فاطمه شعبان پور - گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
جواد بذرافشان - دانشیار، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
شهاب عراقی نژاد - گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

روش های تصحیح اریبی از جمله روش های آماری متداول برای پس­پردازش خروجی مدل های اقلیمی هستند. در این تحقیق، تاثیر پنج روش تصحیح اریبی بر مهارت پیش­بینی بارش (فصل پاییز) مدل اقلیمی CFSv۲ بر مبنای ۱۲ ایستگاه واقع در حوضه آبریز گرگانرود (شمال ایران) مورد ارزیابی قرارگرفته است. روشهای تصحیح اریبی مورد استفاده در این تحقیق شامل دو روش  ناپارامتری (نسبت گیری خطی(LS) ، نگاشت چندکی تجربی (EQM))، یک روش پارامتری (تبدیل توانی (Ptr)) و دو روش پارامتری مبتنی بر توزیعهای آماری (نگاشت پارامتری چندک (PQM)، نگاشت چندکی پارامتری تعمیم یافته (GPQM)) می­باشند. از سنجه­های متنوعی برای ارزیابی تاثیر این روش ها بر مهارت پیش­بینی فصلی بارش استفاده شده است که شامل متوسط اریبی، متوسط ضریب همبستگی پیرسون و همچنین دو سنجه مهارت پیش­بینی احتمالاتی شامل امتیازهای مهارتی، ویژگی عملیاتی نسبی (ROCSS) و رتبه احتمال (RPSS) می­باشد. نتایج این تحقیق نشان می­دهد بیشتر روشهای تصحیح اریبی و در موارد بالایی به خوبی توانستند اریبی موجود در پیش­بینی­ها را کاهش دهند. تاثیر استفاده از روشهای مختلف تصحیح اریبی بر مهارت پیش­بینی احتمالاتی با استفاده از سنجه­های RPSS و ROCSS نیز وابسته به محل و زمان متفاوت است و هر یک از روش­ها می­توانند این سنجه­ها را برای محل یا زمانی بهبود دهند و یا تضعیف کنند. از اینرو نتیجه این تحقیق پیشنهاد می­کند ارزیابی روش­های مختلف تصحیح اریبی و شناسایی مناسب­ترین روش با توجه به هدف هر مطالعه می­تواند به ارتقاء مهارت پیش­بینی فصلی بارش کمک کند.

پیش بینی بارش فصلی, تصحیح اریبی, مهارت, ریزمقیاس نمایی, اقلیم شناسی