مقایسه پوشش برف بین برونداد یک مدل پیش بینی عددی و داده های سنجده MODIS در ایران

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 148

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-14-3_014

تاریخ نمایه سازی: 29 بهمن 1401

چکیده مقاله:

هدف این مطالعه، امکان سنجی استفاده از برونداد پوشش برف مدل پیش بینی عددیWRF با هدف بهبود پیش بینی های مرتبط با ذوب برف می باشد. با توجه به تعداد محدود ایستگاه های دیدبانی برف سنجی در مناطق کوهستانی کشور، داده های ماهواره ای به عنوان اطلاعات دیدبانی و سنجش برف با پوشش گسترده مکانی، میتواند مورد استفاده قرار گیرد. در این مطالعه شاخص نرمال شده تمایز برف با استفاده از داده های سنجنده MODIS استخراج و با برونداد مدل پیش بینی عددی WRF در یک مطالعه موردی مقایسه و خروجی مدل با استفاده از جدول احتمالاتی ارزیابی می شود. منطقه مورد مطالعه محدوده گچسر تا کندوان استان البرز مورخ ۲۸ تا ۳۰ ژانویه ۲۰۱۷ با بارش برف سنگین می باشد. تحلیل همدیدی معرف شیو فشاری قوی همراه با هوای سرد در لایه میانی جو است. برهم نهی داده پوشش برف ماهواره و خروجی مدل در یک شبکه منظم ۷۸×۹۰ نقطه ای با تفکیک ۵ کیلومتر، معرف ضریب همبستگی خطی ۷/۰ در سطح معنی داری۹۵% برای سه روز می باشد. میانگین احتمال آشکارسازی برف ۸۷% و میانگین احتمال آشکار سازی نادرست مدل حدود ۲۰% برآورد شده است. شاخص آزمون مهارت هیدک کیفیت اجرای مدل را حدود ۷۰% در روزهای بدون ابر برآورد می کند. به نظر می رسد به علت ابرناکی، هم خوانی داده های ماهواره با برونداد مدل کاهش یافته باشد. به گونه ای که در روز ۲۸ ژانویه (هوای نیمه ابری)، صحت پیش بینی ها به ۵۷% کاهش می یابد که ممکن است ناشی از دیدبانی نادرست ماهواره یا پیش بینی نادرست باشد. به علت عدم وجود ایستگاه زمینی نمی توان به درستی در این خصوص اظهار نظر نمود.

کلیدواژه ها:

مدل پیش بینی عددی WRF ، شاخص نرمال شده تمایز برف ، جدول احتمالاتی و داده سنجش از دور

نویسندگان

سحر تاجبخش

پژوهشکده هواشناسی-سازمان هواشناسی کشور

مهدی رهنما

هیات علمی پژوهشکده هواشناسیی

امیر حسین نیکفال

کارشناس پژوهشکده هواشناسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :