نوع مقاله : مقاله پژوهشی
نویسندگان
1 دکتری هواشناسی، عضو هیات علمی (استادیار)پژوهشگاه ملی اقیانوسشناسی و علوم جوی
2 کارشناس ارشد فیزیک و کارشناس سازمان هواشناسی
چکیده
کلیدواژهها
عنوان مقاله [English]
نویسندگان [English]
Introduction Accurate weather forecasting plays a key role in people daily life and agriculture. By using of numerical weather forecasting models could predict meteorological parameters, but the model outputs have errors which should be verified. Model errors are due to the random and systematic errors. The eyeball and statistical verification methods help us to evaluate model outputs accuracy. In February 2006, a heavy precipitation occurred in Karun basin that had a lot of economic damages. The purpose of this study is evaluating WRF model for forecasting Heavy Precipitation in Karun Basin. Material and Methods In this study, the precipitation data from synoptic stations and TRMM satellite is used. The boundary and initial conditions of model are FNL data. The WRF model outputs for a case of rainfall, which has been caused the flooding in the Karun region, with observation precipitation data were verified. The model has been run for 24 and 48 hours predictions with two nested of network steps of 15 and 45 km. To evaluate the accuracy of WRF numerical prediction model, the model results, were investigated with the reality of the eyeball verification and statistical points of view. Results and discussion The results of eyeball verification indicated that the precipitation pattern and its amount in the area are correctly predicted. The statistical verification results in three thresholds, the occurrence or absence of rainfall, average and heavy precipitation in the first and second 24 hours were evaluated. The results show that the model in the first and second 24 hours prediction of occurrence or absence of the rainfall is very precise and the accuracy of results is close to 100 percent. For the second threshold, the model accuracy in rainfall prediction is high but the accuracy was higher in the second 24 hours, so that in the second threshold and the second 24 hours, the number of cases correctly predicted is high. Also, in the second threshold in the first 24 hours, the model has been dry, in other words the number of days when precipitation has occurred, has been less than anticipated value. In the second 24 hours, the model has been wet, the number of days that the precipitation has not happened, but the model has predicted, is high. In the third threshold, the prediction accuracy is higher in the first 24 hours and in two cases, the model has been wet. In other words, for the third threshold, the model accuracy in predicting heavy rainfall has been in average value in the region. Finally, the results show that in the occurrence of the flood forecasting in Karun basin, the model is reliable. Conclusion In February 2006, a heavy and unprecedented precipitation occurred in Karun basin that had a lot of economic damages. In this study, the WRF model outputs for a case of rainfall, which has been caused the flooding in the Karun basin, with observation precipitation data were verified. The model has been run for 24 and 48 hours predictions with two nested of 15 and 45 km. To evaluate the accuracy of the WRF numerical prediction model, the model results, were investigated with the reality of the eyeball verification and statistical points of view. Finally, the results show that in the occurrence of the flood forecasting in Karun basin, the model is reliable. Iran has a complex topography and accurate predicting of meteorological parameters especially precipitation and 2 meter temperature is very difficult. Although the model output is reliable, but using of the best model configuration and ensemble forecasting could improve the model outputs.
