حساسیت‌سنجی شبیه‌سازی عددی دو رخداد مه در فرودگاه اردبیل به طرحواره لایه مرزی سیاره‌ای با استفاده از مدل WRF

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترا/ پژوهشگاه هواشناسی و علوم جو

2 عضو هیات علمی پژوهشکده هواشناسی

3 عضو هیات علمی پژوهشکده هواشناسی/ پژوهشگاه هواشناسی و علوم جو- .

4 دانشیار و عضو هیات علمی پژوهشگاه هواشناسی

5 هیات علمی / پژوهشکده هواشناسی

10.30467/nivar.2021.307166.1202

چکیده

در این تحقیق شبیه‌سازی عددی دو رخداد مه فرارفتی و تابشی در فرودگاه اردبیل در ژانویه 2015 با استفاده از برونداد مدل میان مقیاس WRF و الگوریتم‌ دید SW99 برای پیش‌بینی دید افقی انجام شد. برای بررسی حساسیت پیش‌بینی مه به طرحواره لایه مرزی سیاره‌ای (PBL)، از 6 طرحواره‌ی YSU، MYJ، ACM2، MYNN2.5، MYNN3 و QNSE استفاده شد. نتایج نشان داد که شبیه‌سازی این دو رخداد مه به فرآیندهای لایه مرزی سیاره‌ای حساس است. همچنین به دلیل ارتباط پیش‌بینی مه به کمیت‌های دما، دمای نقطه شبنم، نم نسبی و سرعت باد، حساسیت شبیه‌سازی این متغیرها نیز به طرحواره‌های PBL مورد بررسی قرار گرفت. نتایج نشان داد که شبیه‌سازی مه فرارفتی با بیشتر طرحواره‌های PBL با موفقیت انجام شد و طرحواره‌های YSU، ACM2 و MYNN2.5 عملکرد بهتری در شبیه‌سازی مه فرارفتی داشتند. طرحواره QNSE در شبیه‌سازی مه فرارفتی موفق نبود. در شبیه‌سازی مه تابشی، بیشتر طرحواره‌های PBL قادر به شبیه‌سازی نم نسبی مورد نیاز برای تشکیل مه در زمان رخداد مه نبودند و چند ساعت قبل از شروع رخداد مه تابشی، مدل ‌WRF با بیشتر طرحواره‌ها کاهش دید ناشی از رخداد مه را شبیه‌سازی کرد. به طور کلی طرحواره‌های QNSE و MYJ نسبت به طرحواره‌های دیگر عملکرد ضعیف‌تری در شبیه‌سازی دما، دمای نقطه شبنم، نم نسبی و سرعت باد داشتند.

کلیدواژه‌ها


عنوان مقاله [English]

Sensitivity Study of Simulations of Two Fog Events at Ardebil Airport to the PBL Scheme, Using WRF model

نویسندگان [English]

  • Razieh Pahlavan 1
  • Mohammad Moradi 2
  • Sahar Tajbakhsh 3
  • Majid Azadi 4
  • Mehdi Rahnama 5
1 Ph.D. Student, Atmospheric Science and Meteorological Research Center
2 Faculty member of Meteorological Research Institute
3 Assistant Professor, Atmospheric Science and Meteorological Research Center (ASMERC), Tehran, Iran
4 Associate Professor, Atmospheric Science and Meteorological Research Center
5 Assistant Professor, Atmospheric Science and Meteorological Research Center
چکیده [English]

In this study, numerical simulation of two advection and radiation fog events at Ardabil Airport in January 2015 was performed using the Weather Research and Forecasting (WRF) model and SW99 visibility algorithm. Six Planetary Boundary Layer (PBL) schemes including YSU, MYJ, ACM2, MYNN2.5, MYNN3 and QNSE were used to evaluate the sensitivity of fog simulation to the PBL schemes. The results show that the simulation of these two fog events is sensitive to PBL. Also, due to the importance of accurate prediction of 2-m relative humidity, temperature and dew point temperature and 10-m wind speed in fog forecasting, the sensitivity of simulation of these variables to PBL scheme was investigated. The results showed that the simulation of advection fog event was successfully performed using most of PBL schemes mentioned above. YSU, ACM2 and MYNN2.5 schemes performed better in simulation of advection fog. The QNSE scheme was not successful in simulating the advection fog event. In radiant fog simulation, most PBL schemas were not able to simulate the moisture required to form fog at the time of fog occurrence.
Most PBL schemes were not able to simulate the moisture required for formation of fog at the time of the radiation fog event. A few hours before the onset of the radiation fog event, the WRF model with most schemes simulated the visibility reduction due to the fog. Generally, QNSE and MYJ schemes performed worse than other schemes in simulating temperature, dew point temperature, relative humidity and wind speed.

