ارزیابی عملکرد طرحواره‌های پارامترسازی خرد فیزیکی و همرفت مدل WRF در برآورد بارش در حوضه آبریز کارون در جنوب غرب ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران

2 دانشیار، گروه هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران

3 استادیار، گروه هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران

4 دکتری سازه‌های آبی، گروه مهندسین مشاور آب عمران پردیسان تهران، ایران

چکیده

هدف از این بررسی ارزیابی تأثیر طرحوارههای خرد فیزیکی و همرفت در مدل پیشبینی عددی وضع هوا WRF[1] در برآورد بارش در حوضه آبریز کارون، در جنوبغرب ایران است. با توجه به اینکه کارون پرآبترین رود ایران و حوضه آبریز کارون یکی ار منابع اصلی آب ایران است و با نوجه به وجود سدهای بزرگ در آن منطقه، جنوب غرب ایران همواره مورد توجه پژوهشگران بوده، بنابراین این منطقه برای مطالعه انتخاب شد.در این تحقیق شبیهسازی های بارش برای ماه‌های ژانویه 2004، مارچ 2005 و 2007 و دسامبر 2009، در دو حوزه به ترتیب حوزه بزرگ با تفکیک افقی km 27 و حوزه کوچک با تفکیک افقی km 9، با ماتریسی از 6 ترکیب مدل WRF ارزیابی شد. به این منظور داده‌های ورودی مدل که شامل داده‌های FNL[2] می‌باشد، از NCEP[3]و همچنین داده‌های دیدبانی شده برای مقایسه از سازمان هواشناسی کشور تهیه گردید. در هر اجرا دو طرحواره مختلف همرفت شامل طرحواره‌های (KF)Kain-Fritsch و (BMJ)Betts-Miller-Janjicو سه طرحواره متفاوت خردفیزیکی شامل طرحواره‌هایWSM 3-class (3) ،WSM 5-class (5)  وفرییر[4](F)مورد استفاده قرار گرفتند. برای تحلیل بارش‌های شبیه‌سازی شده مدل و مقایسه آن با رخداد، با استفاده از آمار بارش 15 ایستگاه همدیدی، مربع ضریب همبستگی محاسبه گردید. میانگین مربع ضرایب همبستگی در تفکیک km9، به ترتیب 888/. برای ترکیب طرحوارههایBMJF، 885/. برای ترکیب طرحواره‌های BMJ5، 831/. برای ترکیب طرحواره‌های BMJ3، 887/. برای ترکیب طرحواره‌های KF3، 878/. برای ترکیب طرحواره‌های KF5 و 871/. برای ترکیب طرحواره‌هایKFF بدست آمدند.نتایج نشان می‌دهند کهمدل ‌WRF در شرایط انتخابی برای انجام آزمایشات(محدود به 4 مورد و تفکیک زمانی و مکانی منتخب) حساسیت چندانی به نوع طرحواره‌ های همرفت و خردفیزیکی در این مقیاس شبکه‌ای ندارد.

 




[1]. The Weather Research and Forecasting model

[2] .Final operational Global Analysis data       

[3] .National Centers for Environmental Prediction

[4] .Ferrier

کلیدواژه‌ها


عنوان مقاله [English]

Performance assessment of microphysical and convection parameterization schemes in the WRF Model for precipitation estimation in the Karoon Basin in Southwest Iran

نویسندگان [English]

  • Zahra Ghassabi 1
  • Golamali Kamali 2
  • AmirHosein Meshkati 3
  • Sohrab Hajam 2
  • Nasrolah Javaheri 4
چکیده [English]

Introduction

Studies on rainfall distribution in catchments suffer from scattered distribution and limited number of measuring stations in the catchment area, there is no possibility for detailed analysis. Currently, numerical simulations are the best approach to determine real precipitation on a regular grid in an entire basin. At present, dynamical and physical governing equations of numerical models based on the latest numerical methods provide extensive and valuable information. . Hence, these models are used independently to evaluate occurrence and changes of various atmospheric parameters or effects of changes in one parameter on the others.

In this study, we have evaluated performance of different micro-physical and convection parameterization schemes of WRF model, to estimate precipitation in the Karoon river basin in Southwest Iran. The basin is a main water source of the country, and because of its large water reservoir, the region has been always interesting to researchers. Therefore, the region was selected for study.  A mountainous region lies to North and northeast of the basin and the Khuzestan plain in South and West to the area.

