ارزیابی پیش بینی بارش مدل منطقه ای wrf برای بارش های سنگین روزانه استان قزوین طی دوره ۱۳۸۱ تا ۱۳۹۰
Authors
abstract
در این تحقیق پیشبینی بارش توسط مدلwrf برای بارشهای سنگین روزانه استان قزوین مورد ارزیابی قرار گرفت. به این منظور سی مورد از بارشهای سنگین استان قزوین در دهه هشتاد شمسی با دو پیکربندی متفاوت از طرح وارههای مدل wrf (kfmyj و gdmyj) در بازههای زمانی 24، 48 و72 ساعته شبیهسازی شدند. با توجه ویژگیهای ناهمواری و نوع اقلیم، استان قزوین به پنج ناحیه بارشی شامل دشت، حاشیه دشت، کوهپایه، ارتفاعات جنوبغربی و ارتفاعات شمالشرق تقسیم شد. سپس با دو رویکرد نقطهای و منطقهبندی، بارشهای شبیهسازی شده با مقادیر دیدبانی متناظر مقایسه و مورد ارزیابی قرار گرفت. براساس نتایج این تحقیق، جذر میانگین مربعات خطا و اریبی چندگانه مقادیر شبیهسازی شدهی بارش توسط مدل در بازه 24 ساعت نسبت به بازههای 48 و72 ساعت بهتر و به ترتیب در حدود 7/8 و 7/1 برای طرحواره gdmyمیباشد. همچنین ضریب همبستگی بین بارش شبیهسازی مدل و مشاهدات برای ناحیه کوهپایهای در مقایسه با سایر نواحی دارای مقدار بالاتری در حدود 5/0 میباشد. بطور کلی نسبت خطای سامانمند به کل خطای مدل بسیار پایین میباشد که نشان میدهد بیشتر خطای مدل ناشی از تغییرپذیری نوعهای ناسامانمند و تصادفی است. با در نظر گرفتن آستانه بارش mm10≤ و تشکیل جدول توافقی برای وقوع یا نبود بارش، امتیازهای مهارتی مدل برای منطقه قزوین محاسبه شد. نتایج نشان دادکه مهارت مدل در پیش بینی بارشهای 24، 48 و72 ساعت در آستانه مذکور دارای دقت قابل قبولی میباشد و به طور متوسط در حدود 71 درصد موارد، پیش بینی به درستی انجام شده است.
similar resources
ارزیابی پیشبینی بارش مدل منطقه‌ای WRF برای بارشهای سنگین روزانه استان قزوین طی دوره 1381 تا 1390
در این تحقیق پیشبینی بارش توسط مدلWRF برای بارشهای سنگین روزانه استان قزوین مورد ارزیابی قرار گرفت. به این منظور سی مورد از بارشهای سنگین استان قزوین در دهه هشتاد شمسی با دو پیکربندی متفاوت از طرح وارههای مدل WRF (KFMYJ و GDMYJ) در بازههای زمانی 24، 48 و72 ساعته شبیهسازی شدند. با توجه ویژگیهای ناهمواری و نوع اقلیم، استان قزوین به پنج ناحیه بارشی شامل دشت، حاشیه دشت، کوهپایه، ارتفاعات جن...
full textبررسی عملکرد مدل های منطقه ای hrm ،mm5 و wrf برای پیش بینی بارش روی ایران
تاثیر پیش بینی صحیح وضع هوا در تمام جنبه های زندگی عادی و روزمره و نیز در امور تخصصی بر همگان روشن است. همچنین ضرورت استفاده از مدل های منطقه ای پیش بینی عددی وضع هوا برای صدور پیش بینی وضع هوا انکارناپذیر است به طوری که هرساله این مدل ها در جهان بهبود یافته و متنوع تر می شوند. اما پیش بینی کدام یک از مدل های nwp بهتر است؟ این یک سوال مشترک بین تمام هواشناسان و حتی کاربران پیش بینی های هوشناسی ...
15 صفحه اولارزیابی پیش بینی های کوتاه مدت بارش مدل عددی wrf در منطقه ایران در دوره یک ماهه
پیش بینی عددی مقدار بارش مانند دیگر کمیت های هواشناختی در سطح زمین با خطا همراه است و همواره تلاش می شود با به کارگیری روش های مناسب، مقدار خطا کاهش یابد. بدین منظور نیاز به ارزیابی خروجی مدل های عددی به منظور سنجش میزان تطابق بین پیش بینی ها و مشاهدات برای انتخاب بهترین حالت وجود دارد. در این تحقیق، روش هایی برای ارزیابی پیش بینی های بارش کمّی معرفی خواهد شد. شیوه ارزیابی رایج در پیش بینی بارش،...
full textارزیابی پیشبینیهای کوتاه‌مدت بارش مدل عددی WRF در منطقه ایران در دوره یک‌ماهه
پیشبینی عددی مقدار بارش مانند دیگر کمیت‌های هواشناختی در سطح زمین با خطا همراه است و همواره تلاش می‌شود با به‌کارگیری روشهای مناسب، مقدار خطا کاهش یابد. بدین‌‌منظور نیاز به ارزیابی خروجی مدل‌های عددی به‌‌منظور سنجش میزان تطابق بین پیش‌بینی‌ها و مشاهدات برای انتخاب بهترین حالت وجود دارد. در این تحقیق، روش‌هایی برای ارزیابی پیشبینیهای بارش کمّی معرفی خواهد شد. شیوه ارزیابی رایج در پیشبینی بار...
full textارزیابی دقت شبکه عصبی مصنوعی بازگشتی نارکس در پیش بینی بارش روزانه در استان کرمان
بارش یکی از پارامترهای مهم اقلیمشناسی و سایر علوم جوّی که از اهمیّ تّ والای یّ در حیات بشر برخوردار است. در سالهای اخیر، سیل و خشکسالی خسار های فراوانی را در بس یّاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلا نق شّ مهمی بر عهده دارد. امروزه شبکههای عصبی مصنوعی از جمله روشهای نوین م یّباش دّ ک هّ برای تخمین و پیشبینی پارامترها با استفاده از ارتباط ذاتی بین دادهه اّ توس عّه یا...
full textMy Resources
Save resource for easier access later
Journal title:
پژوهش های علوم و فنون دریاییجلد ۹، شماره ۴، صفحات ۸۸-۱۰۲
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023