کلیدواژهها [English]
مقدمه
تاثیر پیشبینی صحیح وضع هوا در تمام جنبههای زندگی عادی و روزمره اجتناب ناپذیر است. استفاده از مدلهای پیشبینی عددی وضع هوا میتواند به پیشبینی هر چه صحیحتر وضعیت هوا کمک کند. اما مدلها در پیشبینی فراسنجهای جوی خطا دارند. عواملی همچون وجود نقص در پراکنش فرآیندهای فیزیکی، عدم توانایی مدل در شبیهسازی موفق پدیدههای زیر شبکهای، استفاده از درونیابی نتایج مدل برای تعیین مقادیر مربوط به نقاطی که روی نقاط شبکه نیستند، توانا نبودن مدل در نمایش حقیقی پدیدههای کوهساری در سطوح پایین و اثر عوامل موضعی و محلی میتوانند به ایجاد خطا در خروجی مدل منجر شود ( آزادی و همکاران، 1385). بنابراین خروجیهای مدل باید مورد ارزیابی قرار گیرد. راستی آزمایی[1] پیشبینی وضع هوا حداقل از سال 1884 میلادی مطرح شده است، (Muller, 1994). منظوراز فرآیند راستیآزمایی همان ارزیابی کیفیت پیش بینیهای جوی و اقیانوسی است که در آن نتایج فرآیند پیش بینی با دیدبانی متناظر مقایسه میشود. از مهمترین اهداف راستیآزمایی آن است که نتایج آن باید حاوی اطلاعات مفیدی باشد تا بتواند راهکارهای جدیدی برای پیشبینی بهتر ارائه دهد. تحلیل آماری راستیآزمایی میتواند در ارزیابی نقاط قوت و ضعف پیش بین و یا امر پیش بینی کمک کند. از نظر علمی، مورفی و همکاران (Murphy, 1988)، راستی آزمایی را فرایابی راستی آزمایی نامیدند. در این دیدگاه میتوان به ارزیابی نقاط قوت و ضعف مجموعهای از شرایط و مراحل انجام پیش بینی نیز پرداخت، (Wilks, 1995). همچنین جولیف و استفنسن (Joliffe & Stephensons, 2003)، لیوزی (Livezey, 1995) ، مورفی(Murphy, 1997)، مورفی و دان (Murphy & Daan , 1985)، و استانسکی و همکاران (Stanski et al, 1989) در زمینهی راستی آزمایی مدلهای پیشبینی وضع هوا مطالعات گستردهای انجام دادهاند که نتایج کار آن ها منجر به گسترش این مبحث شده است. از نمونه کارهای انجام شده در خصوص راستیآزمایی مدل WRF[2]، میتوان به مقایسه بین دو مدل MM5 و WRF در شبیهسازی بارشهای سنگین حارهای در طی روزهای 9 تا 11 ژانویهی 2002 در سنگال اشاره نمود، (Fall et al., 2007). یک مطالعه موردی به منظور مقایسه خروجی های شبیه سازی شده مدلهای MM5 و WRF با مقادیر دیدبانی شده، در سال 2005 برای سیلاب سال 1993 غرب ایالات متحده آمریکا صورت گرفت. شایان ذکر است که توپوگرافی در اقلیم این منطقه نقش مهمی ایفا می کند. از مقایسه نتایج بدست آمده، مشاهده گردید که نتایج مدل WRF به مقادیر واقعی نزدیکتر است، (Shing, 2005). در تایلند نیز تحقیق مشابهی در خصوص بارندگی تجمعی حاصل از مدل WRF انجام شد. اگرچه مقدار مدل بیشتر از مقادیر دیدبانی بدست آمد، اما بین مقادیر پیش بینی شده مدل برای کمینه ها و بیشینه ها همخوانی قابل قبولی با مقادیر واقعی وجود داشت، (Sukhumvit, 2006). در ایران نیز تحقیقاتی در این خصوص انجام شده است، که میتوان به کار آزادی و همکاران (1389)، اشاره نمود. نتایج کار آنها نشان داد که بهطور کلی با استفاده از کمیتهای بررسی شده در آستانههای بارش کمتر یا مساوی 1/0 میلیمتر و بیشتر از 1/0 میلیمتر دو مدل MM5 و WRF رفتارهای وارون هم نشان دادهاند بهگونهای که برای آستانه بارش بسیار کم (1/0≥ میلیمتر) رفتار مدل MM5 و در آستانههای بارش بیشتر از 1/0 میلیمتر رفتار مدل WRF پیشبینیهای مثبت بیشتر است. هدف از این تحقیق راستیآزمایی مدل عددی پیشبینی عددی وضع هوا (WRF)، در پیشبینی بارش سنگین است، تا صحت مدل برآورد شود تا در نهایت در صدور اخطاریههای مربوط به سیل بتوان با اطمینان بیشتری از آن استفاده نمود.
