การปรับความคลาดเคลื่อนของปริมาณน้ำฝนจากแบบจำลองภูมิอากาศภายใต้แบบจำลองการปล่อยก๊าซเรือนกระจก A2 และ B2

บทคัดย่อ

บทคัดย่อ
บทความนี้มีจุดมุ่งหมายเพื่อเสนอแนวทางการปรับแก้ความคลาดเคลื่อนของข้อมูลปริมาณน้ำฝนจากแบบจำลองภูมิอากาศระดับภูมิภาคซึ่งเป็นผลจากแบบจำลองการคาดการณ์ภูมิอากาศโลกในระยะยาว ECHAM4 โดยใช้ภาพจำลองการปล่อยก๊าซเรือนกระจกแบบ A2 และ B2 เนื่องจากแบบจำลองภูมิอากาศมีข้อจำกัดในเรื่องของความแม่นยำของผลลัพธ์จึงมีความจำเป็นอย่างยิ่งในการลดความคลาดเคลื่อนที่เกิดขึ้นของผลลัพธ์ด้วยเหตุนี้จึงเสนอแนวทางการปรับแก้ความคลาดเคลื่อนที่เกิดขึ้นใน 2 วิธีการคือ 1) การปรับค่าเฉลี่ยที่ขึ้นอยู่กับผลของแบบจำลองภูมิอากาศระดับภูมิภาค 2) การปรับค่าเฉลี่ยที่ขึ้นอยู่กับผลการตรวจวัด โดยใช้ข้อมูลปริมาณน้ำฝนจาก 4 สถานีคือ 1) สถานีเชียงใหม่ 2) สถานีเชียงราย 3) สถานีแม่ฮ่องสอน และ 4) สถานีลำปาง ผลการปรับความคลาดเคลื่อนของข้อมูลปริมาณน้ำฝนพบว่า วิธีที่ 1 ให้ค่า RMSE ที่ดีกว่าเมื่อเทียบกับค่า RMSE ของข้อมูลปริมาณน้ำฝนก่อนปรับแก้และหลังการปรับแก้ด้วยวิธีที่ 2 ดังนั้นวิธีที่ 1 เหมาะสมสำหรับการนำไปประยุกต์ให้ในการจัดเตรียมข้อมูลน้ำฝนจากแบบจำลองภูมิอากาศระดับภูมิภาคก่อนนำไปใช้จริง

คำสำคัญ: แบบจำลองภูมิอากาศ แบบจำลองการปล่อยก๊าซเรือนกระจก A2, B2 การปรับความคลาดเคลื่อน

Abstract
The aim of this paper is to propose statistical bias correction technique for precipitation data of Regional Climate Model (RCM) which is the forecast of long run global precipitation driven by ECHAM4 and two future emission scenarios greenhouse effect type A2 and B2. Because global climate precipitation technique has its limitation on the accuracy, it is important to reduce the bias by proposing 2 methods which are: 1) adjusting the mean of RCM approach and 2) adjusting the mean of observation approach or delta method. The precipitation data were collected from the amount of rain fall from 4 weather stations, i.e. Chiangmai Station, Chiangrai Station, Mae Hong Son Station, and Lampang Station. The study showed that the first method yielded better RMSE accuracy than those of the original data and that of the second method. It can be concluded that RCM approach is a suitable technique for adjusting the accuracy of precipitation data before implementation.

Keywords: Global Climate Circulation, Emission Scenarios A2, B2, Statistical bias correction