مقايسه روش‌هاي پس پردازش برونداد مدل WRF براي دماي روزانه در ايستگاه مهرآباد تهران

پيش بيني دماي هوا و شرايط جوي با توجه به تاثير آن بر روي زندگي روز مره انسان هميشه بسيار مهم بوده و يكي از مباحث چالش برانگيز مي باشد.در اين راستا استفاده از مدل هاي پيش بيني عددي وضع هوا براي پيش‌بيني دماي سطح زمين توجه زيادي را به خود جلب كرده است. معمولا اين مدل‌ها داراي خطاهاي سامان مند است كه عمده آن به خاطر پايين بودن ميزان تفكيك توپوگرافي و نيز نقص در پارامترسازي فرايندهاي فيزيكي متفاوت در مدل است. امروزه روش‌هاي مختلفي وجود دارد كه با تركيب پيش‌بيني‌هاي مدل و مشاهدات، خطاهاي مدل را تا حد بسيار خوبي كاهش مي‌دهد .در اين تحقيق ، سه روش تبديل فوريه، شبكه عصبي و پالايه كالمن به منظور پس پردازش دماي روزانه سطح زمين براي ايستگاه تهران و مدل WRF به مدت 4 ماه طراحي شده است. بررسي‌هاي آماري نشان مي‌دهد كه خطاي مدل با توجه به فصل در ايستگاه متفاوت است و پيش‌بيني مدل در همه روزها به صورت كم برآورد يا بيش برآورد مي باشد به اين معنا كه در همه روزها خطا مثبت يا در همه روزها منفي است؛ درحالي‌كه پس از اعمال پالايه كالمن، اين برآورد براي بعضي روزها مثبت و بعضي روزها منفي مي‌شود، اين مطلب در كاهش قابل‌ملاحظه خطاي ميانگين كه اريبي را اندازه‌گيري مي‌كند، مشهود است . جذر ميانگين مربع خطاها، پاشندگي خطا را اندازه‌گيري مي‌كند و هرچند كاهش آن پس از اعمال پالايه قابل‌توجه است ولي با صفر فاصله دارد و بيانگر وجود برآورد اضافي و نقصاني است . در ميان روش‌ها، پالايه كالمن توانست پيش‌بيني مدل را تا حد قابل قبولي اصلاح كند و مقدار خطا را تا حد فراواني به اندازه 90% كاهش دهد.