بهبود عملکرد سامانههای پیشبینی بارش جهانی در اقلیم های مختلف ایران با روش تصحیح اریبی نگاشت چندک
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 51، شماره: 9
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96
فایل این مقاله در 17 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_IJSWR-51-9_010
تاریخ نمایه سازی: 2 خرداد 1402
چکیده مقاله:
از آنجائی که بارش به عنوان یکی از اجزاء اصلی مطالعات هشدار سیل، خشکسالی و منابع آب بهشمار میآید، پیشبینی کمی آن از درجه اهمیت بسیار بالایی برخوردار است. گسترش و پیشرفت روزافزون محاسبات رایانهای و فناوریهای ماهوارهای و سنجش از دور در سال های اخیر منجر به توسعه مدل های پیشبینی هواشناسی متعددی شده است که از مهمترین آنها میتوان به پایگاه اطلاعاتی TIGGE اشاره نمود که در برگیرنده تعدادی زیادی از مدل های پیشبینی قدرتمند است. پژوهش حاضر با هدف ارزیابی عملکرد تمامی مدلهای عددی قابل دسترس در پایگاه مذکور جهت پیشبینی بارش روزانه در ۳۸ ایستگاه سینوپتیک کشور ایران که در اقلیمهای مختلف واقع شدهاند، به انجام رسیده است. همچنین بررسی اثر تصحیح اریبی به روش نگاشت چندک (QM) بر عملکرد مدلهای پیشبینی بارش از دیگر اهداف اصلی این تحقیق بهشمار میآید. نتایج بدست آمده نشان داد که عمده مدل های پیشبینی در اقلیمهای مرطوب، نیمه مرطوب، مدیترانهای و خشک (که بیشتر مناطق جنوب غربی تا شمال غربی و شمال شرقی کشور را شامل میشوند) دارای بیشترین میزان همبستگی با دادههای زمینی هستند ولی که در اقلیمهای نیمه خشک و خیلی خشک مقدار شاخص CC به مراتب کمتر است. مقدار شاخصهای آماری CC و RMSE بدست آمده از دو مرکز ECMWF و METEO در اکثر مناطق کشور به ترتیب بالای ۶/۰ و کمتر از ۴ میلیمتر در روز است و این در حالی است که دو مدل CMA و CPTEC از کارایی چندان مناسبی برخوردار نمیباشند. همچنین ارزیابی مقادیر بارش تصحیح شده با روش QM بیانگر بهبود چشمگیر شاخصهای آماری بدست آمده از بسیاری از مراکز پیشبینی است. طبق محاسبات صورت گرفته، مقدار شاخص CC در اقلیمهای خیلی خشک، خشک و مدیترانهای به طور متوسط افزایشی در حدود ۲۰ درصد دارد. نکته مهم دیگر آنکه با حذف اریب از دادهها عملکرد مدل های عددی هواشناسی در پیشبینی مقادیر کم و بالای بارش بهبود یافته و همین مسئله قابلیت کاربرد سامانههای پیشبینی بارش در سیستمهای هشدار سیل و مدیریت منابع آب را بیش از پیش افزایش میدهد.
کلیدواژه ها:
نویسندگان
ستاره امینی
دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین
اصغر عزیزیان
استادیار گروه مهندسی آب/ دانشگاه بین المللی امام خمینی قزوین
پیمان دانش کار آراسته
دانشیار گروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین، 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 :