پیش بینی عددی دمای دو متری با استفاده از برونداد مدل wrf بر روی ایران

در سال های اخیر، با وجود بهبود دقت مدل ها در پیش بینی عددی وضع هوا، این مدل ها همچنان دارای خطا در برونداد خود به ویژه کمیت های سطح زمین هستند. بخش قابل توجهی از این خطا به صورت خطای قاعده مند (اریبی) است. از مهم ترین عوامل ایجاد اریبی، می توان به وجود نقص در پارامترسازی های فیزیکی مورد استفاده و تفکیک ضعیف توپوگرافی در مدل نسبت به شرایط واقعی اشاره کرد. لازم است روش های آماری بکار گرفته شده جهت پس پردازش برونداد مستقیم مدل، قابل اعمال بر روی زمین های با توپوگرافی پیچیده باشند. برخی از این روش ها عبارتند از: روش پیش یابی کامل (ppm)، روش آماره برونداد مدل (mos) و روش پالایه کالمن(kf) . اما می توان برای پیش بینی کمیت دمای دو متری سطح زمین، از روش پس پردازشی میانگین گیری وزنی میراشونده (da) برای تصحیح خطای اریبی موجود در برونداد خام مدل پیش بینی عددی بهره برد. در این پایان نامه، از روش پس پردازشی da، مطابق با فرمول بندی ارایه شده توسط بوکوی (2011) برای پس پردازش برونداد مدل منطقه ای wrf برای دمای دومتری بر روی ایران و بر روی یک شبکه منظم طول و عرض جغرافیایی 18×27 استفاده شده است. در این جا، تصحیحات انجام شده به صورت میانگین های وزنی از خطاهای قبلی بین دمای دیدبانی شده و پیش بینی مدل بوده، به گونه ای که به خطاهای نزدیک تر از نظر زمانی، وزن بیشتری داده می شود. دوره مورد مطالعه، از اول ژانویه سال 2012 تا آخر مارس سال 2012 است. این تصحیح بر روی برونداد مستقیم مدل در ساعت utc12 هر روز انجام شده است. دوره آموزشی مورد استفاده، 17 روز انتخاب شده است. بررسی نتایج نشان می دهد که میانگین مطلق خطا با تقریب خوبی صفر شده و به عبارتی خطای قاعده مند به خوبی کاهش یافته است. در ادامه از فرمول بندی دیگری از این روش که توسط آنادرانیستاکیس (2004) معرفی شده، استفاده شده است؛ داده های مورد استفاده، از داده های تحلیل شده دمای دو متری سطح زمین هستند. این کار با دوره های آموزشی متفاوتی انجام شده و دوره آموزشی مناسب 25 روز در نظر گرفته شده است. بررسی نتایج حاکی از کاربردی بودن این فرمول بندی نیز در کاهش چشمگیر خطای اریبی بوده که با تقریب خوبی صفر می شود. در تحقیق حاضر بر خلاف مطالعات پیشین پس پردازش بر روی شبکه منظم انجام شده است. با فرض در دسترس بودن برونداد مستقیم مدل و دیدبانی متناظر با آن در روزهای قبل از پیش بینی حجم محاسبات به گونه ای است که استفاده از این روش در کاربردهای عملیاتی امکان پذیر است.