به‌كارگيري يك سامانه همادي توسعه داده‌شده براي مدل WRF جهت پيش‌بيني ميدان باد سطحي در محدوده خليج‌فارس

Using an Ensemble Prediction System Developed for the WRF Model to Predict Surface Wind Over Persian Gulf

نتايج حاصل از توسعه يك سامانه پيش‌بيني همادي براي مدل WRF جهت پيش‌بيني ميدان باد سطحي در محدوده خليج‌فارس در تحقيق حاضر ارايه مي‌شود. سامانه مذكور تركيبي از ايجاد پريشيدگي در شرايط اوليه و استفاده از طرح‌واره‌هاي فيزيكي متفاوت مي‌باشد. براي يافتن پيكربندي(هاي) مناسب مدل WRF از ديدگاه پارامترسازي‌هاي فيزيكي تعداد 14 پيكربندي انتخاب شده و پس از انجام اجراهاي مدل براي چندين تاريخ منتخب و انجام اعتبارسنجي نتايج خروجي مدل به‌ويژه براي ميدان باد، سه پيكربندي به‌عنوان پيكربندي‌هاي مناسب انتخاب شدند. سپس اعضاي سامانه همادي با استفاده از تركيب سه پيكربندي منتخب و ايجاد پريشيدگي در شرايط اوليه مدل با استفاده از روش مونت‌كارلو ايجاد مي‌شوند. براي انجام شبيه‌سازي‌هاي مدل WRF براي هر يك از اعضاي سامانه همادي از دو ناحيه محاسباتي تودرتو با تفكيك‌هاي مكاني 0/3درجه و 0/1 درجه استفاده مي‌شود. بررسي عملكرد پيش‌بيني‌هاي سامانه به كمك محاسبه پارامترهاي آماري همچون ضريب همبستگي و جذر ميانگين مربعات خطا در مقايسه با داده‌هاي مشاهدات شامل داده‌هاي ايستگاه‌هاي هواشناسي موجود در منطقه و داده‌هاي اندازه‌گيري شده توسط سنجنده‌هاي ماهواره‌اي (مانند QuikSCAT و ASCAT) نشان‌ از عملكرد مناسب ميانگين همادي در مقايسه با پيش‌بيني قطعي براي پيش‌بيني ميدان باد دارد.

This work is devoted to present the results of an ensemble prediction system developed for the Weather Research and Forecasting (WRF) model to predict surface wind over the Persian Gulf. To construct the ensemble members a combination of perturbed initial condition (using Monte Carlo method) and model perturbations (using multi physical parameterization schemes) is employed. Here, an ensemble prediction system with 15 members (three physical parameterization schemes and five initial condition perturbations for each one) is used to generate the surface wind and other meteorological field predictions over the Persian Gulf. Assessment of the ensemble mean against the observational in situ and satellite (e.g., ASCAT and QuikSCAT) data indicates promising performance of the ensemble prediction system over the deterministic predictions.