Physics of the numerical Weather Research and Forecast (WRF) model, which is developed by different USA institutes, contains 5 categories of: (1) microphysics, (2) cumulus parameterization, (3) planetary boundary layer (PBL), (4) land-surface model, and (5) radiation. Since from its introduction, Operational use of the model has grown significantly. To have a better prediction, it is essential to find and apply the most appropriate configuration for the model in Iran.

The WSM3 is a simple-ice scheme, which predicts three categories of hydrometers: vapor, cloud water/ice, and rain/snow. The scheme computes ice processes efficiently, but not super-cooled water and gradual melting rates. The WSM5 scheme is similar to the WSM3 scheme and includes vapor, rain, snow, cloud ice, and cloud water in five different arrays. Thus, it keeps super-cooled water and gradual melting of snow falling from melting layer. The scheme is efficient in intermediate grids between the meso-scale and cloud-resolving grids.

In practice, the convection parameterization include following steps: Triggering (Determines occurrence/localization of convection), Cloud modeling (Determines vertical distribution of heating, moistening and momentum changes) and Closure (Determines overall amount of the energy conversion, convective precipitation=heat release).  Types of convection schemes are based on moisture budgets, Adjustment and Mass-flux schemes. The Kain-Fritsch scheme utilizes a simple cloud model with moist updrafts and downdrafts, including effects of detrainment and entrainment, and a relative simple microphysics. In the Betts-Miller-Janjic scheme, deep convection profiles and the relaxation time are variable depending on the cloud efficiency and a non-dimensional parameter that characterizes the convective regime. The cloud efficiency depends on the entropy change, precipitation, and Cloud mean temperature. A requirement for the shallow convection moisture profile is that the entropy change should be small and non-negative.

 

Materials and methods

Rainfall prediction is one of the important applications of numerical weather prediction models. Effects of different physical schemas and their combinations were studied in order to select best schemes for more accurate rain prediction, in the very important karoon basin catchment of Iran. To pursue this goal, a matrix of 6 WRF model configurations, were created, using combinations of different microphysical-convection schemes, and were  run in two distinct domains with horizontal resolutions of 27km and 9km respectively, for four cases of: January 2004, March 2005 and 2007, and December 2009. In all runs, two different treatments of convection ( i.e., Kain-Fritsch(KF) and Betts-Miller-Janjic (BMJ)) and three different microphysical schemes ( i.e., WSM 3-class(3), WSM 5-class(5) and Ferrier(F)) were used. Also, FNL data from NCEP and observation data from IRIMO were used. Model results were compared with 6-hourly observed data of precipitation from 15 synoptic stations in the region. To evaluate prediction accuracy of different schemes, mean squared correlation coefficients between observation data and each combined convective-microphysics scheme was calculated.

 

Results and discussion

Mean squared correlation coefficients between observation data and combination of convective-microphysical schemes for 9-km resolution were 0.888 for BMJF, 0.885 for BMJ5, 0.831 for BMJ3, 0.887 for KF3, 0.878 for KF5 and 0.871 for KFF. Therefore, results of the studied cases show no significant difference among the convective-microphysics configurations for the 9km resolution, which are in agreement with the results obtained by Jankov (2005) and Otkin (2008). So it seems that, at intermediate scales (about 9km), regardless of the sensitivity of the model to the microphysics and convection schemes, any of the compound schemes used in this study is acceptable. Therefore, for accurate analysis of schemes due to their differences in physical characteristics, it is better the Model be used in lower scales (for Convective cells). Also, application of preprocessing methods for Observational data assimilation, can detect behavior and sensitivity of the model regarding various schemes. On the other hand, if the convective scale is larger than the grid scale, the model directly resolves convection and precipitation. So, in this case, changing parameterization schemes have little effect on the size and intensity of rainfall. To realize the subject, a control run, without convection Parameterization schemes, should be compared with these model runs.

Conclusion

According to the results obtained the studied cases, there were no significant differences among the diverse convective-microphysics configurations for 9km resolution. Therefore, for an accurate schemes analysis due to differences in their physical characteristics and compare the results, it is better to use the Model in lower scales (higher resolutions) (for Convective cells).

