به‌کارگیری یک سامانه همادی توسعه داده‌شده برای مدل WRF جهت پیش‌بینی میدان باد سطحی در محدوده خلیج فارس

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه تهران

2 مؤسسه ژئوفیزیک دانشگاه تهران

3 دانشگاه صنعتی خواجه نصیر الدین طوسی

4 رئیس اداره طرح های زیربنایی سازمان بنادر و دریانوردی

چکیده

نتایج حاصل از توسعه یک سامانه پیش‌بینی همادی برای مدل WRF  جهت پیش‌بینی میدان باد سطحی در محدوده خلیج‌فارس در تحقیق حاضر ارائه می‌شود. سامانه مذکور ترکیبی از ایجاد پریشیدگی در شرایط اولیه و استفاده از طرح‌واره‌های فیزیکی متفاوت می‌باشد. برای یافتن پیکربندی(های) مناسب مدل WRF از دیدگاه پارامترسازی‌های فیزیکی تعداد 14 پیکربندی انتخاب شده و پس از انجام اجراهای مدل برای چندین تاریخ منتخب و انجام اعتبارسنجی نتایج خروجی مدل به‌ویژه برای میدان باد، سه پیکربندی به‌عنوان پیکربندی‌های مناسب انتخاب شدند. سپس اعضای سامانه همادی با استفاده از ترکیب سه پیکربندی منتخب و ایجاد پریشیدگی در شرایط اولیه مدل با استفاده از روش مونت‌کارلو ایجاد می‌شوند. برای انجام شبیه‌سازی‌های مدل WRF برای هر یک از اعضای سامانه همادی از دو ناحیه محاسباتی تودرتو با تفکیک‌های مکانی 0/3 درجه و 0/1 درجه استفاده می‌شود. بررسی عملکرد پیش‌بینی‌های سامانه به کمک محاسبه پارامترهای آماری همچون ضریب همبستگی و جذر میانگین مربعات خطا در مقایسه با داده‌های مشاهدات شامل داده‌های ایستگاه‌های هواشناسی موجود در منطقه و داده‌های اندازه‌گیری شده توسط سنجنده‌های ماهواره‌ای (مانند QuikSCAT و ASCAT) نشان‌ از عملکرد مناسب میانگین همادی در مقایسه با پیش‌بینی قطعی  برای پیش‌بینی میدان باد دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Using an Ensemble Prediction System Developed for the WRF Model to Predict Surface Wind Over Persian Gulf

نویسندگان [English]

  • Sarmad Ghader 1
  • Daniel Yazegi 2
  • Mohsen Soltanpour 3
  • Mohammad Hossein Nemati 4
چکیده [English]

This work is devoted to present the results of an ensemble prediction system developed for the Weather Research and Forecasting (WRF) model to predict surface wind over the Persian Gulf. To construct the ensemble members a combination of perturbed initial condition (using Monte Carlo method) and model perturbations (using multi physical parameterization schemes) is employed. Here, an ensemble prediction system with 15 members (three physical parameterization schemes and five initial condition perturbations for each one) is used to generate the surface wind and other meteorological field predictions over the Persian Gulf. Assessment of the ensemble mean against the observational in situ and satellite (e.g., ASCAT and QuikSCAT) data indicates promising performance of the ensemble prediction system over the deterministic predictions.

کلیدواژه‌ها [English]

  • ensemble prediction
  • wind field
  • WRF model
  • Persian Gulf

[1] Epstein ES. Stochastic dynamic prediction1. Tellus. 1969;21(6):739-59.

[2] Leith C. Theoretical skill of Monte Carlo forecasts. Monthly Weather Review. 1974;102(6):409-18.

[3] Gneiting T, Raftery AE. Weather forecasting with ensemble methods. Science. 2005;310(5746):248-9.

[4] Tracton MS, Kalnay E. Operational ensemble prediction at the National Meteorological Center: Practical aspects. Weather and Forecasting. 1993;8(3):379-98.

[5] Warner TT. Numerical weather and climate prediction: Cambridge University Press; 2010. p 548.

