تصحیح اریبی خروجی مدل های عددی پیش بینی بارش پایگاه داده TIGGE

پیش بینی بارش به دلیل استفاده در مطالعات سیلاب و منابع آب از اهمیت بسیار بالایی برخوردار است. مدل های عددی پیش بینی وضع هوا در سال های اخیر توسعه زیادی یافته است. امروزه مراکز هواشناسی مطرح دنیا از این مدل ها در پیش بینی های هواشناسی استفاده نموده اند، در پایگاه داده TIGGE نیز از این مراکز در پیش بینی های هواشناسی استفاده شده است. پژوهش حاضر باهدف بررسی اثر هفت روش تصحیح اریبی بر مدل های پیش بینی بارش موجود در پایگاه داده TIGGE، جهت پیش بینی بارش در حوضه پلدختر به انجام رسیده است. از داده های پیش بینی بارش در مقیاس روزانه (۲۰۲۰-۲۰۱۶) در این پژوهش استفاده شد. هم چنین عملکرد ۱۰ مدل پیش بینی بارش در پایگاه داده TIGGE بررسی شد. از داده مشاهده ای هفت ایستگاه باران سنجی جهت صحت سنجی پیش بینی ها استفاده شد. نتایج به دست آمده نشان داد که اکثر مدل های پیش بینی در ارتفاع کم، کم ترین RMSE و در ارتفاعات بالا، بیش ترین مقدار این شاخص را داشت. از میان ۱۰ مدل مورد بررسی پایگاه TIGGE، مدل ECMWF  دارای کم ترین RMSE در حدود پنج میلی متر در روز در حوضه پلدختر بود. برخلاف آن داده های بارش پیش بینی شده توسط مرکز NCMRWF بالاترین RMSE در حدود ۸/۸ میلی متر در روز داشتند. هم چنین ارزیابی بارش تصحیح شده نشان داد که روش های EZ، STB و QM در برخی از ایستگاه ها در مدل های مورد بررسی برتری داشتند. درحالی که تاثیر منطقه جغرافیایی در روش Delta وجود نداشت و در تمام مدل های مورد بررسی برتری داشت. روش های LS و EQM نتوانستند پیش بینی بارش مدل های عددی را تصحیح نمایند و تغییری در پیش بینی ها ایجاد نمایند. تصحیحات روش TVSV  نیز با بارش مشاهده ای اختلاف زیادی داشت، این روش فقط در تصحیح روزهای بدون بارش عملکرد مناسبی داشته باشد. با توجه به تحقیق حاضر، پس پردازش بارش پیش بینی شده مدل های عددی، کارایی مدل های پیش بینی بارش را در سامانه هشدار سیل افزایش می دهد.

کلیدواژه ها:

Error correction ، numerical weather prediction model ، post-processing ، delta bias correction factor ، QM bias correction factor ، پس پردازش ، تصحیح اریبی نگاشت چندک ، روش تصحیح اریبی Delta ، مدل های عددی هواشناسی.