کاربست مدل های همادی آمریکای شمالی در پیش بینی فصلی بارش گستره ی ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کاندیدای دکتری /مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران

2 دانشیار /گروه آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران

3 دانشیار /گروه فیزیک فضا، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران

4 مدیر گروه اقلیم/ مؤسسه پژوهش های بین المللی برای اقلیم و جامعه، مؤسسه زمین، دانشگاه کلمبیا، پلسیدز، ایالات متحده آمریکا

چکیده

ارزیابی برونداد مدل‌های گردش کلی جفتشده جو-اقیانوس در پیش‌بینی متغیرهای اقلیمی توجه جهانی با به‌خود جلب کرده است. در کشور ایران نیز در صورت مشخص شدن مهارت مناسب سامانه‌‌های پیش‌بینی فصلی دینامیکی اقلیمی در یک دوره بلندمدت (بازپیش‌بینی) می‌توان از پیش‌بینی‌های فصلی بهنگام در کمک به تصمیم‌سازان در برنامه‌ریزی با پیش‌دیدهای فصلی و ماهانه استفاده نمود. تعیین مهارت مدل‌های دینامیکی باید برای فصول هدف و وابسته به پیش‌دید و شرایط آغازین مورد ارزیابی قرار گیرد. در این پژوهش، برونداد 8 سامانه پیش‌بینی فصلی از پروژه مدل‌های همادی چندگانه آمریکای شمالی متشکل از 102 عضو همادی برای کشور ایران مورد ارزیابی قرار گرفته است. این تحلیل برای نیمه اول سال آبی که بیش‌ترین سهم بارش در اکثر مناطق محدوده مورد مطالعه را به‌خود اختصاص می‌دهد، انجام شده است. بدین‌منظور همبستگی بی‌هنجاری‌های بارش برونداد مدل‌های همادی آمریکای شمالی با اطلاعات برآوردشده سنجش از دور بر اساس شبکه عصبی مصنوعی برای داده‌های رکورد اقلیمی بارش (PERSIANN-CDR) برای سه فصل، در سه پیش‌دید با آغازگری‌های مختلف مورد ارزیابی گرفت. هم‌چنین، اریبی برونداد مدل‌های آمریکای شمالی برای دوره 1983-2013 محاسبه شد. نتایج نشان می‌دهد که همبستگی میان بی-هنجاری‌های بارش مدل‌های آمریکای شمالی با داده‌های بارش برآوردشده (مشاهداتی) در اکثر مناطق کشور ایران بالا است. مشخص شد در اکثر سلول‌های واقع در کشور ایران، اریبی مدل‌های ارزیابی شده بین 1 تا 1- میلی‌متر در روز است. نتایج این پژوهش، ضرورت توسعه همادی مدل‌های چندگانه برای تصحیح خطای سامانمند، مقیاس‌کاهی و تولید پیش‌بینی‌های احتمالاتی را در پیش‌بینی بارش حوزه‌های آبریز درجه 2 کشور ایران نشان می‌دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Application of North American Multi-Model Ensemble for Iran’s Seasonal Precipitation Forecasts

نویسندگان [English]

  • H. Najafi 1
  • A.R. Massah Bavani 2
  • P. Irannejad 3
  • A. Robertson 4
1 Ph.D. Candidate in Water Resources Engineering, College of Aburaihan, University of Tehran, Pakdasht, Iran
2 Associate Professor, Irrigation and Drainage Department, College of Aburaihan, University of Tehran, Pakdasht, Iran.
3 Department of Space Physics, Institute of Geophysics University of Tehran
4 International Research Institute for Climate and Society, Columbia University, Palisades, United States of America
چکیده [English]

