پس پردازش خروجي مدل هاي پيش بيني عددي بارش پايگاه داده TIGGE با مدل ميانگين گيري بيزين (BMA)

بارش يكي از مهم‌ترين پديده‌هاي هواشناسي و محرك اصلي در پيش‌بيني جريان رودخانه است. از اينرو تشخيص مقدار بارش در آينده كمك شاياني به مديريت منابع آب و پيش‌بيني سيلاب مي‌كند. در همين راستا برخي از مهم‌ترين مراكز هواشناسي دنيا پيش‌بيني‌هاي عددي بارش را در مقياس جهاني در اختيار كاربران قرار دادند. در دسترس بودن مدل‌هاي پيش‌بيني گروهي جهاني در پايگاه داده TIGGE فرصت‌هاي جديدي را براي پيش‌بيني سيلاب ايجاد مي‌كند. در اين تحقيق تاثير پس‌پردازش بر مهم‌ترين مدل‌هاي پيش‌بيني گروهي عددي جهاني از قبيل UKMO، ECMWF، NCEP و CMA در پايگاه داده TIGGE در طول سال‌هاي 2007 تا 2014 براي حوضه رودخانه بشار بررسي شد. ارزيابي‌ها در دوبخش احتمالاتي و غيراحتمالاتي انجام گرديد. در ابتدا پيش‌بيني عددي گروهي بارش چهار مدل با روش نگاشت چندك تصحيح اريبي شدند. سپس با كمك مدل‌ميانگين‌گيري بيزين عمل پس‌پردازش انجام شد. نتايج ارزيابي احتمالاتي بعد از پس‌پردازش نشان داد كه مهارت مدل‌هاي پيش‌بيني براي حوضه بشار افزايش يافت و هيستوگرام VR بدست آمده از هر مدل، توزيع يكنواختي داشت. هم‌چنين نتايج ارزيابي احتمالاتي با معيار BSS براي حالت تركيبي چهار مدل ‌پيش‌بيني عددي بارش با روش BMA در بيشتر ايستگاه‌ها نزديك به 0.5 و در حالت تركيب وزني يكسان نزديك به صفر بود كه نشان مي‌دهد پيش‌بيني تركيبي BMA مهارت بالاتري نسبت به مدل‌هاي منفرد دارد.