کلیدواژه‌ها [English]

  • WRF Model
  • Advection Fog
  • Radiation Fog
  • Sensitivity
  • PBL Scheme
1. حسن پور، ف وشیخعلی پور، ز.، 1393، مقایسه روش های هوش مصنوعی و ماسکینگهام در تخمین روند یابی سیلاب، مجله مهندسی منابع آب، سال7، شماره21، صفحات97تا108. 2. رستمی، ر.، صدقی، ح ومعتمدی، ع.، 1388، تحلیل سیلاب حوضه ی دز، مجله مهندسی آب، سال2، شماره3، صفحات61تا70. 3. قربانی، م.، ازانی،ع و محمودی وانعلیا، س.، 1394، مدل سازی بارش- رواناب با استفاده از مدل های هوشمند هیبــــــریدی، 4. تحقیقات منابع آب ایران، سال11، شماره2، صفحات146تا150. 5. یزدان پناه، ع.، وبرهمند، ن.، 1394، پیش بینی با کاربردشبیه تلفیقی شبکه ی عصبی مصنوعی و تجزیه 6. موجکی ومقایسه نتایج با شبیه انفیس (مطالعه موردی:رودکر)، مجله مهندسی منابع آب، سال8، شماره26، صفحات23تا34. 7. صف شکن، ف.، پیرمرادیان، ن و افشین شریفیان، ر.، 1396، ارزیابی و مقایسه روش شبکه عصبی مصنوعی و نرم افزارHEC-HMS در شبیه سازی آبنمود بارش- رواناب در حوضه آبخیز معرف کسیلیان، مجله مهندسی منابع آب، سال10، شماره35، صفحات 71 تا 84. 8. سبحانی، ب.، عیسی زاده، م و شیرزاد، م.، 1396، شبیه سازی خود همبسته جریان حوضه آبریز زرینه رود با استفاده از روش تجزیه پروکراستس و مدل های شبکه عصبی مصنوعی و ماشین بردار پشتیبان، نشریه حفاظت منابع آب و خاک، سال6، شماره4، صفحات 134 تا 119. 9. شکفته، م، ر.، جلیلی قاضی زاده، م، ر و یزدی، ج.، 1399، تئوری شناسایی محدوده نشست در نواحی مجزای مجازی شبکه های توزیع آب با استفاده از شبکه ی عصبی مصنوعی، مجله تحقیقات منابع آب ایران، شماره3، صفحات 47 تا 62. 10. 8.Badrzadeh, H., Sarukkalige, R. and Jayawardena, A.W., 2015. Hourly runoff forecasting for flood risk 11. management: Application of various computational intelligence models. Journal of Hydrology, 529, pp.1633-1643. 12. Yaseen, Z.M., Jaafar, O., Deo, R.C., Kisi, O., Adamowski, J., Quilty, J. and El-Shafie, A., 2016. Stream-flow forecasting using extreme learning machines: a case study in a semi-arid region in Iraq. Journal of Hydrology, 542, pp.603-614. 13. Wang, W.C., Chau, K.W., Cheng, C.T. and Qiu, L., 2009. A comparison of performance of several artificial intelligence methods for forecasting monthly discharge time series. Journal of hydrology, 374(3-4), pp.294-306. 14. Nourani, V., 2017. An Emotional ANN (EANN) approach to modeling rainfall-runoff process. Journal of Hydrology, 544, pp.267-277. 15. .Talei, A. and Chua, L.H., 2012. Influence of lag time on event-based rainfall–runoff modeling using the data driven approach. Journal of hydrology, 438, pp.223-233.