 

کلیدواژه‌ها [English]

  • Physical Schemes
  • WRF Model
  • Correlation coefficient
  • Karoon basin
  • sensitivity of model

مقدمه

همواره در مطالعاتی که نیاز به اطلاع از مقدار و چگونگی توزیع بارش در تمامی یک حوضه آبریز وجود دارد، به دلیل پراکندگی نامنظم و محدودیت تعداد ایستگاه‌های اندازه گیری، امکان انجام مطالعات دقیق در تمامی گستره حوضه آبریز وجود نداشته است. برای تعیین کمی مقادیر بارش در یک شبکه منظم در کل حوضه، بهترین روش استفاده از مدل‌های عددی شبیه‌سازی هواشناسی می‌باشد. امروزه اطلاعات گسترده و ارزشمندی را می­توان از خروجی مدل‌های عددی جو که بر مبنای دینامیک و فیزیک حاکم بر جو و با استفاده از آخرین روش‌های عددی حل معادلات حاکم بر جو توسعه یافته­اند، بدست آورد. از اینرو می­توان با استفاده از این مدل‌ها رخداد پدیده­ها و تغییرات در کمیت‌های مختلف جو را به صورت مستقل از یکدیگر مورد ارزیابی قرار داد و یا اثر تغییرات در هر یک از کمیت‌ها را در کمیت‌های دیگر بررسی کرد.

در این تحقیق عملکرد طرحواره‌های پارامترسازی مختلف خرد‌فیزیکی و همرفت مدل WRF در برآورد بارش در حوضه‌آبریز رود کارون در جنوب‌غرب ایران ارزیابی شد. حوضه‌آبریز کارون مناطق وسیعی از دامنه‌های جنوبی رشته‌ کوه زاگرس و کوهپایه‌های آن را در استان‌های اصفهان، لرستان، چهارمحال و بختیاری، کهکیلویه و بویراحمد و خوزستان در‌ بر‌ می­گیرد. رود کارون و سر شاخه‌های آن بزرگترین‌ مجموعه رودخانه‌ای را در ایران تشکیل داده و یکی از منابع عمده آب کشور است. [1]

آزادی و همکاران(1382) عملکرد مدل غیر هیدروستاتیک MM5 را برای صدور پیش‌بینی‌های چهار روزه در زمستان بر روی ایران با استفاده از داده‌هـای مدل تمام کره‌ای AVN و پارامتره‌سازی فرآیندهای لایه مرزی سیاره‌ای و فرآیند همرفت با تفکیک افقی ٣٠ کیلومتر بررسی کردند. نتایج نشان داد که این مدل منطقـه‌ای برای شبیه‌سازی ساختارهای میان‌مقیاس سامانه‌های ترکیبی فرارفتی و همرفتی تا چهار روز موفق است. همچنین بررسی ترکیب طرحواره‌های مختلف آن‌­ها نیز نشان داد که ترکیب طرحواره‌هایBetts-Miller ، Grell یا Kain-Fritsch برای همرفـت بـا طـرحواره Blackadar بـرای لایه مرزی در مقایسه با دیگر ترکیب ها نتایج بهتری را به همراه دارد. آزادی و همکاران(1388) میزان دقت و صحت برونداد مدل WRF با پیکربندی‌های مختلف برای پیش‌بینی‌های 48 ساعته­ی بارش بر روی ایران را مورد ارزیابی قرار دادند. نتایج مدل با مقادیر متناظر در دسترس، از ایستگاه‌های هواشناسی همدیدی مقایسه شد. با تشکیل جدول توافقی، کمیت‌های عددی و امتیازهای مهارتی برای پیش‌بینی وقوع بارش محاسبه شد. راست آزمایی نشان داد که در مجموع اجرای مدل WRF با استفاده از دو پیکربندی همرفتی-لایه مرزی Kain-Fritsch ، Mellor-Yamada-Janjic و Grell-Devenyi ، Mellor-Yamada-Janjic نتایج قابل قبولی را تولید می­کند.