The assessment of Atmosphere-Ocean General Circulation climate model outputs have been become of much global interest. If the skill of the dynamic seasonal climate forecasts prove appropriate skill over the long-term (hindcast period), real-time seasonal forecast systems are able to support decision makers in managing monthly and seasonal time scales. The skill of dynamic models for target seasons depends on both the initialization and lead time. In this research, the output of 8 models enrolling in the North American Multi-Model Ensemble (NMME) with more than 102 ensemble members is evaluated over Iran. Analysis of the research is for the first 6 months of the water-year when DJF precipitation has the highest proportion within the study area. The anomaly correlation is calculated using PERSIANN-CDR for evaluation of three seasons (OND, DJF, JFM) in different initializations. The bias of NMME models is also analyzed over the period of 1983-2013. The results show that the anomaly correlation of NMME individual models is high over many parts of Iran. The bias between -2 to +2 mm/day is identified over grid points within the study area. The results of the this research addressed the need to develop multi-model ensembles to treat systematic errors, downscaling and providing probabilistic forecasts in 30 river basins in Iran which suit the real-time application of NMME models during a water year.

کلیدواژه‌ها [English]

  • Seasonal Forecast Systems
  • North American Multi-Model Ensemble (NMME)
  • Evaluating Atmosphere-Ocean General Circulation Models
  • Precipitation Forecast
  • Iran

Ashoori H, Hsu KL, Sorooshian S, Braithwaite DK (2015) PERSIANN-CDR: Daily precipitation climate data record from multisatelite observations for hydrological and climate studies, Bulletin of American Meteorological Society 96(1):69-83, doi:10.1175/BAMS-D-13-00068.1

Barbero R, Abatzoglou J, Hegewisch K (2017) Evaluation of statistical downscaling of North American Multi-Model Ensemble forecasts over western USA. Weather Forecasting, 32:327–341, doi: 10.1175/WAF-D-16-0117.1

Dezfuli AK, Karamouz M, Araghinejad Sh (2010) On the relationship of regional meteorological drought with SOI and NAO over southwest Iran. Theoretical Applied Climatology, 100:57–66, doi 10.1007/s00704-009-0157-2

Dunstone N, Smith D, Scaife A, Hermanson L, Eade R, Robinson N, Andrews M, Knight J (2016) Skilful predictions of the winter North Atlantic Oscillation one year ahead. Nature Geoscience Letter, 9:809–814, doi:10.1038/ngeo282

Fallah Ghalhary GA, Mousavi Baygi SM, Habibi Nokhandan M (2009) Using statistical model for seasonal rainfall forecasting based on synoptic patterns of atmospheric upper levels. Water and Soil Science, 19(1):125-14

Gent PR, Yeager SG, Neale RB, Levis S,  Bailey DA (2010) Improvements in a half degree atmosphere/land version of the CCSM. Climate Dynamic, 34:819–833

Muhammad Azhar Ehsan, Michael

K.Tippett, Mansour Almazroui,

Muhammad Ismail, Ahmed Yousef, Fred

Kucharski, Mohamed Omar, et al

Ehsan MA, Tippett MK, Almazroui M, Ismail M, Yousef A, Kucharski F, Omar M, Hussein M, Alkhalaf A (2017) Skill and predictability in multimodel ensemble forecasts for Northern Hemisphere regions with dominant winter precipitation. Climate Dynamic, 48:3309-3324, doi:10.1007/s00382-016-3267-4

Katiraie-Boroujerdy PS, Akbari Asanjan A Hsu KL, Sorooshian S (2017) Intercomparison of PERSIANN-CDR and TRMM-3B42V7 precipitation estimates at monthly and daily time scales. Atmospheric Research, 193:36-49, doi.org/10.1016/j.atmosres.2017.04.005

 Katiraie-Boroujerdy PS, Ashouri H,  Hsu K, Sorooshian S (2016) Trends of precipitation extreme indices over a subtropical semi-arid area using PERSIANN-CDR. Theoretical and Applied Climatology, 1-12, doi:10.1007/s00704-016-1884-9

