بررسی موردی کارایی میانگین سامانه همادی توسعه داده شده برای مدل WRF جهت پیشبینی وضعیت جوی در منطقه غرب ایران
نویسندگان
1 استاد، گروه فیزیک فضا، موسسه ژئوفیزیک، دانشگاه تهران، ایران
2 دانشجوی دکتری، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
3 استاد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
4 دانشیار، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران
5 دانشیار گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران
doi
10.30499/ijg.2025.495531.1656چکیده
استفاده از مدلهای هواشناسی یکی از مناسبترین روشهای پیشبینی وضع جو است، اما باتوجهبه ماهیت پیچیده جو گاهی این مدلها نیز از پیشبینی دقیق آن عاجزند. روشهای نوینی جهت کمک به افزایش دقت پیشبینیها توسعه داده میشود که از جمله این روشها میتوان به روش همادی (Ensemble) پیشبینی وضع جوی اشاره کرد. پژوهش حاضر به ارائه نتایج حاصل از توسعه یک سامانه پیشبینی همادی برای مدل WRF جهت پیشبینی میدان باد 10 متری از سطح زمین، دمای هوا و بارش تجمعی 24 ساعته در منطقه غرب ایران میپردازد. جهت توسعه مدل همادی، اعضای سامانه همادی با استفاده از ترکیب سه پیکربندی منتخب و ایجاد پریشیدگی در شرایط اولیه مدل با استفاده از روش مونتکارلو ترکیب شدهاند. همچنین در شبیهسازیهای مدل WRF برای هر یک از اعضای سامانه همادی از سه دامنه تودرتو با تفکیکهای افقی 27، 9 و 3 کیلومتر استفاده شده است. بررسی نتایج به کمک سنجههای آماری مانند خطای مطلق میانگین (MAE)، جذر میانگین مربعات خطا (RMSE) و KGE در مقایسه با دادههای مشاهداتی ایستگاههای موجود در منطقه صورت گرفت. برای پیشبینی 72 ساعته مؤلفههای باد در تراز 10 متری سطح زمین جذر میانگین مربعات خطا برابر با 31/2 متر بر ثانیه و برای دمای تراز 2 متری سطح زمین برابر با 75/2 درجه سلسیوس به دست آمد که نشان از کارایی مناسب میانگین همادی برای پیشبینی متغیرهای مذکور باتوجهبه شرایط منطقه از نظر ناهمواریها دارد. مدل در پیشبینی بارش در با چهار سنجه آماری برای رویدادهای بیشتر از دودسته ارزیابی شده است. سنجه FAR نشان میدهد که در بارشهای 1 تا 10 میلیمتر بیشترین هشدار غلط وجود دارد، درحالیکه سنجه HSS نشاندهنده مهارت بالای مدل نسب بهپیش بینیهای تصادفی در این بازه است. همچنین، مدل توانایی خوبی در شناسایی بارشهای واقعی دارد و در بارشهای بالای 50 میلیمتر عملکرد مطلوبی داشته، اما در سایر موارد اندکی بیش پیشبینی مشاهده شده است. همچنین مدل در محدوده کوهستانی منطقه موردنظر بیشترین چالش را برای پیشبینی متغیرها در طی روزهای پیشبینی داشته است.