ارزیابی تاثیر پس پردازش بر بهبود مهارت پیش بینی های همادی فصلی بارش و دما پایگاه داده C3S در ایران

پیش بینی های فصلی نقشی حیاتی در مدیریت منابع آب و توسعه سامانه های پیش بینی و خشکسالی ایفا می کنند. در تحقیق حاضر پیش بینی های همادی ماهانه بارش و دمای سه مرکز پایگاه داده C3S در طول سال های 1993 تا 2018 برای هشت گروه بارشی ایران در افق های زمانی 1 تا 3 ماه مورد بررسی و ارزیابی قرار گرفت. همچنین با هدف بهبود مهارت پیش بینی های خام در هشت گروه بارشی، از روش های نگاشت چندک (QM)، روش مقیاس ‎دهی خطی (LS) و روش نگاشت توزیع گاما (GDM) برای پس پردازش پیش بینی های بارش و از روش های مقیاس دهی خطی (LS) و روش مقیاس دهی واریانس (VS) برای پس پردازش پیش بینی های دما استفاده شد. نتایج این تحقیق نشان می دهد که پیش بینی های خام بارش مدل ها در گروه های بارشی غرب ایران بهترین و در گروه های بارشی شمال ایران ضعیف ترین عملکرد را دارند. پیش بینی های دما در اغلب موارد، فرو پیش بینی و تقریبا همه روش های پس پردازش قادر به تقلیل خطاها و بهبود دقت پیش بینی ها در بیشتر گروه های بارشی بخصوص برای پیش بینی های مدل ECMWF بودند. در حالت کلی مدل های ECMWF بعد از پس پردازش بهترین عملکرد و مدل MF بدترین عملکرد را داشت. در بین روش های پس پردازش بارش دو روش GDM و LS عملکرد بهتری داشتند که در گروه های پربارش شمال ایران (G6 و G8) برتری روش های LS و GDM کاملا محسوس است. در خصوص پس پردازش پیش بینی های همادی دما، روش  VSکمی بهتر از LS بود و عملکرد روش های پس پردازش در ماه های سرد سال (اواخر فصل پاییز و فصل زمستان) بسیار موثر و در ماه های گرم (فصل تابستان) اندکی ضعیف تر از بقیه ماه ها بود.