پس پردازش خروجی مدل WRF به روش کوکریجینگ، برای کمیت های دمای کمینه و بیشینه بر روی ایران

در مسائل مرتبط با هواشناسی، آب شناسی و کشاورزی دسترسی به پیش بینی­های دقیق دمای کمینه و بیشینه در هر مکانی ضروری است. ازاین رو استفاده از پیش بینی­های با دقت مناسب مدل WRF در تمام نقاط شبکه ضروری است. اما خروجی مدل با خطای سامانمند همراه است. هدف این مطالعه تصحیح خطای پیش­بینی­های ۲۴، ۴۸ و ۷۲ ساعته دمای بیشینه و کمینه در نقاط شبکه برروی ایران است. خطای مدل طی دوره آموزش ۵ و ۱۴ روزه، برای نقاطی از شبکه که دارای داده مشاهداتی هستند محاسبه شد. این خطاها در نواحی هم­اقلیم، با استفاده از روش درون­یابی کوکریجینگ، در سایر نقاط شبکه برآورد شد. بدین ترتیب پیش­بینی خام مدل برای نقاط فاقد داده مشاهداتی حفظ، و تنها مقادیر برآورده شده خطا بر روی آنها اعمال می­شود. دوره آماری ۱۵ ماه، از ۱/۱۱/۲۰۱۹ الی ۱/۲/۲۰۲۱ برای ۵۶۰ ایستگاه مشاهداتی کشور در نظر گرفته شد. نتایج نشان داد خطای برونداد خام مدل در ماه­ها، مکان­ها و نواحی اقلیمی مختلف، توزیع یکنواختی ندارد. RMSE برونداد خام مدل برای کل کشور در پیش­بینی­های دمای بیشینه و کمینه به ترتیب تقریبا ۶ و ۵ درجه سلسیوس است، که بعد از تصحیح، به ترتیب به کمتر از ۲ و ۴ درجه می­رسند. تغییر پذیری نمره مهارت در تمامی نواحی اقلیمی و ماه­های مختلف بعد از تصحیح خطا بسیار کاهش یافته و در محدوده صفر تا یک قرار می­گیرد. روش تصحیح خطای ۱۴ روزه نسبت به روش ۵ روزه چندان سبب بهبود نمره مهارت مدل نشد و می­توان با روش ۵ روزه با هزینه محاسباتی کمتر به دقتی مشابه رسید.

کلیدواژه ها:

climatic zones ، Cokriging ، interpolation ، Skill Score ، systematic error