دادهها و روشها
دادهها
از دادههای بارش ایستگاههای سینوپتیکی و بارشسنجی و دادههای بارش ماهوارهی TRMM[3] با تفکیک مکانی 25/0 درجه برای صحت سنجی مدل استفاده شده است. دادههای وروی مدل، دادههای FNL هستند. این دادهها در واقع دادههای NCEP هستند که توسط لابراتوار منابع وابسته به NOAA مورد پردازش مجدد قرار گرفته است. این دادهها با تفکیک افقی 1´1 درجه، برای 26 تراز فشاری ( 100- 1000 هکتوپاسکال) و با گام زمانی 6 ساعته از جولای 1999 در دسترس هستند، (Stunder B.J.B, 1997).
پیکربندی مدل
در این تحقیق خروجیهای مدل عددی منطقهای پیش بینی عددی وضع هوا (WRF)، (Skamarock et al., 2008) با دادههای دیدبانی بارش راستیآزمایی خواهد شد. دو آشیانهی تو در تو در نظر گرفته میشوند. آشیانهی اول ناحیهای محدود به عرض جغرافیائی 10 و 51 درجه شمالی و طول جغرافیائی 20 و 80 درجه شرقی و آشیانهی دوم از عرض جغرافیائی 23 و 41 درجه شمالی و طول جغرافیائی 42 و 65 درجه شرقی است که ایران را پوشش میدهد. تفکیک افقی آشیانهها به ترتیب 45 و 15 کیلومتر است. تعداد تراز های قائم27 تراز ، نگاشت مدل لامبرت است وکاربری زمین نیز از دادههای mmm/users/wrfhelp/WPS_GEOG گرفته می شود. با مشخص شدن تعداد نقاط شبکه و موقعیت آشیانه ها نسبت به آشیانه مادر و نیز تنظیم تاریخ ابتدا و انتهای شبیه سازی، معرفی داده های شرایط اولیه و شرایط مرزی، فاصله زمانی پیش بینی و گام زمانی مدل، طرح واره های فیزیکی مورد استفاده برای پراسنجی فرایندهای فیزیکی، همرفت، لایه مرزی و تابش براساس مطالعات قبلی ( آزادی وهمکاران، 1389 ) به صورت زیر انتخاب می شوند: طرحواره خردفیزیک: Lin et al. Scheme، - طرحواره همرفت: Kain_Fritsch ، طرحواره لایه مرزی: Mellor-Yamada-Janjic ، - طرحواره تابش موج بلند: RRTM[4]، - طرحواره تابش موج کوتاه: Goddard . در نهایت خروجی بارش تجمعی از مدل با دادههای دیدبانی بارش که از سازمان هواشناسی کشور (ایستگاههای همدیدی و بارانسنجی) و دادههای بارش ماهواره TRMM ، راستیآزمایی خواهد شد.
راستیآزمایی
راستی آزمایی چشمی
روش راستی آزمایی چشمی یکی از قدیمیترین و بهترین روشهای راستی آزمایی است. در این روش دیدبانی (واقعیت) با پیشبینی توسط یک ناظر مشاهده میشود و با استفاده از قضاوت انسانی میزان خطا تخمین زده میشود. سریهای زمانی و نقشهها را با این روش میتوان راستی آزمایی نمود. این روش بسیار خوب است به شرطی که تعداد پیشبینیها کم باشد یا این که زمان زیادی در اختیار داشته باشیم. این روش روشی کیفی است و بستگی به سلیقهی فرد ناظر دارد و در مواقع حساس باید احتیاط شود.
