بهبود عملکرد سامانههای پیشبینی بارش جهانی در اقلیمهای مختلف ایران با روش تصحیح اریبی نگاشت چندک
نویسندگان
1 استادیار گروه مهندسی آب/ دانشگاه بین المللی امام خمینی قزوین
2 دانشیار گروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین، ایران
3 دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین
doi
10.22059/ijswr.2020.302208.668602چکیده
از آنجائی که بارش بهعنوان یکی از اجزاء اصلی مطالعات هشدار سیل، خشکسالی و منابع آب بهشمار میآید، پیشبینی کمی آن از درجه اهمیت بسیار بالایی برخوردار است. گسترش و پیشرفت روزافزون محاسبات رایانهای و فناوریهای ماهوارهای و سنجش از دور در سالهای اخیر منجر به توسعه مدلهای پیشبینی هواشناسی متعددی شده است که از مهمترین آنها میتوان به پایگاه اطلاعاتی TIGGE اشاره نمود که در برگیرنده تعدادی زیادی از مدلهای پیشبینی قدرتمند است. پژوهش حاضر با هدف ارزیابی عملکرد تمامی مدلهای عددی قابلدسترس در پایگاه مذکور جهت پیشبینی بارش روزانه در 38 ایستگاه سینوپتیک کشور ایران که در اقلیمهای مختلف واقع شدهاند، به انجام رسیده است. همچنین بررسی اثر تصحیح اریبی به روش نگاشت چندک (QM) بر عملکرد مدلهای پیشبینی بارش از دیگر اهداف اصلی این تحقیق بهشمار میآید. نتایج بدست آمده نشان داد که عمده مدلهای پیشبینی در اقلیمهای مرطوب، نیمه مرطوب، مدیترانهای و خشک (که بیشتر مناطق جنوب غربی تا شمال غربی و شمال شرقی کشور را شامل میشوند) دارای بیشترین میزان همبستگی با دادههای زمینی هستند ولی که در اقلیمهای نیمهخشک و خیلی خشک مقدار شاخص CC بهمراتب کمتر است. مقدار شاخصهای آماری CC و RMSE بدست آمده از دو مرکز ECMWF و METEO در اکثر مناطق کشور به ترتیب بالای 6/0 و کمتر از 4 میلیمتر در روز است و این در حالی است که دو مدل CMA و CPTEC از کارایی چندان مناسبی برخوردار نمیباشند. همچنین ارزیابی مقادیر بارش تصحیحشده با روش QM بیانگر بهبود چشمگیر شاخصهای آماری بدست آمده از بسیاری از مراکز پیشبینی است. طبق محاسبات صورت گرفته، مقدار شاخص CC در اقلیمهای خیلی خشک، خشک و مدیترانهای بهطور متوسط افزایشی در حدود 20 درصد دارد. نکته مهم دیگر آنکه با حذف اریب از دادهها عملکرد مدلهای عددی هواشناسی در پیشبینی مقادیر کم و بالای بارش بهبود یافته و همین مسئله قابلیت کاربرد سامانههای پیشبینی بارش در سیستمهای هشدار سیل و مدیریت منابع آب را بیش از پیش افزایش میدهد.