راست آزمایی پیش‌بینی بارش مدل تحقیقات آب و هوایی و پیش‌بینی وضع هوا (WRF) روی کشور ایران در دوره هشت ماهه نوامبر 2008 تا ژوئن 2009

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار/ گروه پژوهشی هواشناسی دینامیکی و همدیدی، پژوهشکده هواشناسی و علوم جو تهران، ایران.

2 دانشجوی کارشناسی ارشد/ هواشناسی، گروه فیزیک، دانشگاه یزد، ایران.

3 استادیار/ گروه فیزیک، دانشگاه یزد، ایران.

چکیده

در این مطالعه کارایی مدل تحقیقاتی و پیش‌بینی وضع هوا (WRF)1 برای پیش‌بینی‌های بارندگی تجمعی 24 ساعته در کشور ایران تعیین شده است. پیش‌بینی‌های روزانه برای دوره اول نوامبر 2008 تا 30 ژوئن 2009 برای بردهای 24، 48 و 72 ساعته راست آزمایی شده‌اند. فرایند راست آزمایی به طور جداگانه برای سه گستره بارش و نیز 9 منطقه مختلف کشور با استفاده ازجدول توافقی 2×2 و کمیت‌های راست آزمایی وابسته به این جدول انجام شده است. با این‌که بارش مشکل‌ترین پارامتر برای پیش‌بینی است نتایج راست آزمایی مهارت قابل قبولی را از پیش‌بینی‌های مدل WRF نشان می‌دهد. با توجه به مقادیر بزرگ‌تر از یک کمیت اریبی نتایج نشان می‌دهد که به طور کلی مدل فراپیش‌بینی دارد. در شمال کشور که پربارش‌ترین مناطق هستند مقدار کمیت TS بیش از 50/0 است که بالاترین دقت مدل را برای پیش‌بینی بارش در بین مناطق مختلف نشان می‌دهد و در مناطق کم بارش شرق و جنوب شرق کشور کمیت TS با مقادیر کمتر از 40/0 کمترین دقت مدل را در بین مناطق مختلف کشور نشان می‌دهد. همچنین ارزش اقتصادی پیش‌بینی‌های این مدل برای نسبت‌های هزینه به ضرر کمتر از 40/0 به بیش از 60/0 نیز رسیده است که استفاده عملیاتی پیش‌بینی‌های این مدل را توصیه پذیر می‌سازد.

کلیدواژه‌ها


عنوان مقاله [English]

Verification of WRF Precipitation Forecast Over Iran Country During Nov. 2008-Jun. 2009

نویسندگان [English]

  • M Azadi 1
  • E Taghizadeh 2
  • M. H Memarian 3
1 Assistant Professor, Dynamic and Synoptic Meteorology Research Department, Atmospheric science and Meteorology Research Center, Tehran, Iran
2 M.Sc. student of Meteorology, Physics Department, university of Yazd, Iran
3 Assistant Professor, Physics Department, university of Yazd, Iran
چکیده [English]

This study presents verification of the Weather Research and Forecasting (WRF) model for the 24-h accumulated precipitation forecasts in Iran for the period of November 2008 to June 2009 for 24, 48, and 72.houre-ranges. Verification is done separately for three precipitation ranges and nine different regions in the country via 2×2 contingency table and quantities attributed to it. Though precipitation is the most difficult parameter to forecast, results show the good skill of WRF Forecasts.However regarding the bias, the model has over-forecasting.
In northern parts of Iran with the highest rainfall rate, the value of TS is more than 0.50 and shows the highest accuracy of precipitation forecasts in different regions. In the regions with the lowest rainfall rates (east and southeast of Iran) TS is less than 0.40 and the model results show the least accuracy. Economic value of the forecasts reaches 60% for the cost to loss ratios of less than 0.40. This recommends the operational use of this model.

کلیدواژه‌ها [English]

  • WRF Model
  • Verification
  • Contingency table
  • Precipitation Forecast

هدایتی دزفولی، ا.، م. آزادی، (1386): راست آزمایی پیش‌بینی بارش مدل منطقه‌ای MM5 بر روی ایران. مجموعه مقالات هفتمین همایش پیش‌بینی عددی وضع هوا، پژوهشگاه هواشناسی و علوم جو، تهران، ایران.

Chien, Fang-Ching, Ying-HwaKuo, Ming-Jen Yang, (2002): Precipitation Forecast of MM5 in the Taiwan Area during the 1998 Mei-yu Season. Wea. Forecasting, 17, pp. 739–754.

Colle B. A., K. J. Westrick, and C. F. Mass, (1999): Evaluation of MM5 and Eta-10 precipitation forecasts over the Pacific Northwest during the cool season. Wea. Forecasting, 14,pp. 137–154.

Davis, C. A., and Coauthors, (2006): Advanced Research WRF developments for hurricane prediction. Extended Abstracts, Seventh WRF Users’ Workshop, Boulder, CO, National Center for Atmospheric Research.

Done, J. M., L. R. Leung, and B. Kuo, (2006): Understanding error in the long-term simulation of warm season rainfall using the WRF model. Extended Abstracts, Seventh WRF Users’ Workshop, Boulder, CO, National Center for Atmospheric Research.

Ferro, C. A. T., (2007):A Probability Model for Verifying Deterministic Forecasts of Extreme Events. Wea. Forecasting, 22, pp. 1089–1100.

