تعیین مقیاس زمانی مناسب پیشبینی های کوتاه و میان مدت مدلهای عددی هواشناسی جهانی در بخشهای مختلف ایران
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 138
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-16-4_013
تاریخ نمایه سازی: 29 بهمن 1401
چکیده مقاله:
مدلهای پیشبینی بارش نقش اساسی در عملکرد هر چه بهتر سامانه های پیشبینی هواشناسی و سیلاب ایفا می کنند. در مطالعه حاضر، عملکرد پیشبینیهای پنج مدل عددی هواشناسی موجود در پایگاه TIGGE به منظور بررسی دقت پیشبینیها طی گام زمانیهای ۱ تا ۱۰ روزه در اقلیم های مختلف کشور ایران (در محل ۳۸ ایستگاه سینوپتیک) طی بازه زمانی ۲۰۱۴ تا ۲۰۱۸ مورد ارزیابی و اصلاح اریبی قرار گرفتند. بررسی شاخصهای آماری و جدولی حاکی از کاهش دقت پیشبینیها با افزایش گام زمانی می باشد. طبق نتایج بدست آمده عمده مدلهای هواشناسی به ویژه دو مدل ECMWF و UKMO حداکثر تا افق زمانی ۳ روزه از همبستگی مناسبی با داده های زمینی برخوردار بوده و در عین حال نیز دارای خطای کمتری (در تخمین مقدار بارش و پیش بینی روزهای بارانی) می باشند. با اصلاح اریبی داده های خام پیش بینی عملکرد مدلهای عددی آب و هوا به طور قابل توجهی افزایش یافت، به طوری که در گام زمانی ۱۰ روزه در مدلهای ECMWF، JMA و KMA به ترتیب بیش از ۷۰، ۶۵ و ۷۳ درصد از مقدار شاخص RMSE کاهش یافت. پس از اصلاح داده های بارش، عملکرد عمده مدلهای عددی به غیر از JMA حتی تا گام زمانی ۷ روزه نیز در اکثر اقلیمهای کشور منجربه نتایج قابل قبولی گردید. مدل JMA در اقلیم های مرطوب که شامل مناطق غربی و شمالی کشور است، به دلیل ساختار مدل آشفتگی موجود در این مدل دارای اریبی زیادی بوده و نتایج غیرقابل اعتمادی ارائه نموده است.
کلیدواژه ها:
نویسندگان
ستاره امینی
دانش آموخته رشته مهندسی منابع آب، گروه مهندسی آب دانشگاه بین المللی امام خمینی، قزوین
اصغر عزیزیان
عضو هیئت علمی گروه مهندسی آب دانشگاه بین المللی امام خمینی قزوین
پیمان آراسته
دانشیار گروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین
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 :