ارزیابی عملکرد مدل عددی پیش بینی بارش محلی WRF و منطقه ای IFS در تخمین بارش

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 105

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-55-11_003

تاریخ نمایه سازی: 28 اسفند 1403

چکیده مقاله:

امروزه مدل های عددی بسیاری به منظور شبیه سازی تغییرات مولفه های جوی همچون بارش توسعه داده شده اند. پژوهش حاضر با هدف ارزیابی کارایی عملکرد مدل Weather Research and Forecasting (WRF) و سامانه عددی Integrated Forecast System (IFS) در شبیه سازی بارش در حوضه پلدختر انجام شده است. نتایج نشان داد که مقادیر بارش شبیه سازی شده توسط مدل WRF در گام زمانی ۶ ساعته از همبستگی بیشتری با مقادیر مشاهداتی برخوردار می باشد (متوسط شاخص همبستگی WRF برای رخدادهای ۲۰۱۶ و ۲۰۱۸ برابر با ۴۹/۰ و برای سامانه IFS در رخداد ۲۰۱۶، ۴۳/۰، در رخداد ۲۰۱۸، ۱۵/۰). درحالی که سامانه IFS در گام های زمانی بزرگتر دارای همبستگی بیشتری با داده های مشاهداتی است (متوسط شاخص همبستگی در گام زمانی ۲۴ ساعته در رخدادهای ۲۰۱۶ و ۲۰۱۸ برای مدل WRF به ترتیب ۷۲/۰ و ۶۰/۰ و برای سامانه IFS، به ترتیب ۷۵/۰ و ۷۰/۰ می باشد). براساس شاخص خطای NRMSE، متوسط مقدار خطا در گام های زمانی ۶، ۱۲ و ۲۴ ساعته برای مدل WRF به ترتیب ۹۸/۰، ۸۶/۰ و ۶۷/۰ میلی متر (رخداد ۲۰۱۶)، ۹۷/۰، ۷۲/۰ و ۷۵/۰ میلی متر (رخداد ۲۰۱۸) و برای سامانه عددی IFS به ترتیب ۰۱/۱، ۸۰/۰ و ۶۶/۰ میلی متر (رخداد ۲۰۱۶) و ۲۰/۱، ۷۶/۰ و ۷۹/۰ میلی متر (رخداد ۲۰۱۸) می باشد. همچنین در گام زمانی ۲۴ ساعته نتایج حاصل از سامانه عددی IFS نیز تقریبا مشابه نتایج حاصل از اجرای مدل WRF می باشد. بنابراین، می توان از پیش بینی های این مدل ها در گام زمانی روزانه بهره برد. البته ذکر این نکته نیز ضروری است که کاربرد روش تصحیح اریبی با هدف کاهش خطای خروجی مدل های عددی پیش بینی جوی ضروری است.

کلیدواژه ها:

بارش ، تصحیح اریبی ، سامانه عددی IFS ، مدلسازی عددی آب و هوا ، مدل WRF

نویسندگان

سکینه کوهی

گروه مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

اصغر عزیزیان

استادیار گروه مهندسی آب/ دانشگاه بین المللی امام خمینی قزوین

محمدسعید نجفی

پژوهشکده مطالعات و تحقیقات منابع آب، موسسه تحقیقات آب، وزارت نیرو، تهران، ایران

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 :
  • Abidin, H. Z., Andreas, H., Gumilar, I., & Wibowo, I. ...
  • Amini, S., Azizian, A., & Daneshkar Arasteh, P. (۲۰۲۱). Determining ...
  • Dasari, H. P., & Challa, V. S. (۲۰۱۵). A Study ...
  • Frnda, J., Durica, M., Rozhon, J., Vojtekova, M., Nedoma, J., ...
  • Hamill, T. M., Engle, E., Myrick, D., Peroutka, M., Finan, ...
  • Khansalari, S., Fatahi, E., Oskouei, E. A., & Rahnama, M. ...
  • Kim, K. B., Kwon, H. H., & Han, D. (۲۰۱۶). ...
  • Kirkwood, C., Economou, T., Odbert, H., & Pugeault, N. (۲۰۲۱). ...
  • Michalakes, J., Chen, S., Dudhia, J., Hart, L., Klemp, J., ...
  • Park, S. (۲۰۲۱). IFS DOCUMENTATION – Cy۴۷r۳-PART II: DATA ASSIMILATION ...
  • Pearson, K. (۱۸۹۶). Mathematical Contributions to the Theory of Evolution.–On ...
  • Saedi, A., Saghafian, B., Moazami, S., & Aminyavari, S. (۲۰۲۰). ...
  • Stanski, H. R., Wilson, L. J., & Burrows, W. R. ...
  • Taghavi, F., Neyestani, A., & Ghader, S. (۲۰۱۳). Short range ...
  • Tri, D. Q., Thai, T. H., & Van Hoa, V. ...
  • نمایش کامل مراجع