مهرانه خدامرادپور

پیش بینی خشکسالی می تواند نقش موثری در کاهش خسارت ناشی از آن در حوزه های کشاورزی، اقتصاد و محیط زیست داشته باشد. این تحقیق به پیش بینی شاخص خشکسالی کشاورزی SPEI، به دلیل نقش موثر دما در شدت خشکسالی در این شاخص، در کل کشور ایران (91 ایستگاه هواشناسی سینوپتیک) در دوره پیش بینی (2023-2015) با استفاده از خروجی های مدل منطقه ای اقلیمی RegCM می پردازد. ایستگاه های سینوپتیک بر اساس طبقه بندی اقلیمی یونسکو به نه تیپ اقلیمی متفاوت تقیسم بندی می شوند. سپس خروجی های میانگین دمای هوا، تبخیر -تعرق مرجع پنمن مانتث فائو56 و بارندگی برآورد شده توسط مدل RegCM جفت شده با طرحواره های سطح BATS (RegBATS) و CLM (RegCLM) به طور جداگانه در دوره ارزیابی (2014-2005) با شاخص های ارزیابی خطای اُریبی مدل (BIAS) و میانگین مطلق خطا (MAE) بررسی می شوند. مدل RegCM برای کل ایران با نقطه مرکزی به طول جغرافیایی 61/53 درجه و عرض جغرافیایی 18/33 درجه با گام مکانی Km30× Km30 با 82 نقطه شبکه در راستای نصف النهار و 82 نقطه شبکه در راستای مدار اجرا می شود. خروجی های 6 ساعته مدل اقلیمی CSIRO-MK 3.6 با سناریوی تابشی RCP4.5 (سناریوی تثبیت) برای تأمین شرایط اولیه و مرزی اجرای مدل بکار می رود. هر دو مدل RegBATS و RegCLM کم ترین خطاها را در برآورد میانگین دمای هوا در مقیاس ماهانه و فصلی، به ویژه در نواحی مرطوب و خیلی مرطوب، دارند، به طوری که مدل RegCLM در مقایسه با مدلRegBATS ، با افزایش میانگین دمای هوا سبب کاهش فروتخمین (حتی در مواردی فراتخمین) خطای اُریبی مدل و کاهش خطای MAE در اکثر نواحی گردد. کاهش بارندگی برآورد شده توسط مدل RegCLM نسبت به مدل RegBATS سبب کاهش فراتخمین و کاهش خطاهای مدل شود، هر چند که هر دو مدل در برآورد بارندگی در نواحی دارای اقلیم مرطوب وخیلی مرطوب در فصل های پاییز و زمستان از عدم قطعیت بسیار بالایی برخوردارند. مدل RegCLM با افزایش تبخیر و تعرق مرجع در مقایسه با مدل RegBATS ، به دلیل افزایش دمای هوا، سبب کاهش فروتخمین و کاهش خطای مدل می شود. مدل RegCLM، علیرغم کاهش خطاهای مدل، در برآورد تبخیر و تعرق مرجع در اقلیم نیمه مرطوب در فصل بهار دارای خطاهای بالای BIAS و MAE (mm/month76) است. شاخص SPEI با پیش بینی های مدل RegCLM، به دلیل کاهش عدم قطعیت نسبت به مدل RegBATS، در دوره پیش بینی (2023-201