ارزيابي مدل برف واسنجي شده طرحواره سطح NOAH-MP جفت شده در مدل WRF با تصاوير سنجنده موديس در نواحي با ويژگي‌هاي متفاوت سطح

Evaluation of the calibrated snow model of the NOAH-MP land surface scheme coupled in the WRF using MODIS images in areas with different land-surface features

پوشش برف اثر قابل توجهي در كشاورزي، منابع آب و اقليم دارد و به دليل تغييرات شديد مكاني و زماني از مهم‌ترين مؤلفه‌ها در طرحواره‌هاي سطح است. مدل برف طرحواره سطح NOAHMP جفت شده در مدل WRF با فاكتور ذوب برف واسنجي شده با تصاوير روزانه كسر پوشش برف سنجنده موديس ماهواره ترا در بارش‌هاي سنگين برف در سال‌هاي 2013 و 2014 ارزيابي شده است. منطقه مورد مطالعه كه شامل استان‌هاي غربي (همدان و كردستان) و استان‌هاي شمالي (اردبيل، گيلان و مازندران) است به نواحي جنگلي، مرتع، پست و كم‌ارتفاع و كوهستاني داراي شيب كم و زياد تقسيم شد. مدل ضعيف‌ترين (بهترين) عملكرد در برآورد كسر پوشش برف (كمينه دماي هوا) را با بيش‌ترين (كم‌ترين) ميانگين مربعات خطاهاي نرمال شده و انحراف معيار نرمال شده بيش‌تر از (نزديك به) يك دارد. مدل عدم قطعيت بالايي در برآورد كسر پوشش برف و ارتفاع برف در نواحي داراي توپوگرافي پيچيده (با ضريب كارايي بسيار كوچك مثبت، 0/01) و نواحي داراي ناهمگني سطح (نواحي مرتع و جنگلي با ضرايب كارايي منفي و خطاهاي بزرگ) دارد. بهترين عملكرد مدل در برآورد كسر پوشش برف و ارتفاع برف در نواحي پست و كم ارتفاع با بالاترين ضرايب كارايي (به ترتيب 0/71 و 0/40) و كوچك‌ترين ميانگين مطلق خطا (به ترتيب 8 و cm6/4) است.

Snow cover has a significant effect on agriculture, water resources and climate, and it is one of the most important components of land-surface schemes due to its high spatial and temporal variations. The snow model of the NOAHMP land-surface scheme coupled in the WRF model is evaluated with the calibrated snow melting factor by the Tera satellite’s daily MODIS images of snow cover fraction during the heavy snowfalls in 2013 and 2014. The study area including western provinces (Hamedan and Kurdistan) and northern provinces (Ardebil, Gilan, and Mazandaran) of Iran is divided into forests, rangelands, lowlands, and mountainous areas with low and high slopes. The model has the weakest (best) performance in estimating snow cover fraction (minimum air temperature) with highest (lowest) normalized root mean square error and normalized standard deviation greater than (close to) one. The model has high uncertainty in estimating the snow cover fraction and snow depth in the regions with complex topography (with a very small positive efficiency coefficient, 0.01) and heterogeneous areas (rangelands and forests with a negative efficiency coefficient and large errors). The model has the best performance in estimating the snow cover fraction and snow depth in the lowlands with the highest efficiency coefficients (0.71 and 0.40, respectively) and the lowest mean absolute error (8 and 6.4 cm respectively).