Publication Date:
2023
Description:
در این مطالعه پیش‌نگری چهار شاخص بارش فرین (R95p، R95d، AEPI و R95pT) بر روی کشور ایران، با استفاده از دوره مرجع 2014-1990 بر اساس رویکرد مجموعه چندمدلی و روش وزن‌دهی مبتنی بر رتبه با کاربست پنج مدل از مدل‌های CMIP6 انجام شد. وزن هر مدل بسته به مهارت شبیه‌سازی تاریخی آن محاسبه و سپس، گروه‌های وزن‌دار و بدون وزن برای پیش‌نگری‌های آینده استفاده شدند. نتایج بررسی مهارت نشان می‌دهد که مدل MPI-ESM1-2-HR با MR_taylor برابر با 5/0 و با MR_IVS برابر با 6/0 به ترتیب دومین و اولین مدل مناسب در بین پنج مدل منتخب برای شبیه‌سازی الگوهای فضایی و زمانی شاخص‌های بارش فرین است. بنابراین تفکیک افقی مدل تنها عامل تعیین کننده مهارت مدل در شبیه‌سازی نیست و بهبود در فرآیندهای فیزیکی نیز مورد نیاز است. نتایج نشان می‌دهد احتمال اینکه کل بارش فرین (R95p) و شدت مطلق بارش فرین (AEPI) در منطقه مورد مطالعه، در دوره 2050-2026 تحت چهار سناریوی SSP1-2.6، SSP2-4.5، SSP3-7.0 و SSP5-8.5 بیش از صفر باشد، در کل کشور بزرگتر از 5/0 است. با توجه به مقدار میانه نزدیک به صفر و یا حتی منفی شاخص فرین R95d، تقدم افزایش مقدار بارش فرین بر تعداد روزهای رخداد استنباط می‌شود و این بارش‌های فرین در تعداد روزهای کمتری رخ خواهند داد که خود اعلام خطری برای رخداد بارش‌های سیل‌آسا می‌باشد. مقایسه بین میانگین‌های گروه وزن‌دار و بدون وزن نشان می‌دهد که عدم قطعیت پیش‌نگری احتمالی آینده در منطقه مورد مطالعه تقریباً همیشه پس از اعمال حالت وزن‌دهی به مدل‌ها برای پیش‌نگری احتمالی آینده کاهش می‌یابد.