روشراستیآزمایی پیشبینی دوحالتی(2 ×2)
منظور از فرآیند راست آزمایی همان ارزیابی کیفیت پیش بینی های هواشناسی است که در آن نتایج فرآیند پیش بینی با دیدبانی متناظر مقایسه می شود. برای انجام فرآیند راست آزمایی به تابع احتمال مشترک پیش بینی- دیدبانی نیاز داریم. ساده ترین راه برای راست آزمایی پیشبینیها تشکیل جدول توافقی (2 × 2) است. با فرض اینکه پیش بینی و دیدبانی به ترتیب با y و o نشان داده شوند، این جدول را به شکل زیر تشکیل می دهیم:
جدول 1- جدول توافقی 2 × 2
|
o2 |
o1 |
|
a+b |
b |
a |
y1 |
c+d |
d |
c |
y2 |
n=a+b+c+d |
b+d |
a+c |
|
که متغیرهای آن به ترتیب عبارتند از : o1 : تعداد دفعات وقوع پدیده، o2 : تعداد دفعات عدم وقوع پدیده، y1 : تعداد دفعات پیش بینی های پدیده، y2 : تعداد دفعاتی که پدیده پیش بینی نشده، a : تعداد دفعاتی که پدیده اتفاق افتد و وقوع آن پیش بینی شده باشد، b : تعداد دفعاتی که پدیده اتفاق نیفتد ولی وقوع آن پیش بینی شده باشد، c : تعداد دفعاتی که پدیده اتفاق افتد ولی وقوع آن پیش بینی نشده باشد، d : تعداد دفعاتی که پدیده اتفاق نیفتد و وقوع آن نیز پیش بینی نشده باشد. بدیهی است که برای یک پیش بینی خوب باید مقادیر a و d بزرگ و b و c کوچک باشند. هر چند جدول توافقی2 × 2 ساده ترین نوع پیش بینی را مشخص می کند ولی برای سنجش دقیق این نوع پیش بینی با این جدول به حداقل 3 کمیت عددی (برابر با بعد مساله) نیاز است؛ به بیان دیگر عملکرد پیشبینی را که در این جدول نهفته است، تنها با یک عدد نمی توان به طور کامل مشخص کرد. کمیت های نرده ای متعددی برای سنجش عملکرد پیش بینی با استفاده از این جدول ابداع شدهاند که بسته به کاربرد اسامی مختلفی دارند.
برخی از کمیتهای نردهای وابسته به جدول توافقی 2 × 2
نسبت صحیح (PC):
یکی از شهودی ترین کمیت های نرده ای وابسته به جدول توافقی2 × 2 برای سنجش دقت پیش بینی ها «نسبت صحیح[5]» است که از نظر مفهومی نیز درک آن بسیار آسان است و برابر نسبت مجموع پیش بینی های صحیح به تعداد کل پیش بینی هاست و در نتیجه به صورت زیر تعریف میشود:
(1)
چنانچه مشاهده میشود این کمیت برای پیشبینیها و عدم پیش بینی های پدیده وزن یکسانی قایل میشود و به همین دلیل ممکن است در برخی موارد سنجه مناسبی برای اندازه دقت پیش بینی نباشد.
امتیاز مهارتی(TS):
کمیت نرده ای دیگری که برای سنجش دقت به کار میرود امتیاز مهارتی(TS) است. مطابق تعریف مقدار این کمیت برابر است با نسبت تعداد مواردی که پدیده بدرستی پیشبینی شده است به مجموع تعداد مواردی که پدیده مورد نظر رخ داده یا پیشبینی شده است:
(2)
مقدار آن نیز مشابه نسبت صحیح همواره بین صفر برای بدترین و یک برای بهترین حالت است. این کمیت مشابه نسبت صحیح است با این تفاوت که مواردی که پدیده رخ نداده و پیشبینی هم نشده (d) در نظر گرفته نشده است.
اریبی یا گرایست (B):
اریبی یا گرایست[6] مقدار انحراف میانگین پیش بینی از میانگین دیدبانی متناظر آن است. این کمیت هیچ آگاهی از این تناظرها به صورت جداگانه نمیدهد بلکه میانگینها را با هم مقایسه می کند و به همین دلیل ممکن است در حالی که یک پیش بینی بسیار بد باشد اما از نظر اریبی بسیار خوب نشان دهد. طبق تعریف مقدار این کمیت از رابطه زیر به دست می آید:
(3)
برای پیشبینی کامل مقدار B یک است. مقادیر بیشتر و کمتر از یک برای B نیز به ترتیب مربوط به حالتهای over forecast وunder forecast می شود.
