پس پردازش برونداد مدل WRF برای بارندگی روزانه در ایران

با اینکه امروزه مدل های پیش بینی عددی وضع هوا پیشرفت قابل توجهی کرده اند اما هنوز پیش بینی دقیق بارش نقطه ای، بسیار مشکل و چالش برانگیز است. همواره تلاش بر این بوده است که پیش بینی بارش به صورت دقیق تری با بهبود شرایط اولیه و پیکربندی مدل های پیش بینی عددی وضع هوا به دست آید. به این منظور تصحیح برونداد مدل یکی از راه هایی است که می توان انجام داد. در این پژوهش مدل میان مقیاس WRF با دو دامنه با گام های شبکه ای ۴۵ و ۱۵ کیلومتر برای یک دوره ۶ ماهه از اول نوامبر ۲۰۰۸ تا ۳۰ آوریل ۲۰۰۹ اجرا شده است. سپس برونداد مدل برای بارندگی های ۲۴ ساعته با دو روش بهترین برآوردگر ساده و روش میانگین متحرک برای ۲۰۵ ایستگاه هواشناسی همدید کشور تصحیح و پس پردازش شده است. داده های سه ماه اول برای آموزش و بقیه داده ها برای آزمون و مقایسه استفاده شده است. نمایه های آماری مانند درجه موازنه جرم، میانگین مطلق خطا و امتیاز مهارتی متناظر با آن برای پیش بینی های خام و بهبود یافته برای نشان دادن بهبود نتایج، محاسبه و مقایسه شده است. نتایج نشان داد که هر دو روش پس پردازش، برونداد مستقیم مدل را بهبود می بخشند؛ به گونه ای که میانگین مطلق خطا برای ایستگاه های مختلف در روش میانگین متحرک، بین ۵ تا ۵۰ درصد (با میانگین در حدود ۲۵%) و در روش بهترین برآوردگر ساده به طور میانگین در حدود ۱۳% بهبود یافته است.

Keywords:

پس پردازش , راستی آزمایی , میانگین متحرک , بهترین برآوردگر ساده , مدل میان مقیاس WRF