بررس کارایی مدل پیش بینی احتمالاتی تغییرات فصلی بارش در ایران

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 428

This Paper With 14 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_CCR-4-16_004

تاریخ نمایه سازی: 14 بهمن 1402

Abstract:

این مطالعه به بررسی کارایی یک مدل همادی در مقیاس زمانی فصلی برای تولید پیش بینی احتمالاتی با استفاده از مدل WRF جهت پیش بینی بارش در ایران پرداخته شده است. این مدل از اجرای مدل WRF با ۴ پیکربندی مختلف و با ۱۶ حالت شرایط اولیه و مرزی مختلف حاصل از پیش بینی های مدل CFSv.۲ تشکیل شده است و مجموعا دارای ۶۴ عضو است. صدک های ۳۳ و ۶۶ ام مبنای بارش های زیر نرمال، نرمال و بالای نرمال بوده و دوره تاریخی اجرای مدل سال های ۲۰۰۰ تا ۲۰۱۹ است. دوره عملیاتی جهت بررسی کارایی مدل نیر زمستان سال ۲۰۲۰ می باشد و سنجه های ارزیابی هم دو نمایه ضریب همبستگی و جذر میانگین مجذور خطا است. نتایج این مطالعه نشان می دهد که پیش بینی بارش در مقیاس فصلی در ایران دارای عدم قطعیت بالایی است و ارائه پیش بینی ها به صورت احتمالاتی هرچند می تواند از کارایی بیشتری نسبت به پیش بینی قطعی برخوردار باشد اما همچنان دارای عدم قطعیت است. توزیع فضایی خطای پیش بینی مدل در دوره تاریخی وابسته به پراکندگی مکانی بارش و فاصله از مبدا زمانی پیش بینی است، به طوری که در پیش دید اول کارایی مدل بهتر از پیش دید دوم و سوم است و از طرف دیگر در شرق و جنوب شرق کشور مدل از عدم قطعیت بالاتری نسبت به نواحی دیگر کشور برخوردار است. پیاده سازی این مدل برای یک دوره عملیاتی نشان داد که هرچند مدل می‎ تواند تغییرات فضایی بارش در کشور را در سه پیش دید مورد بررسی پیش بینی نماید اما پیش بینی احتمالاتی هم نمی تواند به میزان قابل توجهی از عدم قطعیت مدل های عددی در پیش بینی فصلی بارش را کاهش دهد.

Authors

محمدسعید نجفی

عضو هیات علمی پژوهشکده مطالعات و تحقیقات منابع آب، موسسه تحقیقات آب،

حسین دهبان

پژوهشگر پژوهشکده مطالعات و تحقیقات منابع آب، موسسه تحقیقات آب

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 :
  • بابائیان ا.، کریمیان م. و مدیریان ر. ۱۳۹۱. پس پردازش ...
  • دهبان ح.، ابراهیمی ک.، عراقی نژاد ش.، بذرافشان ج. (۱۳۹۸). ...
  • نجفی ح.، مساح بوانی ع.ر.، ایران نژاد پ.، رابرتسون ا. ...
  • Alizadeh‐Choobari, O. ۲۰۱۹. Dynamical downscaling of CSIRO‐Mk۳. ۶ seasonal forecasts ...
  • Bierkens, M.F.P., & Van Beek, L.P.H. ۲۰۰۹. Seasonal predictability of ...
  • Darand, M., & Khandu, K. ۲۰۲۰. Statistical evaluation of gridded ...
  • Frnda, J., Durica, M., Rozhon, J., Vojtekova, M., Nedoma, J., ...
  • Infanti, J.M., & Kirtman, B.P. ۲۰۱۴. Southeastern US rainfall prediction ...
  • Krishnamurti, T. N., Kishtawal, M., Zhang, Z., LaRow, T., Bachiochi, ...
  • Lang, Y., Ye, A., Gong, W., Miao, C., Di, Z., ...
  • Le, P. V., Randerson, J. T., Willett, R., Wright, S., ...
  • Miller, S., Mishra, V., Ellenburg, W. L., Adams, E., Roberts, ...
  • Neelin, J.D. ۲۰۱۱. Climate Change and Climate Modeling. Cambridge: Cambridge ...
  • Phan-Van, T., Nguyen-Xuan, T., Van Nguyen, H., Laux, P., Pham-Thanh, ...
  • Pinheiro, E., & Ouarda, T. B. ۲۰۲۳. Short-lead seasonal precipitation ...
  • Singh, J., Yeo, K., Liu, X., Hosseini, R., & Kalagnanam, ...
  • Wood, A. W., & Lettenmaier, D. P. ۲۰۰۸. An ensemble ...
  • Yun, W. T., Stefanova, L., & Krishnamurti, T. N. ۲۰۰۳. ...
  • نمایش کامل مراجع