نسبت هشدارهای نادرست (FAR)
این کمیت بنا به تعریف، نسبت تعداد پیش بینی های نادرست به تعداد کل پیشبینیهای وقوع پدیده (کسری از پیشبینیها که تحقق نیافته) است. بنابراین هر چه مقدار آن کوچکتر باشد بهتر است که برای بهترین حالت صفر و برای بدترین حالت یک میشود:
(4)
مطالعهی موردی
در روزهای 19 تا 21 بهمن 1384 در منطقهی کارون بارش سنگین و بی سابقهای گزارش شده است که موجب بروز سیل و خسارت در منطقه شده است. این بارش به علت حاکم بودن سامانهای همدیدی در منطقه به وقوع پیوسته است. به منظور بررسی صحت مدل پیش بینی عددی WRF، این مدل اجرا و نتایج حاصل از آن با واقعیت از دو دیدگاه راستی آزمایی چشمی و آماری بررسی شدند. برای راستیآزمایی نتایج خروجی مدل با دیدبانی از 4 کمیت نردهای وابسته به جدول توافقی 2 × 2 استفاده نمودیم. راستی آزمایی برای 24 ساعت اول و 24 ساعت دوم (48 ساعت) پیش بینی با سه آستانهی متفاوت انجام شد. آستانهها با توجه به میانگین بارش متوسط منطقه کارون انتخاب گردید. آستانهی اول برای حالت وقوع یا عدم وقوع پیش بینی بارش مقدار 1/0 انتخاب گردید. به این منظور که آیا مدل قادر به پیش بینی درست وقوع یا عدم وقوع بارش است. آستانهی دوم با توجه به میانگین بارش منطقه در ماه فوریه (بهمن ماه) عدد 20 میلی متر تعیین شد. آستانهی سوم با توجه به این که این سامانه موجی ریزش بارش شدید در طی مدت 24 ساعت (به تناوب) در منطقه شده است، و در برخی ایستگاهها بارش بیش از 100 میلی متر گزارش شده، عدد 100 انتخاب شد، تا توانایی مدل در پیش بینی بارش خیلی سنگین مشخص گردد. در نهایت با توجه به مقادیر آستانهها جداول توافقی 2 × 2 تشکیل و کمیتهای نردهای نسبت صحیح (PC)، امتیاز مهارتی(TS)، اریبی یا گرایست (B) و نسبت هشدارهای نادرست(FAR) محاسبه و تحلیل شدند.
نتایج و بحث
در این بخش نتایج خروجی مدل با دیدبانی از دو دیدگاه راستیآزمایی چشمی و آماری در پیشبینی وقوع بارش سنگین در منطقهی کارون ارزیابی خواهد شد. راستی آزمایی چشمی برای بررسی الگوی همدیدی و الگوی بارش انجام خواهد شد.
راستی آزمایی چشمی فشار سطح متوسط دریا و ارتفاع ژئوپتانسیلی تراز 500 هکتوپاسکال
شکلهای 1 و 2 به ترتیب نتایج خروجی مدل ناشی از فشار متوسط سطح دریا و ارتفاع ژئوپتانسیلی تراز 500 هکتوپاسکال را نشان میدهند. سمت راست خروجی مدل و سمت چپ واقعیت را نمایش میدهد. همان گونه که از شکل ها نمایان است مدل در پیش بینی زبانههای کم فشار و پرفشار بر منطقه از دقت مناسبی برخوردار است. همچنین پیش بینی ارتفاع تراز 500 هکتوپاسکالی نیز وجود ناوهای بر روی مدیترانه و عبور امواج آن را از منطقهی ایران را نمایش میدهد. به طور کلی مدل الگوی همدیدی را به درستی پیشبینی نموده است.