جانکو و همکاران(2005 Jankov,) اثر پارامترهای فیزیکی مختلف WRF و برهم کنش آن‌ها روی سامانه همرفتی میان مقیاس1[2]MCS در فصل گرم با ماتریسی از 18 ترکیب مدلWRF  شامل دو طرحواره همرفتKF ، BMJ و طرحواره بدون همرفت2[3]NC، سه طرحواره خرد‌فیزیکیMPL ، MPF وMPN ، و دو طرحواره لایه مرزی MRF و ETA و شبکه­ای با فواصل نقاط km 12، را مورد مطالعه قرار دادند. تحلیل‌ها نشان داد که ترکیب برگزیده‌ای که بهتر از بقیه باشد، وجود ندارد. آزمایش‌های عینی3[4]از حساسیت به تغییر طرحواره‌های فیزیکی با ازریابی مقادیر مربع ضریب همبستگی، نشان داد که در پیش‌بینی میزان بارش بیشترین حساسیت به انتخاب طرحواره همرفت و کمترین حساسیت به طرحواره خردفیزیکی مربوط می­شود. هانگ و همکاران(2006 Hong,) عملکرد سه طرحواره متفاوت خرد‌ فیزیکی WSM3، WSM5 و WSM6 را در یک توفان با بارش سنگین بررسی کردند. نتایج نشان داد که تعداد سنجه‌های رطوبتی پیش‌بینی شده اثر ناچیزی در شبیه‌سازی بارش در تفکیک شبکه‌ای کم دارند اما در تفکیک‌های شبکه‌ای بزرگ، تفاوت‌های واضحی در مقدار بارش با توجه به پیچیدگی خرد ‌فیزیک دیده می‌شود. اوتکین و همکاران (2008Otkin, ) به مقایسه ساختارهای ابر تولیدشده مدل WRF با چندین طرحواره خرد‌فیزیکی شامل WSM6، Purdue Lin، Thompson و Seifert & Beheng(SB) پرداختند. تمام طرحواره‌ها بارش همادی بیشتری را پیش‌بینی کردند؛ اما هیچ‌‌یک از شبیه‌سازی‌ها رویداد بارش فرین را به دقت پیش‌بینی نکردند. کانینگهام و همکاران (2007Cunningham, ) بر روی چهار منطقه شامل جنوب غرب آسیا، شرق آسیا، آلاسکا و counus، 10 مورد از ترکیب‌های مختلف مدل WRF با طرحواره‌های سطح، خرد‌فیزیک، همرفت، تابش­های طول موج کوتاه و طول موج بلند و لایه مرزی را در‌نظر‌گرفتند. الگوریتم‌های عدم قطعیت برای پیش‌بینی دید، برق و بارش استفاده شد. آن‌ها درنتایج خود نشان دادند که شرایط اولیه از جنبه های مهم یک پیش‌بینی خوب است و عدم قطعیت‌ها در شرایط اولیه از جنبه های مهم یک پیش‌بینی همادی خوب است. همچنین تفکیک شبکه برای شبیه‌سازی اهمیت دارد و نبود اطلاعات میان مقیاس در زمان اولیه به پیش‌بینی همادی صدمه می‌زند. در وضعیت سینوپتیکی قبل از رویداد میان مقیاس، پیش‌بینی همادی به خوبی شبیه‌سازی می‌شود؛ و هنگامی‌که وضعیت سینوپتیکی پیچیده است با حزئیات میان مقیاس فراوان، پیش‌بینی همادی پراکندگی زیادی را نشان می‌دهد.

پارامترسازی همرفت در کل شامل سه مرحله آغازگری همرفت (آغاز و تداوم همرفت)، مدل ابر (توزیع قائم گرمایش، رطوبت و تغییرات تکانه) و فرضیات بستار (میزان تبدیل انرژی و آزاد شدن گرما ناشی از بارش همرفتی) می‌باشد. طرحواره‌های همرفتی سه دسته‌اند: 1. طرحواره‌ هایی که بر اساس بودجه‌های رطوبتی می‌باشند، 2. طرحواره‌های تعادل، 3. طرحواره‌های شار جرم. جداول 1 تا 3 نشان ‌دهنده متغیرهای به‌کار رفته در طرحواره‌های BMJ و KF در این سه دسته می‌باشند. Bechtold, 2004))


 

جدول 1- توابع آغازگرهمرفت

Cloud-layer Moisture

Sub-cloud Mass Conv.

CIN

Cloud Depth

CAPE

 

 

 

 

   

BMJ

 

       

KF

 

 

جدول 2- توریع قائم گرما و رطوبت

Convective Adjustment

Entraining/Detraining Plume

 

 

 

BMJ

 

 

KF

 

 

جدول 3- بستار

Cloud-layer Moisture

CAPE

 

   

BMJ

 

 

KF

 

 

طرحواره‌WSM 3-class (3)  که طرحواره ساده یخ نیز نامیده می‌شود سه گروه از سنجه‌های رطوبتی را پیش‌بینی می‌کند: بخار، آب/یخ ابر و باران/برف.  این طرحواره برای محاسبه فرایندهای یخ مناسب است اما فاقد آهنگ ذوب تدریجی و آب ابرسرد است. طرحواره  WSM 5-class (5)مشابه طرحواره ساده یخ است. بخار، باران، برف، یخ ابر و آب ابر در پنج آرایه متفاوت را در نظر می‌گیرد، و برخلاف WSM 3-class (3) آب ابرسرد و ذوب تدریجی ریزش برف در پائین‌تر از لایه ذوب[5] را نیز دربردارد. این طرحواره برای مقیاس‌ شبکه‌ای متوسط بین شبکه‌های میان مقیاس و آشکار‌سازی ابر مناسب است.(Skamarock, 2008)