[6] اشرفی خ، قادر س، اصفهانیان و.‌ اعمال‌ روش‌ پیش‌بینی‌ گروهی‌ breeding به‌ ‌مدل‌ لورنز. مجموعه مقالات هفتمین‌ کنفرانس‌ پیش‌بینی‌ عددی‌ وضع‌ هوا؛ ‌۱۳۸۶ ‎آذر۲۸‎‎‎؛ تهران. ایران.

[7] اشرفی‌ خ. قادر س، اصفهانیان‌ و. اعمال‌ روش‌ پیش‌بینی‌ همادی‌ Breeding‎ به‌ ‌مدل MM5‌‎ در ‌منطقه‌ ایران‌. مجموعه مقالات دوازدهمین‌ کنفرانس‌ دینا‌میک‌ شاره‌ها؛ ۱۳۸8 اردیبهشت‎۸‎ -‎۱۰‎؛ بابل‌، ایران‎.

[8] اشرفی خ،  قادر س، صداقت‌کردار ع. اعمال روش پیش‌بینی همادی Breeding به مدل تحقیقاتی- عملیاتی WRF. مجموعه مقالات هشتمین کنفرانس‌ پیش‌بینی‌ عددی‌ وضع‌ هوا؛ 1388 دی ماه 2؛ تهران، ایران.

[9] قادر س، یازجی د، شهبازی ح. پیش‌بینی میدان باد و سایر میدان‌های هواشناسی در محدوده شهر تهران با استفاده از یک سامانه همادی توسعه داده شده برای مدل WRF جهت استفاده در مدل‌های آلودگی هوا. مجموعه مقالات چهارمین همایش ملی مدیریت آلودگی هوا و صدا؛ 1394 دی ماه 22- 23؛ تهران، ایران.

 [10] Skamarock W, Klemp J, Dudhia J, Gill D, Barker D, Duda M, et al. A description of the advanced research WRF Version 3, NCAR tech note NCAR/TN 475 STR, 125 pp. Available from: UCAR Communications, PO Box. 2008;3000.

[11] Wang W, Bruyère C, Duda M, Dudhia J, Gill D, Lin H, et al. User’s Guide for the Advanced Research WRF (ARW) Version 3.6. NCAR; 2014.

[12] Xu H, Xu M, Xie S-P, Wang Y. Deep Atmospheric Response to the Spring Kuroshio over the East China Sea*. Journal of Climate. 2011;24(18):4959-72.

[13] O'Neill LW, Esbensen SK, Thum N, Samelson RM, Chelton DB. Dynamical analysis of the boundary layer and surface wind responses to mesoscale SST perturbations. Journal of Climate. 2010;23(3):559-81.

[14] DuVivier AK, Cassano JJ. Evaluation of WRF model resolution on simulated mesoscale winds and surface fluxes near Greenland. Monthly Weather Review. 2013 Mar;141(3):941-63.

[15] Ghader S, Montazeri-Namin M, Chegini F, Bohlouly A, editors. Hindcast of Surface Wind Field over the Caspian Sea Using WRF Model. proceedings of the 11th International Conference on Coasts, Ports and Marine Structures (ICOPMAS 2014), Tehran, Iran; 2014.

[16] Perlin N, De Szoeke SP, Chelton DB, Samelson RM, Skyllingstad ED, O’Neill LW. Modeling the atmospheric boundary layer wind response to mesoscale sea surface temperature perturbations. Monthly Weather Review. 2014;142(11):4284-307.

[17]Avalaible at: http://weather.uwyo.edu/ surface/meteorogram/

[18] Barker DM, Huang W, Guo Y-R, Bourgeois A, Xiao Q. A three-dimensional variational data assimilation system for MM5: Implementation and initial results. Monthly Weather Review. 2004;132(4):897-914.

[19] Houtekamer P, Lefaivre L, Derome J, Ritchie H, Mitchell HL. A system simulation approach to ensemble prediction. Monthly Weather Review. 1996;124(6):1225-42.