|
|
|||
|
|
|||
|
|
|||
شکل 1: فشار متوسط سطح دریا بر حسب هکتوپاسکال، سمت چپ خروجی مدل و سمت راست واقعیت. الف و د) مورخ 8 فوریه 2006 (19 بهمن 1384)؛ ب و ه) مورخ 9 فوریه 2006 (20 بهمن 1384)؛ ج و و) مورخ 10 فوریه 2006 (21 بهمن 1384)، ساعت 0000UTC. |
||||
|
|
|||
|
|
|||
|
|
|||
شکل 2: ارتفاع ژئوپتانسیلی تراز 500 هکتوپاسکال بر حسب ژئوپتانسیل متر ، سمت چپ خروجی مدل و سمت راست واقعیت. الف و د) مورخ 8 فوریه 2006 (19 بهمن 1384)؛ ب و ه) مورخ 9 فوریه 2006 (20 بهمن 1384)؛ ج و و) مورخ 10 فوریه 2006 (21 بهمن 1384)، ساعت 0000UTC.
|
||||
3-2 راستی آزمایی چشمی بارش
شکل 3 (الف و ب)، پیش بینی 24 ساعتهی بارش ناشی از خروجی مدل را نشان میدهد. در 24 ساعت اول، در منطقهی کارون بارش سنگینی به وقوع پیوسته است. بیشینهی بارش در حدود 200 میلی متر نمایان است، که در مقایسه با نتایج بارش واقعی الگوی مناسبی را نمایش داده است. در این روز (19 بهمن 1384 ) در ایستگاههایی مانند کوهرنگ بیش از 150 میلی متر بارش گزارش شده است شکل (3-الف). در 24 ساعت دوم (20 بهمن 1384)، از میزان بارش بر روی غرب ایران و مرزهای غربی کاسته شده، اما بیشینهی بارش در منطقهی کارون افزایش یافته است و به میزان 220 میلی متر بر روی نقشه نمایان میباشد. در این روز در ایستگاههایی مانند آورگان، فارسان، چمن گل، خفر و ... بارش بیش از 100 میلی متر گزارش شده است و این نشان از وقوع بارش بسیار سنگین در منطقه میباشد که خروجی مدل، دقت مدل را در پیش بینی الگو و میزان بارش (کیفی و کمی) را نشان میدهد شکل (3-ب).
|
|
شکل 4 (الف و ب)، بارش تجمعی حاصل از ماهوارهی TRMM را به ترتیب برای 8 و 9 فوریه 2006 را نشان میدهد. بیشینهی بارش بیش از 110 میلیمتر در حوضهی کارون مشخص است. با مقایسهی خروجی مدل با ماهواره، ملاحظه میشود که مرکز بیشینهی بارش در خروجی مدل کمی بالاتر از مکان واقعی برآورد شده است. اما مدل موفق بوده الگوی پراکنذگی بارش و بیشینههای آن را برای 24 ساعت اول و دوم پیشبینی نماید.
|
|
شکل 4- بارش تجمعی ماهوارهی TRMM الف) مورخ 8 فوریه 2006 (19 بهمن 1384)؛ ب) مورخ 9 فوریه 2006 (20 بهمن 1384)
3-3 راستی آزمایی پیشبینی دوحالتی (2*2)
جدول 2، مقادیر کمیتهای نردهای وابسته به جدول توافقی 2 × 2 را برای چهار کمیت نردهای نسبت صحیح، امتیاز مهارتی، اریبی یا گرایست و نسبت هشدارهای نادرست را در سه آستانهی تعریف شده و در 24 ساعت اول و دوم پیشبینی را نشان میدهد. هر کدام از کمیتها جداگانه تحلیل شدهاند.
