|
เทคนิคการปรับแต่งผลผลิตทางอุตุนิยมวิทยา จากแบบจำลองภูมิอากาศภายใต้สถานการณ์จำลอง เพื่อมุ่งเน้นการพัฒนาเศรษฐกิจในระดับภูมิภาค (A2) |
|---|---|
| รหัสดีโอไอ | |
| Creator | 1. อภันตรี ยุทธพันธ์ 2. สมชาย ใบม่วง |
| Title | เทคนิคการปรับแต่งผลผลิตทางอุตุนิยมวิทยา จากแบบจำลองภูมิอากาศภายใต้สถานการณ์จำลอง เพื่อมุ่งเน้นการพัฒนาเศรษฐกิจในระดับภูมิภาค (A2) |
| Publisher | คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนเรศวร |
| Publication Year | 2556 |
| Journal Title | วิศวกรรมสาร มหาวิทยาลัยนเรศวร |
| Journal Vol. | 8 |
| Journal No. | 2 |
| Page no. | 34-39 |
| Keyword | A2 Scenario Climate Model,PRECIS,Bias Correction Techniques |
| ISSN | 1905-615x |
| Abstract | The projection of future climate is very an essential matter which can be applied for the advance planning in many sectors for a several activities of human being in nowadays. Therefore;the accuracy and reliability of a model output is a major component for the projection. But there are still limitations in the accuracy of the climate model. Then;Bias Correction Technique for Meteorological Data of A2 scenario from Regional Climate Model (RCM) output are applied to some meteorological parameters such as precipitation;maximum-minimum temperature;wind speed;relative humidity and radiation at 8 meteorological stations in northern and central parts of Thailand which are: Lampang;Suphanburi;Nan;Sisamrong;Takfa;Chainat;Uthong and Bangna meteorological stations respectively. For the bias correction processes;there were three methods used which are: method1 adjusting the mean based on RCM;method 2 adjusting the mean based on observation and method 3 Quantile-based Mapping. To compare all methods;three datasets were needed;the observed climatic data;RCM outputs of the same calibration period;RCM outputs in validation period. By comparing the corrected and observed data in 6 parameters at validation period using RMSE;it is found that the method 2 provided the lowest RMSE in 3 parameters. It can be concluded that this method is an appropriate technique for improving the accuracy for weather prediction models. These products can also be applied for several studies such as: impact of climate change;early warning system and agricultural yield forecasting |
