این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۷، شماره ۴، صفحات ۷۱-۸۱
عنوان فارسی پس پردازش برونداد مدل WRF برای بارندگی روزانه در ایران
چکیده فارسی مقاله با اینکه امروزه مدل‌های پیش‌‌بینی عددی وضع هوا پیشرفت قابل توجهی کرده‌اند اما هنوز پیش‌بینی دقیق بارش نقطه‌ای، بسیار مشکل و چالش‌برانگیز است. همواره تلاش بر این بوده است که پیش‌بینی بارش به صورت دقیق‌تری با بهبود شرایط اولیه و پیکربندی مدل‌های پیش‌بینی عددی وضع هوا به دست آید. به این منظور تصحیح برونداد مدل یکی از راه‌هایی است که می‌توان انجام داد. در این پژوهش مدل میان‌مقیاس WRF با دو دامنه با گام‌های شبکه‌ای 45 و 15 کیلومتر برای یک دوره 6 ماهه از اول نوامبر 2008 تا 30 آوریل 2009 اجرا شده است. سپس برونداد مدل برای بارندگی‌های 24 ساعته با دو روش بهترین برآوردگر ساده و روش میانگین متحرک برای 205 ایستگاه هواشناسی همدید کشور تصحیح و پس‌پردازش شده است. داده‌های سه ماه اول برای آموزش و بقیه داده‌ها برای آزمون و مقایسه استفاده شده است. نمایه‌های آماری مانند درجه موازنه جرم، میانگین مطلق خطا و امتیاز مهارتی متناظر با آن برای پیش‌بینی‌های خام و بهبود یافته برای نشان دادن بهبود نتایج، محاسبه و مقایسه شده است. نتایج نشان داد که هر دو روش پس‌پردازش، برونداد مستقیم مدل را بهبود می‌بخشند؛ به گونه‌ای که میانگین مطلق خطا برای ایستگاه‌های مختلف در روش میانگین متحرک، بین 5 تا 50 درصد (با میانگین در حدود 25%) و در روش بهترین برآوردگر ساده به طور میانگین در حدود 13% بهبود یافته است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی WRF Model Output Postprocessing for Daily Precipitation over Iran
چکیده انگلیسی مقاله Despite the fact that the quality of forecasts from numerical weather prediction (NWP) models has increased in recent years, yet exact forecast of precipitation is a difficult and challenging task. In order to obtain more accurate precipitation forecasts, efforts have been made to improve the models, formulations, and the accuracy of the initial conditions. One important alternative is to improve the model output via postprocessing. In this paper, the WRF model was applied for a six month period from 1 November 2008 to 30 April 2009 with two nests using 45 and 15 Km grid. The model outputs were then postprocessed for 24-hour precipitation forecasts for 205 synoptic stations over Iran using two methods of the moving average (MA) and the best easy systematic estimator (BES). Data for the first three months were used for training and the rest of data were used for the test and comparison. Statistical scores including degree of mass balance (DMB), mean absolute error (MAE) and its corresponding skill score were calculated for both direct and postprocessed outputs. Results showed that both methods improve the direct outputs of the model. The MA method decreased MAE for different stations from 5 to 50 percent. The mean of MAE decrease for all stations was about %25. In the BES method the average value of MAE for all stations is around 13 percent.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجید آزادی |
استادیار پژوهشکده هواشناسی، تهران.
سازمان اصلی تایید شده: پژوهشکده هواشناسی

محمدرضا شیرغلامی | mohammad reza
دانشجوی کارشناسی ارشد هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران.
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

سهراب حجام |
دانشیار دانشگاه آزاد اسلامی ، واحد علوم و تحقیقات، تهران.
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

فاطمه صحراییان |
مربی پژوهشکده هواشناسی، تهران
سازمان اصلی تایید شده: پژوهشکده هواشناسی

نشانی اینترنتی http://www.iwrr.ir/article_16626_54d04b40fb6c0a92fa35f15d5b37cb13.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات