بررسی عددی توفان های تندری توسط مدل WRF- ARW در تهران(10 مطالعهی موردی)
(ندگان)پدیدآور
دنیادوست, غلامرضاارکیان, فروزانرنجبر, عباسمیرزایی, محمدنوع مدرک
Textمقاله پژوهشی
زبان مدرک
فارسیچکیده
پیش بینی پدیده های مخرب از مهم ترین وظایف مراکز پیش بینی وضع هوا می باشد که می توان بر اساس آن امنیت پرواز را تامین نمود. در این پژوهش،جهت پیش آگاهی از توفان های تندری مخاطره آمیز، ده مورد توفان رخ داده در تهران طی سال های 2013- 2006 با استفاده از مدل ARW-WRF بررسی شدند. جهت تعیین میزان ناپایداری در محیط شاخص هایی از قبیل مجموع مجموعه ها (TT)، شاخص (KI)، شاخص شوالتر (SI)، شاخص (SWEAT)، شاخص (LI) و انرژی پتانسیل در دسترس همرفتی (CAPE+ ) توسط برونداد مدل محاسبه شده و توسط نمودارهای ترمودینامیکی گمانه زنی در ساعت های UTC 00 وUTC 12 مورد ارزیابی قرار گرفتند. چهار مورد پیکربندی از طرحواره های فیزیکی مورد استفاده قرار گرفت که با توجه به نتایج، پیکربندی شامل خرد فیزیک: Thompson، کومولوس(همرفت): Grell-Devenyi، لایه مرزی: Mellor-Yamada-Janjic، تابش جوی بلند: RRTM و کوتاه Dudhia ، زمین سطح: Noah lsm و لایه سطحی: Janjic در شبیه سازی و پیش بینی توفان های تندری در ایستگاه تهران مهرآباد، مقادیر دقیق تری را برای شاخص های مذکور ارائه داد. شاخص های پایداری TT، K، LI و CAPE+ دارای کمترین مقدار خطا بوده و عملکرد مناسبی نسبت به شاخص های دیگر داشته اند، به طوریکه میانگین مطلق خطا برای این شاخص ها به ترتیب 33/3، 37/4، 55/2 و 1/321 و همچنین میانگین انحراف خطا به ترتیب 87/0- ، 03/1- ، 99/0 و1/36- برآورد شده است.از شاخص های مذکور می توان جهت پیش آگاهی توفان تندری در مراکز پیش بینی سازمان هواشناسی استفاده کرد. دو شاخص دیگر SI و SWEAT به ترتیب دارای میانگین مطلق خطای 2/2 و 98/85 و میانگین انحراف خطا 99/0 و 54/42 می باشند.
کلید واژگان
تهرانتوفان تندری
مدل عددی میان مقیاسWRF-ARW
طرحواره های فیزیکی
شاخص های نا پایداری
شماره نشریه
23تاریخ نشر
2015-11-221394-09-01
ناشر
سازمان هواشناسی کشور- پژوهشکده اقلیم شناسیسازمان پدید آورنده
کارشناس ارشد هواشناسی، سازمان هواشناسیدکترای هواشناسی، استادیار، دانشکده علوم و فنون دریایی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران
دکترای هواشناسی، استادیار، پژوهشکده هواشناسی
دانشجوی هواشناسی- مقطع دکترا، مربی، سازمان هواشناسی