Finley, J.P., (1884): Tornado prediction. Amer. Meteor. J.,1, 85–88.

Fritsch, J. M., Coauthors, (1998): Quantitative precipitation forecasting: Report of the eighth prospectus development team, U.S. Weather Research Program.Bull. Amer. Meteor. Soc.,79,pp.285–299.

Grell, G. A., J. Dudhia, and D. R. Stauffer (1995): A description of the fifth-generation Penn State/NCAR Mesoscale Model (MM5). NCAR Tech. NoteTN-398+STR, 122 pp. [Available from UCAR Communications, P.O. Box 3000, Boulder, CO 80307.]

Janjic, Z. I., (1990): The step-mountain coordinate: physical package, Mon. Wea. Rev.,118, pp. 1429–1443.

Janjic, Z. I., (1996): The surface layer in the NCEP Eta Model, Eleventh Conference on Numerical Weather Prediction, Norfolk, VA, 19–23 August; Amer. Meteor. Soc., Boston, MA, 354–355.

Janjic, Z. I., (2002): Nonsingular Implementation of the Mellor–Yamada Level 2.5 Scheme in the NCEP Meso model, NCEP Office Note, 437, 61 pp.

Jolliffe, I.T., and D.B. Stephenson, (2003). Forecast Verification. Wiley, 240 pp.

Kain, J. S., (2004): The Kain-Fritsch convective parameterization: An update. J. Appl. Meteor.,43, 170–181.

Kalnay, E., M. Kanamitsu, and W. E. Baker, (1990): Global numerical weather prediction at the National Meteorological Center.Bull. Amer. Meteor. Soc.,71,pp. 1410–1428.

Kato, T., K. Kurihara, H. Seko, and K. Saito, (1998): Verification of the MRI-nonhydrostatic-model predicted rainfall during the 1996 Baiu season.J. Meteor. Soc. Japan,76, pp. 719–735.

Katz, R.W. and Murphy, A.H. (1997). Forecast value: prototype decision-making models. In: Economic Value of Weather and Climate Forecasts (eds. R.W. Katz and A.H. Murphy). Cambridge: Cambridge University Press, pp. 183–217.

Landis, R. C., (1994): Comments on “Forecasting in meteorology.”.Bull. Amer. Meteor. Soc.,75,pp. 823–827.

Lin, Y.L., R. D. Farley, and H. D. Orville, (1983): Bulk parameterization of the snow field in a cloud model. J. Climate Appl. Meteor.,22, pp. 1065–1092.

Malmberg, J., 2008: Forecast Verification: Past, Present, and Future. Intermountain West Climate Summary,4(1), pp. 2-4.

McBride, J. L., & E. E. Ebert, (2000): Verification of Quantitative Precipitation Forecasts from Operational Numerical Weather Prediction Models over Australia. Wea. Forecasting,15, pp. 103-121.

Mellor, G. L., and T. Yamada, (1982): Development of a turbulence closure model for geophysical fluid problems. Rev. Geophys. Space Phys.,20, pp. 851–875.

Mesinger, F., (1996): Improvements in quantitative precipitation forecasts with the Eta Regional Model at the National Centers for Environment Prediction: The 48-km upgrade.Bull. Amer. Meteor. Soc.,77, pp. 2637–2649.

Mlawer, E. J., S. J. Taubman, P. D. Brown, M. J. Iacono, and S. A. Clough, (1997): Radiative transfer for inhomogeneous atmosphere: RRTM, a validated correlated-k model for the long wave. J. Geophys. Res.,102 (D14), pp. 16663–16682.

Moeng, C.-H., J. Dudhia, J. B. Klemp, and P. P. Sullivan, (2007): Examining two-way grid nesting for large eddy simulation of the PBL using the WRF model. Mon. Wea. Rev.,135, pp. 2295–2311

Monin, A.S. and A.M. Obukhov, 1954: Basic laws of turbulent mixing in the surface layer ofthe atmosphere. Contrib. Geophys. Inst. Acad. Sci., USSR, (151), pp. 163–187 (in Russian).

Murphy, A.H., (1977): The value of climatological, categorical and probabilistic forecasts in the cost-loss ratio situation. Mon. Weather Rev., 105, pp. 803–816.

Murphy, A.H., (1993): What is a good forecast? An essay on the nature of goodness in weather forecasting. Wea. Forecasting,8, pp. 281-293.

Olson, D. A., N. W. Junker, and B. Korty, (1995): Evaluation of 33 years of quantitative precipitation forecasting at the NMC.Wea. Forecasting,10,pp. 498–511.

Roberts, Nigel M., Humphrey W. Lean, (2008): Scale-Selective Verification of Rainfall Accumulations from High-Resolution Forecasts of Convective Events. Mon. Wea. Rev., 136, pp. 78–97.

Shuman, F. G., (1989): History of numerical weather prediction at the National Meteorological Center.Wea. Forecasting,4, pp. 286–296.

Skamarock, W.C., J.B. Klemp, J. Dudhia, D. Gill, D. Barker, W. Wang, J.G. Powers, (2008): A description of the Advanced Research WRF Version 3, NCAR Tech. Note NCAR/TN-475+STR.

Wilks, D. S., (2006): Statistical Methods in the Atmospheric Sciences. Academic Press, 627 pp.

Third International Verification Methods Workshop (IVMW): (2007),Reading,UK. Available online: Http://www.bom.gov.au/bmrc.wefor/staff/eee/verif/verif_web_page.html.