Kim HM, Webster PJ, Curry JA (2012) Seasonal prediction skill of ECMWF System 4 and NCEP CFSv2 retrospective forecast for the Northern Hemisphere Winter. Climate Dynamics 39(12):2957, doi:10.1007/s00382-012-1364-6

Kirtman BP and Coauthors (2014) The North American Multimodel Ensemble phase-1 seasonal-to-interannual prediction; phase-2 toward developing intraseasonal prediction. Bulletin of Amererican Meteorological Society, 95:585–601, doi:10.1175/BAMS-D-12-00050.1

Ma F, Ye A, Deng X, Zhou Z, Liu X, Duan Q, Xu J, Miao C, Di Z, Gong W (2015) Evaluating the skill of NMME seasonal precipitation ensemble predictions for 17 hydroclimatic regions in continental China. International Journal of Climatology, 36(1):132-144, doi: 10.1002/joc.4333

MacLachlan C, Arribas A, Peterson K. A,Maidens A, Fereday D, Scaife AA, Gordon M, Vellinga M, Williams A, Comer RE, Camp J, Xavier P, Madec G (2014) Global seasonal forecast system version 5 (GloSea5): a high-resolution seasonal forecast system. Quarterly Journal of the Royal Meteorological Society 141, (689B):1072–1084, doi:10.1002/qj.2396

Min YM, Kryjov VN, Oh SM (2014) Assessment of APCC multimodel ensemble prediction in seasonal climate forecasting: Retrospective (1983–2003) and real-time forecasts (2008–2013). Journal of Geophysical Research: Atmospheres, 119(21):132-150

Modaresi F, Araghinejad Sh, Ebrahimi K (2015) K Assessment of model fusion strategy for increasing the accuracy of autumn rainfall forecasting. Journal of Agricultural Meteorology, 3(2):1-13

Molteni  F, Stockdale T, Balmaseda M, Balsamo G, Buizza R, Ferranti L, Magnusson L, Mogensen K, Palmer T, Vitart F (2011) The new ECMWF seasonal forecast system (System 4). Technical Memorandum (656) in Scientific Advisory Committee (SAC) 40th Session 3-5 October

Najafi H, Massah Bavani AR, Wanders N, Wood E, Irannejad P, Robertson AW (2017) Developing Multi-model Ensemble for precipitation and temperature seasonal forecast: Implications for Karkheh river basin. 2017 European Geosciences Union (EGU) General Assembly, 23-28 April 2017, Vienne, Austria

Nasr Esfahani MA, Ahmadi Givi F, Mohebalhojeh AR (2008) North Atlantic oscilaition link to the South West Asian climate. In: Proc. ff 13th Geophysics Conference of Iran, 6–8 May 2008, Tehran, Iran, 342–345

Nikbakht Shahbazi AR,  Zahraie B, Nasseri M (2012) Seasonal meteorological drought prediction using Support Vector Machine. Journal of Water and Wastewater, 23(2):73-85

Shukla Sh, Roberts J, Hoell A, Funk C, Robertson F, Kirtman BP (2016) Assessing North American multimodel ensemble (NMME) seasonal forecast skill to assist in the early warning of anomalous hydrometeorological events over East Africa. Climate Dynamics, 1-17.doi:10.1007/s00382-016-3296-z

Tabari H, Abghari H, Hosseinzadeh Talaee P (2014) Impact of the North Atlantic Oscillation on streamflow in Western Iran. Hydrological Processes, 28:4411–4418

Vernieres G, Rienecker M, Kovach R, Keppenne CHL (2012) The GEOS-iODAS: description and evaluation. Technical Report Series on Global Modeling and Data Assimilation, TM-2012-104606 30:1-61

Zhang S, Harrison J, Rosati MJ, Wittenberg A T (2007) System design and evaluation of coupled ensemble data assimilation for global oceanic climate studies. Monthly Weather Review, 135:3541–3564, doi:10.1175/MWR3466.1