طرحواره  Kain-Fritschاز مدل ساده ابر با حرکت‌های بالاسو و پائین‌سوی مرطوب شامل اثرات درون شارشی و برون شارشی است. در طرحواره Betts-Miller- Janjic نمایه همرفت عمیق و زمان واهلش متغیر است و به کارایی ابر بستگی دارد. کارایی ابر بستگی به تغییر آنتروپی، بارش و دمای میانگین ابر دارد. نمایه رطوبت همرفت عمیق نیازمند این است که تغییر آنتروپی کوچک و غیرمنفی باشد. Skamarock, 2008))

 

مواد و روش‌ها

WRF  مدل پیش‌بینی عددی جوی است که توسط

موسسات و مراکز[6] مختلفی در ایالات متحده ایجاد شده است. WRF  یک مدل غیرهیدروستاتیک و تراکم پذیر (با گزینه هیدروستاتیک) است و شبکه C آراکاوا[7] برای به دست آوردن دقت بهتر در شبیه‌سازی در آن استفاده شده است. طبقه بندی فیزیک مدل شامل خرد‌فیزیک، پارامترسازی همرفت، لایه مرزی سیاره‌ای، مدل سطح و تابش می‌باشد. Skamarock, 2008)) استفاده از مدل WRF برای مقاصد عملیاتی روز به روز در حال گسترش است. به‌کارگیری آن در کشور نیز لزوم یافتن و به‌کارگیری مناسب­ترین پیکربندی برای این مدل در ایران را امری ضروری نموده است.

یکی از مهمترین کاربردهای مدل­های پیش­بینی وضع هوا به بارش مربوط می­شود. بدین منظور و یافتن بهترین طرحواره­ها برای پیش­بینی هر چه دقیق­تر بارش در کشور چگونگی اثر طرحواره‌های فیزیکی مختلف و ترکیب‌های آن­ها به همراه یک مدل لایه مرزی، برای یکی از مهمترین حوضه­های آبریز کشور یعنی حوضه آبریز کارون مورد بررسی قرار گرفت. بدین منظور  ماتریسی از 6 ترکیب طرحواره‌های همرفت-خردفیزیک-لایه مرزی برای مدل WRF، در دو حوزه به ترتیب حوزه بزرگ با تفکیک افقی km 27 ، در فاصله طول جغرافیایی 40 تا 60 درجه شرقی و عرض جغرافیایی 20 تا 42 درجه شمالی، و حوزه کوچک با تفکیک افقی km 9 در فاصله طول جغرافیایی 45 تا 55 درجه شرقی و عرض جغرافیایی 25 تا 38 درجه شمالی طراحی گردید. طرحواره­های مورد استفاده عبارت اند از دو طرحواره همرفت (KF) Kain-Fritsch، (BMJ) Betts-Miller- Janjic،  سه طرحواره خردفیزیکی WSM 3-class (3) ، WSM 5-class (5) و.(F) Ferrier et al  و طرحواره لایه مرزی  YSU ایجاد شد.

شبیه‌سازی‌های بارش با اجرای نسخه 3.2 مدلWRF  از ترکیب طرحواره های مختلف برای ماه‌های ژانویه 2004، مارچ 2005 و 2007 و دسامبر 2009، ارزیابی شده­اند. مدل به مدت 96 ساعت(چها روز) از ساعت UTC12 روز 6 ژانویه 2004، از ساعت UTC00 روز 25 مارچ 2007، از ساعت UTC12 دسامبر 2009 و 120 ساعت(پنج روز) از ساعت UTC06 روز 10 مارچ 2005 اجرا شد. داده‌های ورودی مدل که شامل داده‌های FNL می‌باشد، از NCEP  تهیه شده­اند.

داده‌های دیدبانی برای مقایسه از سازمان هواشناسی کشور تهیه گردید. جدول 4 مشخصات ایستگاه‌های همدیدی منتخب (که داده‌های بارش 6 ساعته آن‌ها در هر چهار اجرای مورد بررسی موجود می‌باشد)، را نشان می‌دهد. همچنین شکل 1 توزیع ایستگاه‌ها را در حوضه آبریز کارون نشان می‌دهد.

