ارزیابی عدم قطعیت ناشی از دادههای بارش میان مدت سامانه جهانی TIGGE جهت پیش بینی سیلاب

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 75

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WSRCJ-13-1_008

تاریخ نمایه سازی: 4 مهر 1402

Abstract:

زمینه و هدف: وقوع سیلاب های مکرر در ایران، لزوم یک سامانه پیش بینی و هشدار سیل با زمان پیش هشدار مناسب را ضروری می نماید. استفاده از مدل های عددی پیش بینی بارش در پیش بینی و هشدار سیل از جمله اقدامات مهمی است که توسط محققان در اکثر نقاط جهان به کاربر برده می­شود. پایگاه داده TIGGE دربرگیرنده پیش­بینی های میان مدت بارش شبیه سازی شده توسط مراکز پیش بینی جهانی است. هدف از پژوهش حاضر، ارزیابی کارایی و میزان عدم قطعیت ناشی از پیش­بینی­های بارش چهار مدل عددی پایگاه داده TIGGE (شامل CPTEC، ECCC، ECMWF و KMA) برای شبیه­سازی سیلاب با مدل هیدرولوژیکی HEC-HMS است.روش پژوهش:  در این تحقیق جهت ارزیابی عدم قطعیت دبی حاصل از مدل های پیش بینی بارش پایگاه داده TIGGE در حوضه آبخیز پلدختر، از آمار بارش هفت ایستگاه هواشناسی استفاده شد. همچنین سه رویداد سیل ۲۴ اسفند ۱۳۹۷، ۶ فروردین ۱۳۹۸ و ۱۵ فروردین ۱۳۹۸ موردمطالعه قرار گرفت. در ابتدا پیش بینی های بارش از چهار مرکز CPTEC، ECCC، ECMWF و KMA استخراج گردید. به دلیل وجود خطای سیستماتیک در داده های مورد نظر، تصحیح اریبی روی آن ها صورت گرفت و به منظور تصحیح اریبی، از روش Delta استفاده شد. پیش بینی های پردازش شده و خام چهار مدل پیش بینی بارش، جهت پیش بینی سیلاب وارد مدل HEC-HMS شده و در مرحله بعد، ارزیابی عدم قطعیت جریان حاصل از مدل HEC-HMS در تمام اعضای چهار مدل پیش بینی بارش انجام شد. در تحقیق حاضر برای تحلیل عدم قطعیت از ۵ فاکتور P، R، S، T و RD استفاده گردید. در نهایت احتمال هشدار سیل پیش بینی شد.یافته ها: نتایج حاصله حاکی از برتری قابل توجه مدل ECMWF در پیش بینی رویدادهای بارش است. استفاده از هر ۴ منبع بارشی، منجر به شبیه­سازی قابل قبول دبی اوج سیلاب در سه رخداد مختلف شد. همچنین زمان وقوع دبی اوج پیش بینی شده اختلاف کمی با داده مشاهده ای داشت. با توجه به نتایج تحلیل عدم قطعیت، مدل ECMWF بر اساس فاکتورهای P، R، S، T و RD به عنوان بهترین مدل در نظر گرفته شد. مدل KMA در سیلاب های شدید و بسیار شدید عملکرد مناسبی داشت. سیستم پیش بینی گروهی مدل های TIGGE نیز در همه وقایع، عملکرد قابل قبولی داشت. همچنین مدل پیش بینی هواشناسی- هیدرولوژیکی زمان وقوع سیل و احتمال وقوع را به خوبی پیش بینی نمود.نتایج: تحقیق مورد نظر، پیش بینی و هشدار سیل در حوزه آبخیز پلدختر را با استفاده از سیستم هواشناسی-هیدرولوژیکی، بر پایه پیش بینی های هواشناسی پایگاه داده TIGGE و شبیه سازی سیل با استفاده از مدل هیدرولوژیکی HEC-HMS مورد بررسی قرار می دهد. محصول نهایی این سیستم، دبی احتمالی و پیش بینی سیل است. نتایج حاصله نشان دهنده موفقیت پایگاه داده TIGGE در پیش بینی سیل است. مدل ECMWF در پیش بینی دبی اوج برتری داشت. از روش محاسبه باند بالا و پایین جهت تعیین عدم قطعیت استفاده شد که عدم قطعیت را به خوبی نشان داد. این سیستم زمان دبی اوج را به خوبی و با تاخیر زمانی اندک نمایش داد که بیانگر عملکرد خوب آن است. بارش پیش بینی شده حاصل از چهار مرکز مورداستفاده در این مطالعه (ECMWF ,ECCC , CPTEC , KMA) تفاوت های قابل توجهی دارند، برای کاهش این تفاوت ها از سیستم پیش بینی گروهی چند مدلی استفاده نمودیم که نتایج دلگرم کننده ای داشت.

Keywords:

مدل های عددی پیش بینی بارش , سیستم پیش بینی گروهی , تصحیح اریبی , سامانه پیش بینی و هشدار سیل

Authors

سودابه بهیان مطلق

دانشجوی دکتری آبخیزداری، گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد.

افشین هنربخش

دانشیار، گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد.

اصغر عزیزیان

دانشیار، گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین.

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 :
  • Alfieri, L., Burek, P., Dutra, E., Krzeminski, B., Muraro, D., ...
  • Aminyavari, S., Saghafian, B., & Sharifi, E. (۲۰۱۹). Assessment of ...
  • Bauer, P., Thorpe, A., & Brunet, G. (۲۰۱۵). The quiet ...
  • Beyer, R., Krapp, M., & Manica, A. (۲۰۲۰). An empirical ...
  • Krishnamurti, T. N., Sagadevan, A. D., Chakraborty, A., Mishra, A. ...
  • Louvet, S., Sultan, B., Janicot, S., Kamsu-Tamo, P. H., & ...
  • Maraun, D., & Widmann, M. (۲۰۱۸). Statistical downscaling and bias correction ...
  • Roulin, E. (۲۰۰۷). Skill and relative economic value of medium-range ...
  • Rousset, F., Habets, F., Martin, E., & Noilhan, J. (۲۰۰۷). ...
  • Saedi, A., Saghafian, B., & Moazami, S. (۲۰۲۰). Uncertainty of ...
  • Thirel, G., Rousset-Regimbeau, F., Martin, E., & Habets, F. (۲۰۰۸). ...
  • نمایش کامل مراجع