مروری بر کارایی مدل عددی WRF-ARW به عنوان ابزاری در شبیه سازی های بارش ایران زمین
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 157
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWIM-11-3_013
تاریخ نمایه سازی: 1 آذر 1400
Abstract:
کسب اطلاع از نحوه توزیع و شدت بارش محتمل باعث بهبود دقت در اتخاذ تصمیمات مدیریتی در حین و پس از بارش در شرایط رخداد سیل می شود. امروزه با رشد علوم به خصوص در زمینه محاسبات کامپیوتری و حل معادلات پیشرفته جوی، مبتنی بر قوانین معتبر فیزیکی-دینامیکی این امکان در اختیار همگان به ویژه مدیران، بهره برداران و برنامه ریزان منابع آب قرار داده شده تا به کمک شبیه سازی، نحوه تغییرات شرایط جوی در آینده نزدیک را با عدم قطعیت کمتر از گذشته پیش بینی نمود. مدل عددی هواشناسی میان مقیاس WRF اخیرا مورد توجه محققان قرار گرفته و رفته رفته به مهم ترین ابزار برای مطالعات جو و پیش بینی تبدیل شده است، چراکه با اعمال به روزترین یافته های علوم جوی در قالب مجموعه ای از پارامتری سازی های فیزیکی (خردفیزیک ابر، تابش، همرفت، تلاطم لایه مرزی، انتقال دمای سطح و رطوبت در مقیاس زیرشبکه) یک روش ریزمقیاس نمایی دینامیک در شبیه سازی فرایند های جوی فراهم می کند. بدین منظور، در مطالعه حاضر جهت آشنایی مخاطبان با مدل WRF با هسته ARW و همچنین برای دراختیار قرار دادن مجموعه ای از نقطه نظرات سازنده و پیشنهادات حاصله در رابطه با کاربست مدل WRF-ARW در شبیه سازی بارش، سعی شد با گردآوری، مرور و جمع بندی، نتایج چندی از پژوهش های انجام پذیرفته (در داخل کشور) ارائه گردند. از این رو طبیعتا مقالات بیشتری نه تنها در داخل کشور بلکه در خارج از کشور توسط محققان کشورمان منتشر گشته اند که در اینجا مجال بررسی همه آن ها در قالب یک مقاله مروری نبود و مشخصا یکی از اهداف پژوهشی نویسندگان این مقاله درآینده خواهد بود.
Keywords:
Authors
محمدامین مداح
استادیار، گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
فاطمه پرهیزکار
دانشجوی کارشناسی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
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 :