جدول 2- مقادیر کمیتهای نردهای وابسته به جدول توافقی 2 × 2
ردیف |
کمیتهای نردهای |
24 ساعت اول |
24 ساعت دوم |
||||
آستانه 1 |
آستانه2 |
آستانه3 |
آستانه1 |
آستانه2 |
آستانه3 |
||
1 |
نسبت صحیح(PC) |
91/0 |
63/0 |
91/0 |
91/0 |
83/0 |
77/0 |
2 |
امتیاز مهارتی(TS) |
91/0 |
35/0 |
25/0 |
91/0 |
81/0 |
27/0 |
3 |
اریبی یا گرایست (B) |
09/1 |
59/0 |
5/1 |
09/1 |
24/1 |
8/1 |
4 |
نسبت هشدارهای نادرست(FAR) |
08/0 |
3/0 |
67/0 |
08/0 |
19/0 |
67/0 |
نسبت صحیح (PC):
همانگونه که از نتایج جدول 2، برای آستانهی اول مشخص است، مقادیر این کمیت در 24 ساعت اول و دوم برابر و مقدار آن 91/0 میباشد، که بسیار به عدد یک نزدیک است. بنابراین، دقت مدل در زمینهی پیشبینی وقوع یا عدم وقوع بارش بسیار بالا است و میتوان گفت تقریبا نزدیک به 100 درصد درست پیش بینی نموده است. در آستانهی دوم که عدد 20 میلی متر انتخاب شده است، مقدار این کمیت برای 24 ساعت اول پیشبینی مقدار 63/0 و برای 24 ساعت دوم برابر 83/0 میباشد. در واقع مدل در پیش بینی بارش با آستانهی بیش از 20 میلی متر در 24 ساعت دوم از دقت بالاتری برخوردار بوده است. اما در آستانهی سوم که پیش بینی بارش بسیار سنگین بوده و مقدار 100 میلی متر انتخاب شده است، مقدار این کمیت در 24 ساعت اول و دوم به ترتیب برابر 91/0 و 77/0 میباشد. به این معنا که دقت مدل در پیشبینی بارشهای سنگین منطقه بالا است ولی در پیش بینی 24 ساعت اول دقت بالاتر است.
امتیاز مهارتی(TS):
همانگونه که از نتایج جدول 2، برای آستانهی اول مشخص است، مقادیر این کمیت در 24 ساعت اول و دوم برابر و مقدار آن 91/0 میباشد، که بسیار به عدد یک نزدیک است. مقادیر این کمیت نیز نشان میدهد که دقت مدل در زمینهی پیشبینی وقوع یا عدم وقوع بارش بسیار بالا است و میتوان گفت بیش از 90 درصد مواردی که مدل پیشبینی نموده، به درستی بوده است. در آستانهی دوم که عدد 20 میلی متر انتخاب شده است، مقدار این کمیت برای 24 ساعت اول پیشبینی مقدار 35/0 و برای 24 ساعت دوم برابر 81/0 میباشد. در واقع دقت مدل در پیش بینی بارش با آستانهی بیش از 20 میلی متر در 24 ساعت دوم بالاتر بوده است. در 24 ساعت دوم تعداد مواردی که به درستی پیشبینی شده، بالا بوده است. در آستانهی سوم که پیش بینی بارش بسیار سنگین بوده، مقدار این کمیت در 24 ساعت اول و دوم به ترتیب برابر 25/0 و 27/0 میباشد. به این معنا که دقت مدل در پیشبینی بارشهای سنگین منطقه بالا نبوده است.
اریبی یا گرایست (B):
همانگونه که از نتایج جدول 2، برای آستانهی اول مشخص است، مقادیر این کمیت در 24 ساعت اول و دوم برابر و مقدار آن 09/1 میباشد، که به عدد یک نزدیک است، بنابراین، دقت مدل در زمینهی پیشبینی وقوع یا عدم وقوع بارش بالا است. در آستانهی دوم که عدد 20 میلی متر انتخاب شده است، مقدار این کمیت برای 24 ساعت اول پیشبینی مقدار 59/0 و برای 24 ساعت دوم برابر 24/1 میباشد. در واقع مدل در پیش بینی بارش با آستانهی بیش از 20 میلی متر در 24 ساعت دوم از دقت بالاتری برخوردار بوده است. در 24 ساعت اول کمتر از مقدار واقعی پیش بینی شده و در 24 ساعت دوم، کمتر از مقدار واقعی پیش بینی شده است. یعنی در آستانهی دوم در 24 ساعت اول، مدل خشک بوده، بعبارت دیگر تعداد روزهایی که بارش اتفاق افتاده را کمتر پیش بینی نموده است. و در 24 ساعت دوم مدل تر بوده، یعنی تعداد روزهایی که بارش اتفاق رخ نداده، اما مدل پیشبینی نموده، بالا بوده است. اما در آستانهی سوم که پیش بینی بارش بسیار سنگین بوده و مقدار 100 میلی متر انتخاب شده است، مقدار این کمیت در 24 ساعت اول و دوم به ترتیب برابر 5/1 و 8/1 میباشد. به این معنا که دقت مدل در پیشبینی بارشهای سنگین منطقه بالا است ولی در پیش بینی 24 ساعت اول دقت بالاتر است و در دو حالت، مدل تر بوده است.