 

 

جدول4- مشخصات ایستگاه‌های همدیدی حوضه آبریز کارون

نام ایستگاه

طول جغرافیایی

عرض جغرافیایی

ارتفاع(متر)

مسجد سلیمان

283/49

933/31

5/320

لردگان

833/50

5/31

1580

شهرکرد

833/50

3/32

9/2048

شوشتر

833/48

05/32

67

صفی آباد دزفول

417/48

267/32

83

ایذه

867/49

85/31

767

اهواز

667/48

333/31

5/22

سمیرم

55/51

417/31

2274

بروجن

3/51

983/31

2197

یاسوج

55/51

7/30

3/1816

الیگودرز

7/49

4/33

2022

ازنا

4/49

45/33

8/1871

درود

0/49

517/33

3/1522

سیلاخور

867/48

733/33

8/1496

دزفول

383/48

4/32

143

 

 

برای ارزیابی صحت پیش‌بینی طرحواره‌های متفاوت به کار رفته در این تحقیق مربع ضریب همبستگی بین داده‌های دیدبانی بارش و برآورد بارش با طرحواره‌های متفاوت مدل WRF محاسبه گردیده­اند. از ضریب همبستگی[8] به عنوان ابزاری آماری برای تعیین نوع و درجه رابطه بارش دیدبانی شده با بارش برآورد شده مدل استفاده شده است. رابطه مربع ضریب همبستگی عبارت است از:

که در آن  میانگین بارندگی دیدبانی شده در مقیاس زمانی،  میانگین بارندگی برآورد‌ ‌شده در مقیاس زمانی،  بارندگی دیدبانی شده 6 ساعته و  بارندگی برآورد‌ ‌شده 6 ساعته می‌باشند. شایان ذکر است که در اینجا متغیرمستقل، میانگین بارندگی دیدبانی شده و متغیر وابسته،  میانگین بارندگی برآورد‌ ‌شده می‌باشند.

 

نتایج و بحث

برای تحلیل بارش‌های شبیه‌سازی شده مدل و مقایسه آن با رخداد، با استفاده از آمار بارش 15 ایستگاه همدیدی، مربع ضریب همبستگی محاسبه گردید. جداول 5 تا 8 مقدار مربع ضریب همبستگی برای هر طرحواره را در هر چهار اجرا در ایستگاه‌های منتخب در حوزه کوچک نشان می‌دهد. همچنین جدول 9 مقدار میانگین مربع ضریب همبستگی را در هر چهار اجرا نشان می‌دهد.

 

 

 

شکل1- توریع ایستگاه‌های همدیدی حوضه آبریز کارون


 

جدول 5- مربع ضریب همبستگی برای هر طرحواره در ایستگاه‌های منتخب درحوزه کوچک در دسامبر 2009

ایستگاه/طرحواره

BMJF

BMJ5

BMJ3

KF3

KF5

KFF

اهواز

808/0

830/0

851/0

792/0

796/0

805/0

درود

718/0

614/0

590/0

615/0

610/0

666/0

دزفول

537/0

530/0

541/0

525/0

533/0

523/0

الیگودرز

826/0

841/0

836/0

950/0

831/0

880/0

شوشتر

747/0

772/0

775/0

859/0

0.875

0.845

مسجد‌سلیمان

863/0

818/0

861/0

878/0

857/0

871/0

سمیرم

848/0

852/0

858/0

766/0

798/0

782/0

شهرکرد

903/0

911/0

865/0

847/0

576/0

850/0

بروجن

991/0

972/0

969/0

930/0

938/0

962/0

یاسوج

916/0

948/0

923/0

904/0

893/0

888/0

ازنا

616/0

622/0

696/0

690/0

709/0

715/0

ایذه

954/0

968/0

947/0

963/0

945/0

957/0

سیلاخور

745/0

763/0

474/0

733/0

681/0

690/0

صفی‌آباد دزفول

831/0

835/0

827/0

896/0

733/0

737/0

لردگان

972/0

995/0

976/0

978/0

986/0

963/0

 

جدول 6- مربع ضریب همبستگی برای هر طرحواره در ایستگاه‌های منتخب دردامنه کوچک در ژانویه 2004

