد پژوهشی، پژوهشکده اقلیمشناسی، پژوهشگاه هواشناسی و علوم جو، مشهد تاريخ دريافت: 29/3/1400 تاريخ پذيرش: 5/5/1400 چکيده پروژه پیشبینی دههای، از برنامههای بلندپروازانه سازمان جهانی هواشناسی برای حذف خلاء بین پیشبینیهای اقلیمی با برد زمانی کمتر از یک سال و پیشنگری اقلیمی با برد زمانی بیش از یک دهه است.
در این مطالعه از دو نوع داده برونداد مدلهای پروژه DCPP در دو دوره تاریخی (2018-1989) و پیشبینی (2023-2019) و بارش شبکه ای GPCC در دوره 2018-1989 به عنوان دادههای بازکاوی استفاده شده است.
Doblas-Reyes و همکاران (2013) پيشبيني اقليمي آغازگري شده براي پيشبيني تغيير اقليم در آينده نزديک (يک دهه آينده) را با استفاده از مدلهاي سري CMIP5 مطالعه کردند و دريافتند که مدلها در پيش بيني دما توانمند هستند و پيشبيني بارش نيز تا حدي قابل قبول مي باشد.
- - پیشبینی به روش تصحیح اریبی: در شکل 5، پیشبینی بیهنجاری میانگین بارش کشور توسط چهار مدل با دادههای در دسترس برای دوره 2023-2019 بر مبنای آغازگری در ماه نوامبر 2018(s2018) نشان داده شده است.
هدف این پژوهش پیشبینی بارش دوره 2023-2019 کشور با استفاده از چهار روش تصحیح اریبی، وزنی، احتمالاتی و تاثیر دورپیوندها بر اساس مدلهای DCPP آغازگری شده در نوامبر 2018 است که دادههای آن در می 2019 منتشر گردید.