نسبت هشدارهای نادرست(FAR)
همانگونه که از نتایج جدول 2، برای آستانهی اول مشخص است، مقادیر این کمیت در 24 ساعت اول و دوم برابر و مقدار آن 08/0 میباشد، که به عدد صفر نزدیک است. بنابراین، دقت مدل در زمینهی پیشبینی وقوع یا عدم وقوع بارش بالا است. در آستانهی دوم، مقدار این کمیت برای 24 ساعت اول پیشبینی مقدار 3/0 و برای 24 ساعت دوم برابر 19/0 میباشد. در واقع در 24 ساعت اول، تعداد دفعاتی که بارش نادرست پیشبینی شده، بیش از 24 ساعت دوم بوده است. اما در آستانهی سوم، مقدار این کمیت در 24 ساعت اول و دوم مساوی و برابر 67/0 میباشد. به این معنا که دقت مدل در پیشبینی بارشهای سنگین منطقه متوسط است.
نتیجهگیری
در روزهای 19 تا 21 بهمن 1384 در منطقهی کارون بارش سنگین و بی سابقهای گزارش شده است که موجب بروز سیل و خسارت در منطقه شده است. این بارش به علت حاکم بودن سامانهای همدیدی در منطقه به وقوع پیوسته است. به منظور بررسی صحت مدل پیش بینی عددی WRF، این مدل اجرا و نتایج حاصل از آن با واقعیت از دو دیدگاه راستی آزمایی چشمی و آماری بررسی شدند. نتایج راستی آزمایی مدل، نشان داد که الگوی بارش و میزان آن در منطقه به درستی پیشبینی شده است. نتایج آماری راستیآزمایی آماری در سه آستانه، وقوع یا عدم وقوع بارش؛ بارش متوسط منطقه و بارش سنگین در 24 ساعت اول و دوم ارزیابی شد. نتایج نشان میدهد که مدل در 24 ساعت اول و دوم در پیش بینی وقوع یا عدم وقوع بارش بسیار دقیق عمل کرده و نتایج نزدیک 100 درصد صحیح هستند. برای آستانهی دوم، دقت مدل در پیش بینی بارش بالا است ولی در 24 ساعت دوم دقت بالاتر بوده است، به گونهای که در آستانهی دوم و در 24 ساعت دوم تعداد مواردی که به درستی پیشبینی شده، بالا بوده است. همچنین، در آستانهی دوم در 24 ساعت اول، مدل خشک بوده، بعبارت دیگر تعداد روزهایی که بارش اتفاق افتاده را کمتر پیش بینی نموده است. و در 24 ساعت دوم مدل تر بوده، یعنی تعداد روزهایی که بارش اتفاق رخ نداده، اما مدل پیشبینی نموده، بالا بوده است. و در آستانهی سوم، در پیش بینی 24 ساعت اول دقت بالاتر است و در دو حالت، مدل تر بوده است. به عبارتی دیگر، برای آستانهی سوم، دقت مدل در پیش بینی بارشهای بسیار سنگین در منطقه متوسط بوده است. گرچه نتایج نشان میدهند که خروجی مدل برای پیشبینی سیل در منطقهی کارون قابل اعتماد است، اما با توجه به توپوگرافی پیچیدهی ایران استفاده از پیکربندی مناسب مدل و روشهای پیشبینی همادی میتواند نتایج را بهبود دهد.
30 |