Evaluation of the WRF model performance for heavy rainfall simulation A Case Study of the Kan Basin in Iran

作者
لیلا گودرزی,محمد ابراهیم بنی حبیب,پروین غفاریان
出处
期刊:DOAJ: Directory of Open Access Journals - DOAJ 卷期号:25 (1): 229-242 被引量:1
标识
DOI:10.22069/jwsc.2018.11669.2613
摘要

سابقه و هدف: هر ساله وقوع بارش‌های سنگین در حوضه‌های سیل‌خیز کشور منجر به رخداد سیلاب‌ و خسارت‌های هنگفتی می‌گردد. پیش‌بینی بارش‌های سنگین یکی از گام‌های ضروری در تدوین و توسعه یک سیستم هشدار سیلاب ‌است. در سال‌های اخیر استفاده از مدل‌های عددی وضع هوا در پیش‌بینی بارش کاربرد گسترده‌ای داشته است. سرویس‌ها و مراکز هواشناسی مختلفی، پیش‌بینی‌های جوی را با حل مدل‌های عددی وضع هوا ارائه می‌کنند. لازم به ذکر است که پیش‌بینی‌های این مراکز در مقیاس بزرگ شبکه‌بندی شده‌اند. از جمله روش‌های دینامیکی که امروزه برای ریزمقیاس نمایی مدل‌های بزرگ مقیاس بسیار مورد توجه قرار گرفته است می‌توان به مدل پژوهش و پیش‌بینی وضع هوا (WRF) اشاره کرد. در مطالعه حاضر توانایی مدل WRF در پیش‌بینی بارش‌های سنگین در حوضه‌آبریز رودخانه کن تهران مورد ارزیابی قرار گرفته است.مواد و روش‌ها: شرایط مرزی و اولیه مدل از داده‌های اجرای ساعت صفر (به وقت ساعت هماهنگ جهانی ) سامانه مدل‌سازی تمام کره‌ای موسوم به GFS از مرکز ملی پیش‌بینی‌های محیطی گرفته شده است. برای اجرای مدل سه دامنه در نظر گرفته شده است. دامنه بزرگ دارای تفکیک افقی 27 کیلومتر، دامنه میانی دارای تفکیک افقی 9 کیلومتر و دامنه کوچک که ارزیابی‌ پیش‌بینی‌ها در آن صورت گزفته است دارای تفکیک افقی 3 کیلومتر می‌باشد. ارزیابی‌ها‌ بر روی پیش‌بینی‌های کوتاه ‌مدت (24 ساعته) انجام شده است. بدین منظور سه مورد از بارش‌های تاریخی که منجر به رخداد سیلاب در منطقه مورد مطالعه شده است، انتخاب و با استفاده از مدل WRF شبیه‌سازی گردید. همچنین پیش‌بینی‌های ارائه شده توسط مرکز ملی پیش‌بینی زیست محیطی (NCEP) نیز از طریق تارنمای این مرکز تهیه گردید. سپس نتایج حاصل از برونداد مدل WRF و پیش‌بینی‌های بزرگ مقیاس NCEP با مقدار بارش مشاهداتی ثبت شده در ایستگاه‌های باران سنجی مقایسه شد. یافته‌ها: نتایج نشان داد که بارش‌های پیش‌بینی شده توسط NCEPبسیار کمتر از مقدار واقعی برآورد شده‌اند، ضمن اینکه زمان وقوع بارش نیز به درستی پیش‌بینی نشده است. همچنین نتایج حاکی از عملکرد نسبتا مطلوب مدل WRF در پیش بینی بارش‌های سنگین است به طوریکه با اجرای این مدل مقدار شاخص خطا به مقدار قابل توجهی نسبت به مدل بزرگ مقیاس کاهش یافت. نتیجه‌گیری: استفاده از مدل دینامیکی WRF دقت پیش‌بینی‌های بارش را نسبت به مدل جهانی افزایش می‌دهد. بنابراین پیشنهاد می‌گردد که در تدوین و توسعه سیستم هشدار سیلاب در حوضه‌های سیل‌خیز کشور از مدل WRF در ترکیب با مدل هیدرولوژیکی جهت پیش‌بینی سیلاب استفاده شود.واژه‌های کلیدی: پیش‌بینی، بارش‌های سنگین، مدل WRF، حوضه رودخانه کن.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
WU发布了新的文献求助10
刚刚
molihuakai的应助被hang采纳,获得10
刚刚
Vivi发布了新的文献求助20
1秒前
1秒前
1秒前
1秒前
2秒前
隐形曼青的应助被Velvet采纳,获得30
3秒前
3秒前
zjw完成签到,获得积分10
3秒前
橙子完成签到,获得积分10
3秒前
Djy发布了新的文献求助10
3秒前
贪玩画板完成签到,获得积分10
3秒前
4秒前
Glovexx发布了新的文献求助10
5秒前
云中月完成签到,获得积分10
6秒前
cheng完成签到,获得积分10
6秒前
7秒前
7秒前
7秒前
英吉利25发布了新的文献求助10
7秒前
bingyu508完成签到,获得积分10
7秒前
大方铃铛完成签到,获得积分10
8秒前
8秒前
张小小发布了新的文献求助10
8秒前
Camellia完成签到,获得积分20
9秒前
9秒前
了了发布了新的文献求助10
9秒前
10秒前
诗轩完成签到,获得积分10
11秒前
12秒前
Metx完成签到 ,获得积分10
12秒前
大方铃铛发布了新的文献求助10
14秒前
A_DAY完成签到,获得积分10
14秒前
Camellia发布了新的文献求助10
14秒前
Dr_Zhan完成签到,获得积分10
14秒前
15秒前
刘蚁羊完成签到 ,获得积分10
15秒前
15秒前
he完成签到,获得积分10
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Aspects of Post-SPE Phonology 2000
CLSI VET01S Ed7 Performance Standards for Antimicrobial Disk and Dilution Susceptibility Tests for Bacteria Isolated From Animals 1000
Performance standards for antimicrobial disk and dilution susceptibility tests for bacteria isolated from animals 888
Rosenblum, Global Change Biology 800
Holistic Discourse Analysis, Second Edition by Robert E. Longacre (2012-09-10) 666
Berberine regulates the TLR4 signaling pathway to suppress hypoxia-induced proliferation and migration of pulmonary arterial smooth muscle cells 530
热门求助领域 (近24小时)
化学 材料科学 医学 生物 计算机科学 工程类 纳米技术 物理 有机化学 化学工程 内科学 生物化学 复合材料 催化作用 心理学 细胞生物学 无机化学 电极 光电子学 人工智能
热门帖子
关注 科研通微信公众号,转发送积分 7867249
求助须知:如何正确求助?哪些是违规求助? 9384269
关于积分的说明 20748360
捐赠科研通 7467849
什么是DOI,文献DOI怎么找? 3349609
关于科研通互助平台的介绍 2490765
邀请新用户注册赠送积分活动 2375218