پديد آورندگان :
اميني، ستاره دانشگاه بين المللي امام خميني - گروه مهندسي آب، قزوين , عزيزيان، اصغر دانشگاه بين المللي امام خميني - گروه مهندسي آب، قزوين , دانش كار آراسته، پيمان دانشگاه بين المللي امام خميني - گروه مهندسي آب، قزوين
كليدواژه :
باران , سنجش از دور , پيشبيني , مدلهاي هواشناسي , سيلاب
چكيده فارسي :
از آنجائي كه بارش به‌عنوان يكي از اجزاء اصلي مطالعات هشدار سيل، خشكسالي و منابع آب بهشمار ميآيد، پيشبيني كمي آن از درجه اهميت بسيار بالايي برخوردار است. گسترش و پيشرفت روزافزون محاسبات رايانهاي و فناوريهاي ماهوارهاي و سنجش از دور در سال‌هاي اخير منجر به توسعه مدلهاي پيش بيني هواشناسي متعددي شده است كه از مهمترين آنها ميتوان به پايگاه اطلاعاتي TIGGE اشاره نمود كه در برگيرنده تعدادي زيادي از مدلهاي پيش بيني قدرتمند است. پژوهش حاضر با هدف ارزيابي عملكرد تمامي مدل هاي عددي قابل‌دسترس در پايگاه مذكور جهت پيش بيني بارش روزانه در 38 ايستگاه سينوپتيك كشور ايران كه در اقليم هاي مختلف واقع شده اند، به انجام رسيده است. همچنين بررسي اثر تصحيح اريبي به روش نگاشت چندك (QM) بر عملكرد مدلهاي پيش بيني بارش از ديگر اهداف اصلي اين تحقيق به شمار ميآيد. نتايج بدست آمده نشان داد كه عمده مدلهاي پيش بيني در اقليم هاي مرطوب، نيمه مرطوب، مديترانهاي و خشك (كه بيشتر مناطق جنوب غربي تا شمال غربي و شمال شرقي كشور را شامل ميشوند) داراي بيشترين ميزان همبستگي با داده هاي زميني هستند ولي كه در اقليم هاي نيمه‌خشك و خيلي خشك مقدار شاخص CC به‌مراتب كمتر است. مقدار شاخص هاي آماري CC و RMSE بدست آمده از دو مركز ECMWF و METEO در اكثر مناطق كشور به ترتيب بالاي 6/0 و كمتر از 4 ميليمتر در روز است و اين در حالي است كه دو مدل CMA و CPTEC از كارايي چندان مناسبي برخوردار نميباشند. همچنين ارزيابي مقادير بارش تصحيح‌شده با روش QM بيانگر بهبود چشمگير شاخصهاي آماري بدست آمده از بسياري از مراكز پيشبيني است. طبق محاسبات صورت گرفته، مقدار شاخص CC در اقليم هاي خيلي خشك، خشك و مديترانهاي به‌طور متوسط افزايشي در حدود 20 درصد دارد. نكته مهم ديگر آنكه با حذف اريب از داده ها عملكرد مدلهاي عددي هواشناسي در پيش بيني مقادير كم و بالاي بارش بهبود يافته و همين مسئله قابليت كاربرد سامانه هاي پيش بيني بارش در سيستمهاي هشدار سيل و مديريت منابع آب را بيش از پيش افزايش مي دهد.
چكيده لاتين :
Precipitation is one of the main components of flood, drought and water resources warning studies, hence, its quantitative prediction is of the great importance. The increasing development of computing and satellite technologies and remote sensing in recent years has led to the development of several meteorological forecasting models, of which the TIGGE database with a large number of powerful forecasting models, is the most important. The aim of this study was to evaluate the performance of all available numerical models in the database to predict daily precipitation in 38 synoptic stations located in different climates of Iran. In addition, removing biases from raw datasets using Quantile Mapping (QM) method is another objective of this study. Results showed that in humid, semi-humid, Mediterranean and Arid climate zones (mostly includes the southwest, northwest and northeast parts of Iran), most of the prediction models are highly correlated with ground observations, while in semi-arid and extra-arid regions the correlation coefficient (CC) between the forecasted and observed datasets is very low. For example, the CC and RMSE values obtained from ECMWF and METEO centers in most parts of the country are higher than 0.6 and lower than 4 mm/day, respectively, while the performance of CMA and CPTEC models is not remarkable and leads to the weak results. Also, evaluation of the corrected precipitation values by QM method indicates that there is a significant improvement in the performance of most prediction systems. Findings in extra-arid, arid, and Mediterranean zones demonstrate an increase in CC value, averagely about 20%. Moreover, the results depicted that by removing biases from the raw datasets, the performance of numerical weather prediction (NWP) models in estimating the low and high precipitation events is improved and this issue further increases the applicability of precipitation forecasting systems in flood warning systems and water resources management.
