بررسی دقت مرکز اروپایی پیشبینیهای میان مدت جوی (ECMWF) در پیش بینی بارش مناطق گوناگون اقلیمی ایران
نویسندگان
چکیده مقاله:
به منظور بررسی میزان خطای مرکز اروپایی پیشبینیهای میان مدت جوی (ECMWF) در پیشبینی بارش مناطق مختلف ایران، دادههای بارش ماهانه 45 ایستگاه همدیدی پراکنده در سطح کشور با دادههای بارش ماهانه ERA-Interim در نزدیکترین نقطه به هر ایستگاه مورد مقایسه آماری قرار گرفت. برای این منظور از آمارههایی مانند ضریب تعین (R2)، مجذور میانگین مربع خطا (Rmse)، شیب خط (B Slope)، اریبی (Bias) و ضریب کارایی مدل (EF) برای مقایسه آماری دادههای ERA-interim در برابر دادههای مشاهدهای ایستگاههای مورد مطالعه استفاده شده است. نتیجه این بررسی نشان داد که ERA-Interim از دقت بسیار بالایی در پیشبینی بارش بسیاری از نقاط کشور برخوردار است و میزان خطای آن در بیش از 70 درصد از ایستگاههای مورد مطالعه اندک و قابل چشم پوشی است. همچنین مشخص شد که ERA-Interim بارش ایستگاههای ناحیه ساحلی خزر و برخی ایستگاههای ناحیه ساحلی خلیج فارس را کمتر از مقدار واقعی پیشبینی میکند. کم برآورد کردن بارش در ایستگاههای ناحیه خزری عمدتا به علت ناتوانی ERA-Interim در پیشبینی درست برخی بارشهای فرین این ناحیه میباشد. اگرچه بین بارش ERA-Interim و بارش مشاهدهای در منطقه شمال غرب و شمال شرق کشور همبستگی بسیار قوی دیده میشود ولی مقدار بارش پیشبینی شده ERA-Interim برای اکثر ایستگاههای این مناطق نیز بیشتر از مقدار واقعی برآورد میشود.
منابع مشابه
ارزیابی تولیدات شبکهای تحلیل مجدد پایگاه اروپایی پیش بینی های میان مدت جوی ECMWF در مناطق اقلیمی مختلف ایران
نبود یا عدم کفایت آمار مشاهداتی اقلیمی در مناطق مختلف میتواند منجر به عدم آگاهی لازم در اقلیمهای مختلف و توان پایین مدیریت در زمینههای هواشناسی، هیدرولوژی و کشاورزی شود. امروزه توسعه مراکز پیش بینی و مدلسازی دادههای اقلیمی امکان دسترسی به دادههای تقریبا به هنگام را فراهم کرده است. در این پژوهش از داده های تحلیل مجدد پایگاه اروپایی پیش بینی های میان مدت جوی(ECMWF<...
متن کاملواکاوی سنجش دقت زمانی- مکانی بارش پایگاه دادۀ مرکز پیش بینی میان مدت جوی اروپایی (ecmwf ) بر روی ایران زمین
برای اجرای این پژوهش، مقادیر بارش شبکه ای سه ساعتی نسخة era-interim پایگاه دادة مرکز پیش بینی میان مدت جوی اروپایی (ecmwf) بر روی گسترة ایران با تفکیک مکانی 125/0 درجة قوسی طی بازة زمانی 01/01/1979 تا 31/12/2013 استخراج شد. طی این بازة زمانی، داده های بارش مشاهده شده بر روی پیمونگاه های همدید و پایگاه دادة ملی اسفزاری نیز آماده شد. یافته ها نشان داد که نه تنها از نگاه هماهنگی زمانی، بلکه به لحا...
متن کاملواکاوی سنجش دقت زمانی- مکانی بارش پایگاه دادۀ مرکز پیشبینی میانمدت جوی اروپایی (ECMWF ) بر روی ایرانزمین
برای اجرای این پژوهش، مقادیر بارش شبکهای سهساعتی نسخة ERA-Interim پایگاه دادة مرکز پیشبینی میانمدت جوی اروپایی (ECMWF) بر روی گسترة ایران با تفکیک مکانی 125/0 درجة قوسی طی بازة زمانی 01/01/1979 تا 31/12/2013 استخراج شد. طی این بازة زمانی، دادههای بارش مشاهدهشده بر روی پیمونگاههای همدید و پایگاه دادة ملی اسفزاری نیز آماده شد. یافتهها نشان داد که نهتنها از نگاه هماهنگی زمانی، بلکه بهلحا...
متن کاملبررسی صحت و دقت طرحواره های مختلف مدل WRF و ارزیابی پیش بینی بارش در ایران زمین
در انجام این پژوهش، سعی شده است میزان دقت و صحت برونداد و در نتیجه کارایی مدل در پیش بینی 24 و48 ساعته پدیده بارش با انتخاب طرحواره های مختلف مورد ارزیابی قرار گیرد. از اینرو به منظور راست آزمایی محصول مدل، دو وضعیت بارش و عدم بارش در نظر گرفته شده است و با تعیین چهار آستانه برای بارش جدول توافقی تشکیل و امتیازهای مهارتی محاسبه گردیده است. نتایج واکاوی گویای آنست که در بین پیکربندی های مختلف ، ...
متن کاملارزیابی 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...
متن کاملکاربرد سیگنالهای اقلیمی در پیش بینی تبخیر در غرب ایران
تبخیر یکی از متغیرهای اقلیمی است که پیش بینی آن نقش مهمی در برنامه ریزیهای مربوط به آب دارد. با توجه به بالا بودن نسبی میزان بارندگی در مناطق غرب ایران، آگاهی از میزان تبخیر برای مدیریت درست آب در این مناطق ضروری میباشد. از عوامل اثرگذار بر میزان تبخیر، سیگنالهای اقلیمی میباشند که توجه به نقش آنها پیش بینی تبخیر را ممکن می کند. با استفاده از مدل شبکه عصبی مصنوعی به پیش بینی تبخیر بر اساس این س...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 43 شماره 1
صفحات 133- 147
تاریخ انتشار 2017-04-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023