پیش بینی قابل اعتماد دمای ماهانه نقش مهمی درکشاورزی هوشمنداقلیم محور،پایداری تولید غذا و کاهش ریسک مخاطرات اقلیمی دارد. این مطالعه با هدف بهبوددقت پیش بینی ماهانه دمای کشور در دوره سرد سال (نوامبر تا می) که عمدتا همزمان با فصل کشت پاییزه است، انجام شد. برای این منظور کارایی طرحواره های مختلف همرفت مدلRegCM4.5شامل کو (Kuo)، گرل (Grell)، امانوئل (Emanuel،)تیدکه(Tiedtke) و کین (Kain) در پیشبینی دمای کشور در اقلیمهای مختلف مورد مطالعه قرار گرفت. سپس بر اساس طرحواره همرفت مناسب برای هر ناحیه اقلیمی، مدل ترکیبی همرفت-ناحیه اقلیمی برای کل کشور ارائه گردید. داده های شرایط مرزی و اولیه از مدل پیشبینی اقلیمی جهانیCFSv.2با تفکیک افقی حدود100×100کیلومتر (95/0×95/0درجه) در دوره2019-2014اخذ شدند و تا سطح30×30کیلومتر مقیاس کاهی دینامیکی شدند و نتایج با داده های دمای پایگاهCRUمقایسه شدند. نتایج نشان دادند که مدل پیش بینی تلفیقی همرفت-ناحیه اقلیمی توانسته است کارایی پیش بینی ماهانه را به مقدار قابل توجهی ارتقاء دهد،چنانکه شاخصهای آماریr،RMSEوMBEبه ترتیب از96/0،09/3درجه سلسیوس و74/2-درجه سلسیوس به99/0،59/0درجه سلسیوس و45/0- درجه سلسیوس بهبود یافت. یافته های این پژوهش نشان میدهد که مهارت پیش بینی های دمای ماهانه نه تنها به طرحواره های همرفت بلکه به ناحیه بندی اقلیمی منطقه مورد مطالعه بستگی دارد.

کلمات کلیدی