ارزیابی عملکرد مدلWRFبا نُه پیکربندی فیزیکی مختلف برای پیش‌بینی بارش زمستانه جنوب‌غرب 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 - استاد تمام، عضو هیئت علمی دانشگاه آزاد اسلامی تهران شمال، تهران

4 دانشجوی دکتری هواشناسی، معاون فنی و شبکه ایستگاه‌های سازمان هواشناسی کشور

چکیده

مدل‌میان‌مقیاس پیش‌بینی وضع هوا (WRF) دارای طرح‌واره‌های پارامتری‌سازی فیزیکی متنوعی است که انتخاب یک مجموعه بخصوص از این طرح‌واره‌ها می‌تواند تأثیر قابل ملاحظه‌ای بر دقت پیش‌بینی‌های مدل داشته باشد. بنابراین باید با توجه به سامانه‌های جوی حاکم بر منطقه‌ی مورد مطالعه گزینه‌های مناسب انتخاب شوند. در این پژوهش دقت پیش‌بینی‌های 24 ساعته در منطقه‌ی جنوب‌غرب ایران برای دوره‌ی اول دسامبر 2011 تا 29 فوریه 2012، با استفاده از نُه پیکربندی متفاوت مدل WRF، راستی‌آزمایی می‌شود تا پیکربندی مناسب بدست آید. فرآیند راستی‌آزمایی با استفاده از جدول توافقی 2×2 و کمیت‌های راستی‌آزمایی وابسته به این جدول انجام شده است. با وجود اشکالات زیاد در پیش‌بینی بارش، نتایج راستی‌آزمایی کمیت اریبی نشان می‌دهد که به طور کلی مدل WRFبرای همه‌ی آستانه‌های بارشی برای همه‌ی پیکربندی‌ها غیر از آستانه‌ی بارشی 15-10 میلی‌متر برای پیکربندی سه و آستانه‌ی بارشی بیش از 15 میلی‌متر برای پیکربندی دو و سه که فروپیش‌بینی داشته است، دارای فراپیش‌بینی می‌باشد. مقدار کمیت نسبتصحیح (PC) برای بارش‌های زیر 15 میلی‌متر با متوسط 91 درصد پیکربندی سه را مناسب نشان می‌دهد و برای بارش‌های بیش از 15 میلی‌متر پیکربندی دو را با 97 درصد مناسب تشخیص داده است. همچنین امتیاز مهارتی پیرس (PSS) برای آستانه‌ی بارشی زیر 10 میلی‌متر، پیکربندی دو را مناسب نشان می‌دهد. این امتیاز مهارتی برای آستانه‌ی بارشی 15-10 میلی‌متر، پیکربندی چهار و برای آستانه‌ی بارشی بیش از 15 میلی‌متر پیکربندی هشت را مناسب تشخیص داده است. به طور کلی برای بارش‌های سبک (5-1/0 میلی‌متر) و بارش‌های متوسط (10-5 میلی‌متر) پیکربندی‌های دوو سه در مقایسه با سایر پیکربندی‌ها از دقت بالاتری برخوردار است. برای بارش‌های شدید (15-10میلی‌متر)پیکربندی‌های سهو چهار در مقایسه با سایر پیکربندی‌ها دقت بالاتری را داراست. ولی در مورد بارش‌های سنگین (بیشتر از 15میلی‌متر) پیکربندی‌های دو، سه و هشت از نتایج یکسانی برخوردار بوده و پیکربندی مشخصی را نمی‌توان برگزید.  

کلیدواژه‌ها

موضوعات


1- آزادی، م.، پ.، رضازاده، ا.، میرزایی و غ.، وکیلی، 1382، پیش­بینی عددی سیستم­های زمستانی روی ایران: مطالعه مقایسه­ای پارامتری‌سازی‌های فیزیکی، هشتمین کنفرانس دینامیک شاره­ها.

2- آزادی، م.، س.، جعفری، ز.، کلاته سیفری، 1388، ارزیابی عملکرد مدل WRF در ایران برای پیش‌بینی بارش با استفاده از طرح‌واره­های فیزیکی مختلف: مطالعه موردی، دوازدهمین کنفرانس دینامیک شاره‌ها، دانشگاه صنعتی نوشیروانی، بابل، ایران.

