ارزیابی عملکرد مدل WRF در شبیه سازی بارش های سنگین

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 568

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_JWSC-25-1_012

تاریخ نمایه سازی: 11 آبان 1398

Abstract:

سابقه و هدف: هر ساله وقوع بارش های سنگین در حوضه های سیل خیز کشور منجر به رخداد سیلاب و خسارت های هنگفتی می گردد. پیش بینی بارش های سنگین یکی از گام های ضروری در تدوین و توسعه یک سیستم هشدار سیلاب است. در سال های اخیر استفاده از مدل های عددی وضع هوا در پیش بینی بارش کاربرد گسترده ای داشته است. سرویس ها و مراکز هواشناسی مختلفی، پیش بینی های جوی را با حل مدل های عددی وضع هوا ارائه می کنند. لازم به ذکر است که پیش بینی های این مراکز در مقیاس بزرگ شبکه بندی شده اند. از جمله روش های دینامیکی که امروزه برای ریزمقیاس نمایی مدل های بزرگ مقیاس بسیار مورد توجه قرار گرفته است می توان به مدل پژوهش و پیش بینی وضع هوا (WRF) اشاره کرد. در مطالعه حاضر توانایی مدل WRF در پیش بینی بارش های سنگین در حوضه آبریز رودخانه کن تهران مورد ارزیابی قرار گرفته است. مواد و روش ها: شرایط مرزی و اولیه مدل از داده های اجرای ساعت صفر (به وقت ساعت هماهنگ جهانی ) سامانه مدل سازی تمام کره ای موسوم به GFS از مرکز ملی پیش بینی های محیطی گرفته شده است. برای اجرای مدل سه دامنه در نظر گرفته شده است. دامنه بزرگ دارای تفکیک افقی 27 کیلومتر، دامنه میانی دارای تفکیک افقی 9 کیلومتر و دامنه کوچک که ارزیابی پیش بینی ها در آن صورت گزفته است دارای تفکیک افقی 3 کیلومتر می باشد. ارزیابی ها بر روی پیش بینی های کوتاه مدت (24 ساعته) انجام شده است. بدین منظور سه مورد از بارش های تاریخی که منجر به رخداد سیلاب در منطقه مورد مطالعه شده است، انتخاب و با استفاده از مدل WRF شبیه سازی گردید. همچنین پیش بینی های ارائه شده توسط مرکز ملی پیش بینی زیست محیطی (NCEP) نیز از طریق تارنمای این مرکز تهیه گردید. سپس نتایج حاصل از برونداد مدل WRF و پیش بینی های بزرگ مقیاس NCEP با مقدار بارش مشاهداتی ثبت شده در ایستگاه های باران سنجی مقایسه شد. یافته ها: نتایج نشان داد که بارش های پیش بینی شده توسط NCEPبسیار کمتر از مقدار واقعی برآورد شده اند، ضمن اینکه زمان وقوع بارش نیز به درستی پیش بینی نشده است. همچنین نتایج حاکی از عملکرد نسبتا مطلوب مدل WRF در پیش بینی بارش های سنگین است به طوریکه با اجرای این مدل مقدار شاخص خطا به مقدار قابل توجهی نسبت به مدل بزرگ مقیاس کاهش یافت. نتیجه گیری: استفاده از مدل دینامیکی WRF دقت پیش بینی های بارش را نسبت به مدل جهانی افزایش می دهد. بنابراین پیشنهاد می گردد که در تدوین و توسعه سیستم هشدار سیلاب در حوضه های سیل خیز کشور از مدل WRF در ترکیب با مدل هیدرولوژیکی جهت پیش بینی سیلاب استفاده شود. واژه های کلیدی: پیش بینی، بارش های سنگین، مدل WRF، حوضه رودخانه کن.

