بررسی حساسیت مدل میان مقیاس MM5 در استفاده از طرحواره های MRF و Eta-Mellor-Yamada برای تخمین عمق لایه آمیخته جو شهری
Publish place: 06th Conference of Numerical Wether Prediction
Publish Year: 1385
Type: Conference paper
Language: Persian
View: 1,839
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NWP06_009
Index date: 29 May 2006
بررسی حساسیت مدل میان مقیاس MM5 در استفاده از طرحواره های MRF و Eta-Mellor-Yamada برای تخمین عمق لایه آمیخته جو شهری abstract
مدلهای میان مقیاس عمدتا جهت شبیه سازی و پیش بینی های کوتاه مدت هواشناسی و مسائل مربوط به آلودگی هوا استفاده می شوند. صحت نتایج این مدلها به عوامل مختلفی بستگی دارد که از جمله این عوامل می توان پارامتره کردن های صحیح فرایندهای در مقیاس زیر شبکه ای مانند تابش، همرفت و لایه مرزی جو را نام برد. هدف از مطالعه کنونی بررسی حساسیت مدل میان مقیاس MM5 برای محاسبه عمق لایه مرزی با استفاده از دو طرحواره مختلف (طرحواره های Eta-Mellor-Yamada , MRF) جهت پارامتره کردن فرایندهای این لایه می باشد.
در این مطالعه، محاسبه عمق لایه آمیخته، برای منطقه شهری تهران و در یک بازه زمانی 48 ساعته در ماه آگوست سال 2005 مورد بررسی قرار گرفته است. مقایسه بین مشاهدات توسط رادیوسوند و نتایج عددی مدل نشان می دهد که تخمین عمق لایه مرزی و شبیه سازی فرایندهای آن، به ا نتخاب طرحواره خاص برای پارامتره کردن این لایه بستگی دارد. برای نمونه، استفاده از طرحواره MRF در مقایسه با طرحواره Eta-Mellor-Yamada منجر به شبیه سازی نزدیک تر عمق لایه مرزی جو و تغییرات شبانه روزی آن به واقعیت می باشد.
بررسی حساسیت مدل میان مقیاس MM5 در استفاده از طرحواره های MRF و Eta-Mellor-Yamada برای تخمین عمق لایه آمیخته جو شهری Keywords:
بررسی حساسیت مدل میان مقیاس MM5 در استفاده از طرحواره های MRF و Eta-Mellor-Yamada برای تخمین عمق لایه آمیخته جو شهری authors
فرهنگ احمدی گیوی
موسسه ژئوفیزیک دانشگاه تهران
سمانه ثابت قدم
موسسه ژئوفیزیک دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :