این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ژئوفیزیک ایران، جلد ۱۷، شماره ۱، صفحات ۱۲۹-۱۴۵
عنوان فارسی پیش‎ بینی بارش ماهانه در ایران بر اساس رویکرد همادی با استفاده از مدل CFSv.۲/WRF (مطالعه موردی: دوره اکتبر ۲۰۱۹ تا آوریل ۲۰۲۰)
چکیده فارسی مقاله ارزیابی مهارت مدل‌های پیش‌بینی جهانی و مقیاس‌کاهی آن برای مناطق و مقیاس‌های زمانی مختلف، نه تنها می‌تواند به بهبود عملکرد این مدل‌ها بر اساس استفاده از پارامترهای مناسب برای مدل یا روش‌های مناسب برای پس‌پردازش منجر شود، بلکه سبب افزایش درک ما نسبت به عملکرد مدل‌های پیش‌بینی در مناطق و مقیاس‌های زمانی مختلف نیز می­شود. هدف از این مطالعه پیش‎بینی بارش ماهانه بر اساس یک رویکرد همادی با کاربست مدل جهانی CFSv.2 و مقیاس‎کاهی آن با مدل میان‌مقیاس WRF و در نهایت، سنجش کارایی آن برای ایران است. بر این اساس مدلWRF با چهار پیکربندی فیزیکی و شش شرایط اولیه مختلف (در مجموع 24 عضو) برای دوره 2020-2000 و بارش اکتبر- آوریل اجرا و درستی‌سنجی هریک از عضوها نیز بر اساس آماره KGE و بارش ماهانه در 145 ایستگاه در کشور انجام شد. برای ایجاد مدل همادی و ترکیب نتایج پیش‌بینی­های حاصل از 24 عضو، از روش میانگین‎گیری وزنی استفاده شد. کارایی کلی مدل همادی با محاسبه سنجه‌های آماری RMSE، MBE، ضریب همبستگی پیرسون (PCC) و نش- ساتکلیف (NSE) و استخراج برخی از سنجه‎های درستی‌سنجی حاصل از یک جدول توافقی 3×3 ارزیابی شد. نتایج نشان داد متوسط سنجه‌های‌ NSE، RMSE، MBE و PCC مدل همادی مورد استفاده برای پیش‌بینی بارش در دوره اکتبر- آوریل به‌ترتیب 46/0، 365، 7/5- و 67/0 است که کارایی پذیرفتنی این مدل همادی را نشان می‌دهد. البته به تفکیک هر ماه، در ماه‎های اکتبر و ژانویه کارایی مدل در پیش‌بینی بارش ماهانه بهتر و در ماه‎های آوریل و مارس ضعیف­تر بوده است. همچنین کارایی آن در تخمین دسته بارش شامل دسته‎های زیر‌نرمال، نرمال و بیش از نرمال حدود 52 درصد است. اجرای این مدل برای پیش‎بینی بارش ماهانه در دوره 2020-2019 در قالب یک نمونه عملیاتی نشان می‌دهد مدل می­تواند به‌خوبی پراکندگی و مناطق تمرکز بارش ماهانه را در کشور پیش‎بینی کند. 
کلیدواژه‌های فارسی مقاله پیش ‎بینی ماهانه، بارش، WRF، CFSv.2، مدل همادی،
عنوان انگلیسی Forecasting of monthly precipitation based on ensemble approach using CFSv2-WRF model over Iran (case study: October 2019 to April 2020)
چکیده انگلیسی مقاله Skill assessment of global weather forecasting systems in different regions and time scales can not only improve the performance of the models based on the use of appropriate parameters for modeling or methods for post-processing, but also increase our understanding about performance of forecasting models in regions and different time scales. Accurate precipitation forecasts can play an important role in water resources management as well as reduce damages caused by heavy rainfall. In this study, we assess the use of the Weather Research and Forecasting (WRF) model to downscale NCEP Climate Forecast System Version 2 (CFSv2) atmospheric reanalysis for generating a monthly precipitation forecast over Iran. The WRF model is configured with two-way nested domains of 60-20 km horizontal resolution. It is used to produce precipitation forecasts based on four different configurations and six initial conditions of CFSv.2 data (totally 24 members) for October-April precipitation over the period 2000-2019 (as hindcast). Performance of ensemble members was evaluated according to the Kling-Gupta-Efficiency (KGE) in comparison with 145 meteorological stations over Iran. Each member has a rating of 1 to 24. The weighted average method was used to calculate the average precipitation obtained from 24 members. To evaluate the performance of WRF-CFSv.2 ensemble model in monthly precipitation forecast, we used some criteria such as False Alarms Rate (FAR), Proportion Correct (PC), and Heidke Skill Score (HSS) for the verification of categorical forecast and Root Mean Square Error (RMSE), Nash-Sutcliffe Efficiency (NSE), Pearson Correlation Coefficient (PCC) and Mean Bias Error (MBE). The results showed that the average values of NSE, RMSE, MBE and PCC of ensemble model for hindcast were 0.46, 365, -5.7 and 0.67, respectively. Categorical indices indicated that the model skill in forecast of each precipitation class (below normal- less than 33rd percentile, normal- between 33rd and 66rd percentiles, above normal- greater than 66rd percentile) has an accuracy of 52%. Evaluation of the efficiency of the model for a test period (October-April precipitation over the period 2019-2020) shows that the model is able to forecast the distribution of monthly precipitation over Iran. In this case study, the results show that the forecasted monthly precipitation has a positive correlation (PCC = 0.68) with the observations. The results suggest that the WRF-CFSv.2 ensemble forecast based on 24 members can be useful for flood forecasting and water resources management, although the amount of precipitation forecast has bias in some precipitation systems.
کلیدواژه‌های انگلیسی مقاله پیش ‎بینی ماهانه, بارش, WRF, CFSv.2, مدل همادی
نویسندگان مقاله محمدسعید نجفی |
استادیار پژوهشکده مطالعات و تحقیقات منابع آب، مؤسسه تحقیقات آب، تهران، ایران

حسین دهبان |
کارشناس پژوهشی، پژوهشکده مطالعات و تحقیقات منابع آب، مؤسسه تحقیقات آب، تهران، ایران

اشکان فرخ نیا |
استادیار پژوهشکده انرژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران

نشانی اینترنتی https://www.ijgeophysics.ir/article_156139_fd9707f5cbb64beab191af89aa8e1c42.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