3- آزادی، م.، قاضی میرسعید، م.، جعفری، س، (1388)، ارزیابی عملکرد مدل WRF برای پیش‌بینی بارش بر روی ایران به‌ مدت یک‌ماه، دوازدهمین کنفرانس دینامیک شاره‌ها، تهران-انجمن فیزیک ایران: دانشگاه صنعتی نوشیروانی بابل.

4- آزادی، م.، غ.، وکیلی، 1389، مقدمه­ای بر پیش­بینی عددی.در دست چاپ.

5- قندهاری، ش.، ا. ح.، مشکواتی و م.، مزرعه فراهانی، 1385، بررسی عملکرد موردی مدل میان مقیاس MM5 در شبیه­سازی بارش‌های رگباری، همایش پیش‌بینی عددی وضع هوا پژوهشکده هواشناسی- مرکز ملی اقلیم شناسی.

6- هاشمی­پرست، م، 1378، آمارو احتمال در مهندسی، انتشارات سیمای دانش.

7- Ackoff, R. L, 1962, Scientific Method: Optimizing Applied Research Decisions. New York, John Wiley and Sons, 464pp.

8- Argueso, D., Hidalgo-Munoz, J. M.,Gamiz-Fortis, S. R. and Esteban-Parra, M. J, 2011, Evaluation of WRF Parameterizations for Climate Studies over Southern Spain Using a Multistep Regionalization, Amer. Meteor. Soc.,vol 24, 5633-5650.

9- Evans, J. P, and Marie, E., FeiJi, 2011,Evaluating the performance of a WRF physics ensemble over South-East Australia.

10- Fall, S., and Niyogi, D., and Mohanty, Uc.and Kumar, A, 2007, Application of weather prediction models for hazard mitigation planning: a case study of heavy off-season rains in Senegal, Vol.41.00 Issue. 1,227-243.

11- Gilbert, G. K,1884,Finley,sTornado prediction. Amer. Meteor. J., 1, 166-172.

12- Gallus, W. A. and Pfeifer, M, 2008, Inter comparison of simulations using 5 WRF microphysical schemes with dual-Polarization data for a German squall line, Adv. Geosci., vol16,109 -116.

13- Jankov, I., Jr. Gallus, W. A., Segal, M., Shaw, B. and Koch, S. E,2005,The Impact of Different WRF Model Physical Parameterizations and Their Interactions on Warm Season MCS Rainfall. Amer. Meteor. Soc., 20, 1048-1060.

14- Jolliffe, I. T. and Stephenson, D. B, 2003, Forecast Verification: A Practitioner’s Guide in Atmospheric Science, John Wiley and Sons, 240pp.

15- Kamol, P., S, 2006, Microphysics Schemes Simulation of Heavy Rainfalls in low Pressure Trough passed the North of Thailand. 4353 Numerical Weather Prediction (NWP), Thai Meteorological Department, Sukhumvit Rd., Bangna, Bangkok, Thailand, 10260.

16- McBride, J. L. and Ebert, E. E, 2000, Verification of Quantitative Precipitation Forecasts from Operational Numerical Weather Prediction Models over Australia. Wea. Forecasting, 15, 103-121.

17- Model Evaluation Tools Version 5.0 (METv5.0)User’s Guide 5.0

18- Nasrollahi, N. and AghaKouchak, A, 2012, Assessing the Impacts of Different WRF Precipitation Physics in Hurricane Simulations. Center for Hydrometeorology and Remote Sensing, University of California, Irvine, Irvine, California 

19- Oskouian, M., Heron, M. L., Mobasheri, M. R, 2008,Quantitive Precipitation Forecast in the Caspian Sea/Alburz Mountain Region: MM5 Verification, Asian Network for Scientific, Information., 14, 2523-2533.

20- Peirce, C. S, 1884,The numerical measure of the success of predictions. Science, 4, 453–454.

21- Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D. M., Duda, M., Huang, X.-Y., Wang, W. and Powers, J. G, 2008,A Description of theAdvanced Research WRF Version 3 , NCAR Technical Note.

22- Wilks, D. S, 2013,Statistical Methods in the Atmospheric Sciences.

23- Yang, B., Qian, Y., Lin, G., Leung, R. and Zhang, Y, 2012,Some issues in uncertainty quantification and parameter tuning: a case study of convective parameterization scheme in the WRF regional climate model, Atmos. Chem. Phys., 12, 2409–2427.