A platform for research: civil engineering, architecture and urbanism
ارزیابی دقت مدلهای NMME در پیشبینی بارش ماهانه (مطالعه موردی: حوضه سفیدرود)
پیشبینی بارش در مقیاس فصلی و ماهانه اهمیت زیادی در مدیریت بهینه منابع آب و مطالعات اقلیمی-کشاورزی دارد. هدف مطالعه حاضر ارزیابی دقت مدلهای NMME در پیشبینی بارش ماهانه حوضه آبریز سفیدرود است. برای این منظور، دادههای پیشبینی تاریخی مدلهای NMME از تارنمای دانشگاه کلمبیا و دادههای بارش ایستگاههای همدیدی موجود در منطقه از سازمان هواشناسی کشور برای دوره 1982 تا 2017 دریافت شدند. با بهکارگیری روشهای آماری، دقت مدلهای NMME در پیشبینی بارش ماهانه در مقایسه با دادههای مشاهداتی ارزیابی شد. نتایج نشان داد که مدلهای NMME به تنهایی دارای دقت مناسبی نمیباشد، به گونهای که حداکثر مقدار میانگین ضریب تبیین محاسبه شده 6/0 به دست آمد. ترکیب نتایج چند مدل پیشبینی نشان داد که دقت پیشبینیها را میتوان تا حد قابل قبولی افزایش داد، به طوری که میانگین مقادیر ضریب تبیین به 7/0افزایش یافت. همچنین برای بررسی عدم قطعیت پیشبینی بارش، 78 عضو از مدلهای پیشبینی مورد بررسی قرار گرفت. بر اساس نتایج، مدلها در برخی از ماههای سال بیشبرآورد (با احتمال نزدیک به 80 درصد)، دارند. همچنین تحلیل عدم قطعیت مدلهای پیشبینی نیز نشان داد که با ترکیب نتایج مدلهای مختلف، میتوان بازه عدم قطعیت را کاهش داد.
ارزیابی دقت مدلهای NMME در پیشبینی بارش ماهانه (مطالعه موردی: حوضه سفیدرود)
پیشبینی بارش در مقیاس فصلی و ماهانه اهمیت زیادی در مدیریت بهینه منابع آب و مطالعات اقلیمی-کشاورزی دارد. هدف مطالعه حاضر ارزیابی دقت مدلهای NMME در پیشبینی بارش ماهانه حوضه آبریز سفیدرود است. برای این منظور، دادههای پیشبینی تاریخی مدلهای NMME از تارنمای دانشگاه کلمبیا و دادههای بارش ایستگاههای همدیدی موجود در منطقه از سازمان هواشناسی کشور برای دوره 1982 تا 2017 دریافت شدند. با بهکارگیری روشهای آماری، دقت مدلهای NMME در پیشبینی بارش ماهانه در مقایسه با دادههای مشاهداتی ارزیابی شد. نتایج نشان داد که مدلهای NMME به تنهایی دارای دقت مناسبی نمیباشد، به گونهای که حداکثر مقدار میانگین ضریب تبیین محاسبه شده 6/0 به دست آمد. ترکیب نتایج چند مدل پیشبینی نشان داد که دقت پیشبینیها را میتوان تا حد قابل قبولی افزایش داد، به طوری که میانگین مقادیر ضریب تبیین به 7/0افزایش یافت. همچنین برای بررسی عدم قطعیت پیشبینی بارش، 78 عضو از مدلهای پیشبینی مورد بررسی قرار گرفت. بر اساس نتایج، مدلها در برخی از ماههای سال بیشبرآورد (با احتمال نزدیک به 80 درصد)، دارند. همچنین تحلیل عدم قطعیت مدلهای پیشبینی نیز نشان داد که با ترکیب نتایج مدلهای مختلف، میتوان بازه عدم قطعیت را کاهش داد.
ارزیابی دقت مدلهای NMME در پیشبینی بارش ماهانه (مطالعه موردی: حوضه سفیدرود)
حسین دهبان (author) / کیومرث ابراهیمی (author) / شهاب عراقی نژاد (author) / جواد بذرافشان (author)
2019
Article (Journal)
Electronic Resource
Unknown
بارش , پیشبینی , عدم قطعیت , همادی , Agriculture , S , Agriculture (General) , S1-972 , Meteorology. Climatology , QC851-999
Metadata by DOAJ is licensed under CC BY-SA 1.0
بررسی عدم قطعیت پیشیابیهای مدلهای گردش کلی جو (مطالعه موردی: ایستگاه هاشمآباد گرگان)
DOAJ | 2020
|ارزیابی عملکرد مدل RegCM4 در برآورد تابش (مطالعه موردی: استان چهارمحال و بختیاری)
DOAJ | 2016
DOAJ | 2022
|