Authors

لیلا گودرزی

دانشگاه تهران

محمد ابراهیم بنی حبیب

دانشگاه تهران

پروین غفاریان

پژوهشگاه ملی اقیانوس شناسی و علوم جوی

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 :
  • 1.Abbasi, M., Mohseni Sarai, M., Kheirkhah, M., Khalighi Sigaroudi, Sh., ...
  • Hosseini, M. 2010. Assessment of Watershed Management Activities on Time ...
  • Concentration and Curve Number using HEC-HMS Model. J. Range Water. ...
  • Natur. Resour. 63: 3. 375-385. (In Persian) ...
  • Afandi, G., Morsy, M., and El Hussieny, F. 2013. Heavy ...
  • Peninsula using the weather research and forecasting model. Inter. J. ...
  • Amini, L., Parhizkar, D., and Khakian, Gh. 2012. The performance ...
  • rainfall forecasting in Esfahan province. The second national conference on ...
  • management and engineering with the approach of urban flooding, Tehran. ...
  • Azadi, M., Shirgholami, M., Hejam, S., and Sahraean, F. 2011. ...
  • Postprocessing for Daily Precipitation over Iran. Iran-Water Resour. J. 7: ...
  • Azadi, M., Tghizade, A., and Memarian, M. 2010. Comparision of ...
  • forecasting. 14th Geophysics Conference of Iran, Tehran, Iran s geopolitical ...
  • Banihabib, M., and Arabi, A. 2010. Evaluation of the effects ...
  • practices on the lead time. J. Environ. Sci. Technol. 12: ...
  • Banihabib, M.E., and Arabi, A. 2016. The impact of catchment ...
  • management of flash-flood. Inter. J. Emer. Manage. 12: 2. 185-195. ...
  • Banihabib, M.E., Arabi, A., and Salha, A. 2015. A dynamic ...
  • assessment of land-use change impact on warning lead-time of flood. ...
  • Technol. 5: 2. 163-178. ...
  • Chen, F., and Dudhia, J. 2001. Coupling an advanced land ...
  • Penn State-NCAR MM5 modeling system. Part I: Model implementation and ...
  • Monthly Weather Review. 129: 4. 569-585. ...
  • Cloke, H., and Pappenberger, F. 2009. Ensemble flood forecasting: a ...
  • Dudhia, J. 1989. Numerical study of convection observed during the ...
  • experiment using a mesoscale two-dimensional model. J. Atm. Sci. 46: ...
  • Falahi, M., Varvani, H., and Golian, S. 2011. Rainfall forecasting ...
  • model inordet to flood management. 5th National Conference on Watershed ...
  • Soil and Water Resources Management, Kerman. (In Persian) ...
  • Goodarzi, L., and Roozbahani, A. 2013. Comparison of ARIMA and ...
  • models in rainfall forecasting. Second National Conference on Water crisis ...
  • water and the environment), Shahrekord. (In Persian) ...
  • Goodess, C.M., Bárdossy, A., Haylock, M.R., and Ribalaygua, J. 2012. ...
  • of statistical downscaling methods for Europe and European regions, Climatic ...
  • Research Publication, 11p. ...
  • Grell, G.A. 1993: Prognostic Evaluation of Assumptions Used by Cumulus ...
  • Mon. Wea. Rev. 121: 764-787. ...
  • Hong, S.Y., Noh, Y., and Dudhia, J. 2006. A new ...
  • treatment of entrainment processes. Monthly Weather Review. 134: 9. 2318-2341. ...
  • Hong, S.Y., Dudhia, J., and Chen, S.H. 2004. A revised ...
  • processes for the bulk parameterization of clouds and precipitation. Monthly ...
  • Review. 132: 1. 103-120. ...
  • Hsiao, L.F., Yang, M.J., Lee, C., Kuo, H.C., Shih, D., ...
  • Ensemble forecasting of typhoon rainfall and floods over a mountainous ...
  • Taiwan. J. Hydrol. 506: 55-68. ...
  • Kain, J.S., and Fritsch, J.M. 1993. Convective parameterization for mesoscale ...
  • The Kain-Fritsch scheme. In The representation of cumulus convection in ...
  • American Meteorological Society, Pp: 165-170. ...
  • Koohi, M., Moosavi, M., Faridhoseini, A., Sanaenejad, H., and Jabari, ...
  • downscaling and the future scenarios of extreme precipitation events. J. ...
  • : 12. 35-53. (In Persian) ...
  • Kryza, M., Werner, M., Wałszek, K., and Dore, A.J. 2013. ...
  • WRF model for high-resolution forecasting of rainfall-a case study of ...
  • Meteorologische Zeitschrift. 22: 5. 595-601. ...
  • Laifang, L., Wenhong, L., and Jiming, J. 2014. Improvements in ...
  • southeastern United States summer rainfall: physical parameterization and horizontal ...
  • resolution. Climate Dynamics. 43: 7-8. 2077-2091. ...
  • Mlawer, E.J., Taubman, S.J., Brown, P.D., Iacono, M.J., and Clough, ...
  • transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for ...
  • longwave. J. Geophysic. Res. Atm. 102: 14. 16663-16682. ...
  • Moustris, K.P., Larissi, I.K., Nastos, P.T., and Paliatsos, A.G. 2011. ...
  • using artificial neural networks in specific regions of Greece. Water ...
  • Obukhov, A.M. 1971. Turbulence in an atmosphere with a non-uniform ...
  • Boundary-layer meteorology. 2: 1. 7-29. ...
  • Partal, T., and Kişi, Ö. 2007. Wavelet and neuro-fuzzy conjunction ...
  • forecasting. J. Hydrol. 342: 1. 199-212. ...
  • Pennelly, C., Reuter, G., and Flesch, T. 2014. Verification of ...
  • heavy precipitation in Alberta. Atmospheric Research. 135: 172-192. ...
  • Skamarock, W.C., Klemp, J.B., Dudhia, J., Gill, D.O., Barker, D.M., ...
  • J.G. 2005. A description of the advanced research WRF version ...
  • STR). National Center for Atmospheric Research Boulder Co Mesoscale and ...
  • Meteorology Div. ...
  • Skamarock, W.C. 2008. A description of the Advanced Research WRF ...
  • Tech. Note NCAR/ TN-4751STR. ...
  • Taghavi, F., Neyestani, A., and Ghader, S. 2013. Short range ...
  • evaluation of WRF model over Iran. J. Earth Space Physic. ...
  • Yazarloo, B., Zakerinia, M., Abdolhoseini, M., and Sharifan, H. 2014. ...
  • Heavy Precipitation Regarding the Impacts of 21th Century Climate Changes ...
  • stations Golestan Province. J. Water Soil Cons. 22: 3. 137-150. ...
  • Zakeri, Z., Azadi, M., and Sahraean, F. 2014. WRF model ...
  • Iran. J. Nivar. 87-86: 3-10. (In Persian) ...
  • Zheng, Y., Alapaty, K., Herwehe, J.A., Del Genio, A.D., and ...
  • high-resolution weather forecasts using the Weather Research and Forecasting (WRF) ...
  • with an updated Kain-Fritsch scheme. Mon. Wea. Rev. 117: 3. ...
  • Zoljoodi, M., Ghazimirsaeid, S., and Seifari, Z. 2013. Evaluation of ...
  • model in precipitation forecasting in Iran. J. Geographic. Res. 28: ...
  • نمایش کامل مراجع