ایستگاه/طرحواره

BMJF

KF3

KF5

KFF

BMJ3

BMJ5

اهواز

632/0

374/0

796/0

497/0

317/0

689/0

درود

585/0

507/0

471/0

731/0

271/0

411/0

دزفول

742/0

825/0

830/0

864/0

507/0

583/0

الیگودرز

294/0

354/0

410/0

671/0

125/0

172/0

مسجدسلیمان

676/0

489/0

782/0

343/0

439/0

780/0

شوشتر

600/0

664/0

856/0

879/0

675/0

781/0

سمیرم

723/0

832/0

730/0

665/0

842/0

780/0

شهرکرد

388/0

332/0

526/0

470/0

552/0

552/0

بروجن

549/0

542/0

597/0

530/0

762/0

714/0

یاسوج

948/0

970/0

968/0

953/0

934/0

956/0

ازنا

181/0

329/0

346/0

547/0

257/0

300/0

ایذه

339/0

205/0

423/0

325/0

417/0

354/0

سیلاخور

793/0

207/0

561/0

605/0

162/0

314/0

صفی‌آباد دزفول

752/0

811/0

776/0

863/0

679/0

646/0

لردگان

803/0

867/0

899/0

912/0

778/0

876/0

جدول 7- مربع ضریب همبستگی برای هر طرحواره در ایستگاه‌های منتخب دردامنه کوچک درمارس 2005

ایستگاه/طرحواره

BMJF

KF3

KF5

KFF

BMJ3

BMJ5

اهواز

971/0

957/0

973/0

980/0

959/0

973/0

درود

921/0

883/0

868/0

864/0

913/0

897/0

دزفول

959/0

955/0

973/0

975/0

953/0

944/0

الیگودرز

922/0

965/0

969/0

952/0

893/0

924/0

شوشتر

964/0

962/0

965/0

963/0

960/0

905/0

مسجدسلیمان

987/0

976/0

945/0

971/0

969/0

948/0

سمیرم

948/0

929/0

875/0

858/0

921/0

883/0

شهرکرد

989/0

887/0

923/0

801/0

973/0

981/0

بروجن

967/0

934/0

972/0

860/0

953/0

931/0

یاسوج

936/0

975/0

975/0

967/0

948/0

935/0

ازنا

955/0

943/0

941/0

938/0

956/0

955/0

ایذه

908/0

933/0

948/0

948/0

862/0

931/0

سیلاخور

897/0

807/0

876/0

825/0

872/0

842/0

صفی آباد دزفول

986/0

988/0

0.976

0.979

0.986

991/0

لردگان

873/0

806/0

936/0

892/0

656/0

711/0

             

 

جدول 8- مربع ضریب همبستگی برای هر طرحواره در ایستگاه‌های منتخب دردامنه کوچک در مارس 2007

ایستگاه/طرحواره

BMJF

KF3

KF5

KFF

BMJ3

BMJ5

 

اهواز

899/0

923/0

889/0

882/0

953/0

897/0

درود

922/0

940/0

870/0

921/0

939/0

851/0

دزفول

765/0

733/0

720/0

714/0

739/0

864/0

الیگودزر

858/0

897/0

842/0

841/0

837/0

867/0

شوشتر

810/0

892/0

877/0

769/0

809/0

839/0

مسجدسلیمان

902/0

959/0

944/0

907/0

928/0

887/0

سمیرم

959/0

978/0

965/0

969/0

958/0

922/0

شهرکرد

934/0

932/0

902/0

862/0

941/0

922/0

بروجن

811/0

823/0

980/0

874/0

767/0

817/0

یاسوج

884/0

920/0

913/0

925/0

902/0

891/0

ازنا

853/0

765/0

827/0

846/0

0.846

846/0

ایذه

950/0

964/0

964/0

968/0

956/0

929/0

سیلاخور

856/0

826/0

846/0

824/0

868/0

847/0

صفی آباد دزفول

774/0

766/0

748/0

747/0

759/0

797/0

لردگان

882/0

923/0

908/0

822/0

846/0

912/0

 

جدول 9- میانگین مربع ضریب همبستگی برای هر طرحواره در ایستگاه‌های منتخب درحوزه کوچک

BMJF

BMJ5

BMJ3

KF3

KF5

KFF

0.888

0.855

0.831

0.889

0.878

0.871

 


نتیجه‌گیری

در مطالعاتی که نیاز به اطلاعات مقدار بارش در تمامی حوضه آبریز وجود دارد، به دلیل پراکندگی نامنظم و محدودیت تعداد ایستگاه‌های اندازه گیری، امکان انجام مطالعات دقیق در تمامی گستره حوضه آبریز وجود ندارد. برای تعیین کمی مقادیر بارش در یک شبکه منظم در کل حوضه، بهترین روش استفاده از شبیه‌سازی عددی است. در این تحقیق 6 ترکیب متفاوت از مدل WRF اجرا شد.

