ارزیابی پیوسته و احتمالاتی پیشبینیهای بلندمدت بارش مدلهای همادی آمریکای شمالی (مطالعه موردی: حوضه آبریز سد کرخه)
(ندگان)پدیدآور
فلاح کلاکی, محمددلاور, مجیدفرخنیا, اشکاننوع مدرک
Textمقاله پژوهشی
زبان مدرک
فارسیچکیده
در دهههای اخیر قابلیت پیشبینیهای هواشناسی به دلیل توسعه شهری و تغییراقلیم به امری مهم در جوامع بشری تبدیل شده است. پیشبینی این متغیرها علاوه بر آگاهی دادن به بخشهای گوناگون جامعه، نقش موثری را در تصمیمگیری و برنامهریزی بهتر در زمینههای مختلف، نظیر مدیریت منابع آبی، ایفا مینمایند. امروزه در این حوزه، بکارگیری مدلهای پیشبینی عددی وضع آب و هوا یکی از متداولترین رویکردها به شمار میروند و تلاشهای فراوانی برای توسعه مدلهای جدید و بهبود نتایج پیشبینیهای آنها در سطح جوامع علمی جهان در جریان میباشد. در این تحقیق، برونداد هفت مدل پیشبینی از مجموعه مدلهای همادی چندگانه آمریکای شمالی بهمنظور ارزیابی پیشبینی بارش حوضه سد کرخه در دوره 31 ساله (2015-1985) بهکار گرفته شده است. بدین منظور پس از مقیاسکاهی برونداد مدلهای پیشبینی در افقهای زمانی 1 تا 3 ماهه با استفاده از روش رگرسیون خطی چندگانه (MLR) ، امکان بهبود آنها با استفاده از رویکرد ترکیب مدلها مورد بررسی قرار گرفته است. ارزیابی کارایی مدلها با استفاده از شاخصهای ضریب همبستگی پیرسون (ρ) و ریشه میانگین مربعات خطای نرمالشده (NRMSE) برای ارزیابی پیوسته و منحنی اطمینانپذیری برای ارزیابی احتمالاتی، انجام گردید. نتایج نشان میدهد که هیچکدام از مدلها به تنهایی در تمامی افقهای زمانی مورد بررسی، عملکرد مطلوبی را نداشتهاند و استفاده منفرد از آنها عملکرد مناسبی را نشان نمیدهد؛ درحالی که مدل ترکیبی (MME) بهطورکلی عملکرد مناسبتری را نشان میدهد. نتایج حاصل از این تحقیق، اهمیت استفاده از همادی مدلهای چندگانه بر مبنای نتایج خروجی چندین مدل را جهت ارتقاء مهارت پیشبینی بارش نشان میدهد.
کلید واژگان
ارزیابی مهارتمقیاسکاهی
اطمینانپذیری
مدلهای همادی آمریکای شمالی
حوضه سد کرخه
شماره نشریه
1تاریخ نشر
2020-05-211399-03-01
ناشر
انجمن علوم و مهندسی منابع آبسازمان پدید آورنده
دانشجوی کارشناسی ارشد/ گروه مهندسی منابع آب، دانشگاه تربیت مدرس، تهران، ایران.استادیار/ گروه مهندسی منابع آب، دانشگاه تربیت مدرس، تهران، ایران
عضو هیئت علمی/ موسسه تحقیقات آب، وزارت نیرو، تهران، ایران.
شاپا
1735-23472476-7360




