بررسی برونداد مدل WRF با 4 روش پس‌پردازش آماری برای تندی باد ده متری بر روی شمال و شمال‌غرب ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد هواشناسی، دانشگاه آزاد اسلامی تهران شمال، تهران

2 دانشیار، عضو هیئت علمی پژوهشگاه هواشناسی و علوم جو، تهران

3 استادیار، عضو هیئت علمی و مدیر گروه هواشناسی دانشگاه آزاد اسلامی تهران شمال، تهران

چکیده

در این تحقیق برونداد مدل میان مقیاس WRFبا استفاده از چهار روشِ تصحیح چرخه پیش‌بینی روزانه، پیش‌بینی تصحیح‌شده کمینه مربعات خطی، پیش‌بینی با میانگین و واریانس تصحیح ‌شده و میانگین سه روش قبلی، پس‌پردازش شد. کمیت مورد مطالعه تندی باد 10 متری سطح زمین بر روی شمال و شمال‌غرب ایران می‌باشد. به این منظور مدل پیش‌بینی عددی وضع هوا WRF برای صدور پیش‌بینی‌های 3، 15، 27، 39، 51، 63، 75، 87، 99 و 111 ساعته از اول نوامبر 2011 لغایت سی‌ام آوریل 2012، با تفکیک افقی 15 کیلومتر اجرا شده است. با تغییر دوره آموزش و انجام آزمایشات، بهترین طول دوره آموزش برای هر چهار روش انتخاب گردید. نتایج نشان می‌دهد، در هر چهار روش، میانگین خطا در همه ایستگاه‌ها به میزان قابل توجهی کاهش یافته و مقدار آن صفر یا نزدیک صفر شده است، که نشان دهنده حذف بخش سامان‌مند خطا از برونداد مدل WRF برای تندی باد ده متری است. به طور کلی روش پیش‌بینی تصحیح‌شده کمینه‌ مربعات خطی (LLS) نسبت به سه روش دیگر در کاهش خطای سامان‌مند و تا حدودی خطای تصادفی مدل موثرتر بوده و بهبود پیش‌بینی برای ایستگاه‌های مختلف بین 26 تا 42 درصد  متغیر است. در این روش، میانگین خطای مطلق در حدود 36 درصد برای همه پیش‌بینی‌ها در همه ایستگاه‌های مورد مطالعه کاهش داده شده است. همچنین در این روش بیشترین بهبود مربوط به ایستگاه‌های قزوین، بلده و آلاشت مازندران و لاهیجان گیلان و کمترین بهبود مربوط به ایستگاه‌های اردبیل و نیر از استان اردبیل و خدابنده زنجان می‌باشد که به ترتیب 65 و 1 درصد میانگین خطای مطلق بهبود یافته است.  

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Statistical postprocessing of the WRF output for 10 m wind speed over north and northwest of Iran

نویسندگان [English]

  • R. Ghorbanfallah 1
  • M. Azadi 2
  • F. Arkian 3
چکیده [English]

In this study, four statistical methods including diurnal cycle forecast correction (DRL), linear least-square corrected forecast (LLS), mean and variance corrected forecast (MAV) and average of the three previous methods (AVG), were used to postprocess the WRF mesoscale model output for wind speed at 10-m above ground level over 85 synoptic stations located in north and northwest of  Iran. For this purpose, the WRF model with a horizontal resolution of 15 km was run to prepare 3, 15, 27, 39, 51, 63, 75, 87, 99 and 111hour forecasts from the beginning of November 2011 until 30th of April 2012. By varying the number of days used for training and calculating the mean absolute error (MAE), an optimum number of days were selected as training period separately for each method. The results show that the mean error over all stations dropped to zero or close to zero for all four methods, indicating the removal of the systematic error of WRF direct model output for the wind speed. In general, LLS has a better performance in reducing the systematic error when compared to other methods and improves the MAE of the direct model output between 26 to 42 percent, for different forecast ranges So that in this way, has been reduced the mean absolute error of about 36 percent for all predictions in all studied stations. The highest amount of decrease in MAE was around 65 percent and was obtained for Qazvin, Baladeh and Alasht stations while least improvement of 1 percent was observed for Ardebil, Nir and Khodabande stations.

کلیدواژه‌ها [English]

  • Postprocessing
  • WRF
  • diurnal cycle forecast correction (DRL)
  • linear least-square corrected forecast (LLS)
  • mean and variance corrected forecast (MAV)