پاورپوینت شناخت و بررسی کارایی مدل آماری ریزمقیاس نمایی LARS WG

پاورپوینت شناخت و بررسی کارایی مدل آماری ریزمقیاس نمایی LARS WG

دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 16 اسلاید

 قسمتی از متن (..ppt) : 
 

بسم الله الرحمن الرحیم
 
شناخت و بررسی کارایی مدل آماری ریزمقیاس نمایی LARS WG
مقدمه
به استناد مطالعات انجام گرفته مدلهای سه­بعدی گردش عمومی اتمسفر-اقیانوس AOGCM که بر پایه قوانین فیزیکی استوار می باشند از معتبر ترین ابزار برای تولید سناریوی اقلیمی در دوره‎های آتی می باشند.تا کنون مدل های گردش عمومی مختلفی در مراکز گوناگون تحقیقاتی تدوین و طراحی شده است که از آن جمله می توان به مدل های
HadCM3,ECHO-G,HADGEM و ... اشاره نمود. با تدوین سناریو های انتشار گاز های گلخانه ای توسط IPCC ، مدل های گردش عمومی جو با فرضیات مختلف انتشار مانند B2, B1, A2 , A1 و ... اجراء شده اند.
خروجی مدل های گردش عمومی جو به دو روش آماری و دینامیکی ریز مقیاس می گردند.
ریز مقیاس نمایی دینامیکی مانند :
RegCM3, MM5 و PRECIS .
انواع مدل های ریز مقیاس نمایی آماری عبارتند از :
SDSM, CLIGEN, LARS-WG, USCLIMATE, GEM, MET& Rol and etc.
خلاصه مقایسه ای خصوصیات روش های ریز مقیاس نمایی 

ریزمقیاس نمایی آماری
ریز مقیاس نمایی دینامیکی
نقاط قوت
1. تولید داده های اقلیمی در مقیاس ایستگاه
2. ارزان، انعطاف پذیر و قابل گسترش به وسیله نرم افزارهای کامپیوتر
3. امکان بررسی انواع سناریوهای اقلیمی و تحلیل عدم قطعیت آنها
4. محاسبات ساده آماری
5. تولید انواع متغییر های اقلیمی کوچک مقیاس

1. اطلاعات اقلیمی با قدرت تفکیک 50-10 km از خروجی های GCM
2. تولید اطلاعات با وضوح (رزولوشن) بهتر
3.پاسخ فیزیکی به متغیر های اقلیمی
3. تحلیل فرایندهای اتمسفریک مثل بارش
4. سازگاری با مدل های گردش عمومی جو
نقاط ضعف
1.وابستگی کامل نتایج بدست آمده به واقعی بودن داده های GCM
2. احتیاج به داده های با کیفیت بالا و قابل اعتماد برای کالیبراسیون
3. ناپایداری روابط بین پیش بینی کننده ها و پیش بینی شونده ها
4. تاثیر انتخاب نوع متغییرهای پیش بینی کننده و پیش بینی شونده ها
5. فیدبک های سیستم آب و هوا را شامل نمی شود


1.تاثیر اندازه منطقه مورد نظر نسبت به تقسیمات سلول های اصلی
2. نیاز به محاسبات طولانی و از نظر محاسباتی فشرده
3. مجموع سناریوهای اقلیمی بندرت تولید می شود
4. شرایط مرزی اولیه روی نتایج اثرگذار است قابل انتقال به مناطق جدید نیست.
5. نیاز به پس پردازش آماری دارند