کاربست شبکه های پیچیده در درستی سنجی نتایج سامانه پیش بینی جهانی (GFS)

سامانه زمین-جو در مقیاس های مختلف، دینامیک پیچیده ای در گستره فضا-زمان دارد. مدل های پیش بینی وضع هوا با گسسته سازی معادلات حاکم پیوسته روی نقاط شبکه و افزودن طرحواره های فیزیکی برای نمایش اثر پدیده های با مقیاس کمتر از فاصله بین نقاط شبکه، وضعیت آینده را پیش بینی می کنند. این مدل ها نیاز به ارزیابی داشته و سنجه های مرسوم ارزیابی خطا برای این امر کافی نیستند. هدف این پژوهش تلاش در راستای بهبود روش شناسی پیش بینی وضع هوا با وارد کردن تحلیل شبکه های پیچیده در امر ارزیابی خطای مدل هاست.در این مقاله با استفاده از شبکه های ساخته شده روی داده های دمای مرجع (ERA۵) به عنوان داده مشاهده ای و پیش بینی (GFS)، سنجه ای جدید معرفی شد که با رویکردی کل نگرانه و ساختارگرایانه به ارزیابی پیش بینی یک دوره پنج روزه دمای تراز دومتر و دمای تراز ۸۵۰ هکتوپاسکال پرداخته است. برای این منظور، همبستگی میان سری های زمانی پنج روزه دمای هر دو نقطه شبکه محاسبه و بر اساس ماتریس همبستگی و شرط محدودکننده فاصله، از اتصال نقاط، شبکه هایی ساخته و سپس با استفاده از معیار f-score مقایسه شدند. مشاهده شد که در فرایند پیش بینی، مطابق انتظار مدل در نمایش همبستگی نقاط نزدیک به هم، بهتر عمل می کند و با زیاد شدن فاصله نقاط از دقت مدل در نمایش همبستگی کاسته می شود. اما شیب کاهش دقت با افزایش فاصله برای اجراهای مختلف متفاوت است. در نتیجه، پیش بینی ای دقیق تر است که شیب کمتری داشته باشد. همچنین، نتایج نشان دهنده وجود رابطه میان خطای ساختاری مشاهده شده در دمای تراز ۸۵۰ هکتوپاسکال با ریشه میانگین مربعات خطای بارش است.

کلیدواژه ها:

درستی سنجی ، سنجه خطا ، GFS ، ERA۵ ، شبکه های پیچیده