نتایج بررسی میانگین مقادیر مربع ضریب همبستگی در حوزه کوچک با تفکیک km9، مقدار 888/. برای ترکیب طرحواره‌هایBMJF، مقدار 885/. برای ترکیب طرحواره‌های BMJ5، مقدار 831/. برای ترکیب طرحواره‌های BMJ3، مقدار 887/. برای ترکیب طرحواره‌های KF3، مقدار 878/. برای ترکیب طرحواره‌های KF5 و مقدار 871/. برای ترکیب طرحواره‌هایKFF  را نشان داد. بنابراین در مطالعات موردی انجام شده، مطابق با نتایج جانکو2005 و اوتکین 2008، ترکیب برگزیده شاخصی از طرحواره‌ها که آشکارا بهتر از بقیه باشد، به چشم نمی‌خورد. بنابراین به نظر می‌رسد برای استفاده از نتایج شبیه‌سازی مدل WRF در مقیاس‌های متوسط(در حدود 9 کیلومتر) می‌توان بدون توجه به حساسیت مدل به طرحواره‌های همرفت و حردفیزیکی، یکی از ترکیبات مورد استفاده در این مطالعه را به کار برد. لذا بهتر است برای تحلیل دقیق‌تر طرحواره‌ها با توجه به تفاوت موجود در مشخصات فیزیکی آنها و مقایسه نتایج، مدل در مقیاس‌های ریزتر (برای سلولهای همرفتی ریزمقیاس) مورد استفاده قرار گیرد. و نیز با استفاده از روشهای مختلف پیش‌پردازش برای گوارد داده‌های مشاهداتی می‌توان رفتار‌های مختلف مدل و حساسیت آن برای انتخاب طرحواره‌های مختلف را آشکارسازی نمود. دلیل دیگری که می‌توان برای عدم تفاوت قابل توجه طرحواره‌ها عنوان کرد این است که اگر مقیاس سلول‌های همرفتی از مقیاس شبکه‌ای بزرگتر باشد مدل می‌تواند به طور مستقیم این همرفت و بارش ناشی از آن را آشکارسازی نماید. لدا در این حالت تغییر دادن طرحواره‌های پارامترسازی اثر چندانی روی اندازه و شدت بارش نخواهد داشت. برای پی بردن به این موضوع می‌توان یک اجرای کنترل بدون در نظر گرفتن پارامترسازی همرفت را با این اجراها مقایسه نمود.

 

سپاس گزاری

      از همکاری صمیمانه سرکار خانم محبوبه پورآتشی در اجرای مدل تشکر و قدردانی می‌شود.



2. no convective scheme

1. mesoscale convective system

[3]. objective

 

2. NCAR, NCEP, FSL, AFWA, and OU

1. melting level

[7].Arakawa C

[8] . Correlation Coefficient

 

  1. Azadi M., P. Rezazadeh, E. Mirzaei, G. A. Vakili, 2003, Numerical Forecast of  Winter Systems over Iran: Comparision Study of Physic parameterization, 12th Fluid Conference, Iran.
  2.  Azadi M., Z. K. Seifari, S. Jafari, 2009, Performance assessment of WRF Model in Precipitation Forecasting by Using Different Physical Schemes over Iran: Case Study, 12th Fluid Conference, Iran.
  3. Bechtold P., C. Jakob, D. Gregory, J. Kain, 2004, Numerical Weather Prediction Parametrization of diabatic processes Convection II , ECMWF
  4. Cunningham, J., T. Nobis, E. Kuchera, S. Rentschler, S Rugg, M. Sittel, 2007, Jont Ensemble Forecast System (JEFS) Project UPDATE. Air Force Weather Agency, Offutt AFB, NE 68113.
  5. Hong S. Y., J. O Jade Lim, 2006, The WRF Single-Moment 6-Class Microphysics Scheme (WSM6). Journal of Korean Meteorological Society, No. 42, 2, pp. 129-151
  6. Jankov I., W.A. Jr. Gallus, M. Segal, B. Shaw, S. E. Koch, 2005, The Impact of Different WRF Model Physical parameterizations and Their Interactions on Warm Season MCS Rainfall. Wea. Forecasting, No. 20, pp. 1048-1060
  7. Otkin J., H. L. Huang, A. Seifert, 2006, A COMPARISON OF MICROPHYSICAL SCHEMES IN THE WRF MODEL DURING A SEVERE WEATHER EVENT. Cooperative Institute for Meteorological Satellite Studies, German Weather Service, Germany.
  8. Skamarock W.C., J.B. Klemp, J. Dudhia, D.O. Gill, D.M. Barker, M.G. Duda, X. Huang, W. Wang, J.G. Powers, 2008, NCAR THECNICAL NOTE. http://www.mmm.ucar.edu/wrf/users/docs/user guide V3/.