بکارگیری الگوریتم ژنتیک جهت پس پردازش پارامتر آب قابل بارش پیش بینی مدل عددی WRF با استفاده از داده های ماهواره زمین ایستای METEOSAT8 در نواحی فاقد ایستگاه جو بالای ایران

نویسندگان

1 مدیر کل هواشناسی استان تهران

2 استادیار موسسه ژئوفیزیک دانشگاه تهران

10.30467/nivar.2019.87242

چکیده

آب قابل بارش برآوردی از ستون بخارآب در کل لایه تروپوسفر می باشد که پیش بینی دقیق این کمیت می تواند در تخمین میزان بارش و پیش آگاهی احتمال وقوع سیلاب مفید باشد. ماهواره METEOSAT8 دارای طیف گسترده ای از محصولات هواشناختی و آبشناسی است که یکی از آنها کمیت آب قابل بارش می باشد. هدف از این پژوهش پس پردازش پارامتر آب قابل بارش پیش بینی مدل عددی WRF با استفاده از داده های ماهواره زمین ایستای METEOSAT8 در نواحی فاقد ایستگاههای جو بالا می باشد. برای این مهم ابتدا کمیت آب قابل بارش مستخرج از داده های ماهواره METEOSAT8 با داده های 2  ایستگاه جو بالای کشور به مدت یک سال راستی آزمایی شد. نتایج حاصل از این مقایسه تا حدود زیادی قابل اعتماد بود به طوری که از داده های ماهواره MSG1(IODC) به عنوان مقادیر هدف الگوریتم ژنتیک جهت پس پردازش پیش بینی مدل عددی WRF در نقاط غیرایستگاهی استفاده نمودیم. در انتها مقادیر پس پردازش شده و مقادیر ماهواره MSG1  را در 6 شهر ایران با شرایط اقلیمی متفاوت مقایسه نمودیم. نتایج بیانگر عملکرد خوب این رهیافت جهت پس پردازش آب قابل بارش مدل پیش بینی WRF بود
 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Post-processing of Precipitable Water from WRF Prediction Model with used of Genetic Algorithm and Met-8(IODC) Data over non-radiosound station points

نویسندگان [English]

  • Mojtaba Jalali 1
  • Farahnaz Taghavi 2
1 Tehran Meteorological Director
2 Assistant professor ,Geophysic Institute of Tehran University, IRAN
چکیده [English]

The precipitable water is the integrated water content in the whole column of the atmosphere that has the potential to precipitate. In more precise terms prediction of PW is one of the common issues of meteorology and hydrology. Countries facing water scarcity require an advanced management of water resources that one of the management tools in this area being knowledge of the total precipitable water content (TPW) in the atmosphere. Also accurate estimation of this quantity in many meteorological issues such as prediction of rainfall, time, dams overflow and also prediction of flood occurrence is beneficial. Iran's roughness is one of the main factors in the heterogeneous distribution of precipitable water in the atmosphere. So that most researchers believe that the main reason for the existence of many Iranian leeward deserts is the roughness such as Zagros. With the discovery of new remote sensing technology, it is possible to estimate the amount of precipitated water vapor by absorbing water vapor bands and thermal bands at any time and place and at any scale.
In the first we compare the precipitable water values of two European and Chinese satellites, METEOSAT and FENGYUN respectively, with corresponding parameter of radiosound that calculated for Mashhad and Tehran airport stations. By comparing precepitable water data for about two years from two meteorological satellites and radiosound for two mentioned station, there is a good aggrement between precipitable water parameter of the METEOSAT European satellite and radiosounds. But the FY-2E Chinese satellite doesn’t have good correlation with the Mashhad and Tehran airport radiosound station. So in this article we use MET-8 satellite to post-processing precipitavle water of WRF Model in non-observational points. Finally, we compared the post-processed values and compared the MSG1 satellite values in 6 different Iranian cities with different climatic conditions.

کلیدواژه‌ها [English]

  • Precipitable water
  • WRF Model
  • METEOSAT8 Satellite
  • Post-processing
  • Genetic Algorithm

[1]      Räisänen, J., et al., European climate in the late twenty-first century: regional simulations with two driving global models and two forcing scenarios. Climate dynamics, 2004. 22(1): p. 13-31.

[2]      دهقانی, et al., اثر تغییر اقلیم بر میزان آب قابل بارش در سواحل شمال خلیج فارس. نشریه تحقیقات کاربردی علوم جغرافیایی, 2018. 18(49): p. 75-91.

[3]      Kuo, Y.-H., Y.-R. Guo, and E.R. Westwater, Assimilation of precipitable water measurements into a mesoscale numerical model. Monthly weather review, 1993. 121(4): p. 1215-1238.

[4]      Bock, O., et al., Validation of precipitable water from ECMWF model analyses with GPS and radiosonde data during the MAP SOP. Quarterly Journal of the Royal Meteorological Society, 2005. 131(612): p. 3013-3036.

[5]      Rakhecha, P. and V.P. Singh, Applied hydrometeorology. 2009: Springer Science & Business Media.