پس پردازش خروجی مدل های پیش بینی عددی بارش پایگاه داده tigge با مدل میانگین گیری بیزین (bma)

بارش یکی از مهم‌ترین پدیده‌های هواشناسی و محرک اصلی در پیش‌بینی جریان رودخانه است. از اینرو تشخیص مقدار بارش در آینده کمک شایانی به مدیریت منابع آب و پیش‌بینی سیلاب می‌کند. در همین راستا برخی از مهم‌ترین مراکز هواشناسی دنیا پیش‌بینی‌های عددی بارش را در مقیاس جهانی در اختیار کاربران قرار دادند. در دسترس بودن مدل‌های پیش‌بینی گروهی جهانی در پایگاه داده tigge فرصت‌های جدیدی را برای پیش‌بینی سیلاب ایجاد می‌کند. در این تحقیق تاثیر پس‌پردازش بر مهم‌ترین مدل‌های پیش‌بینی گروهی عددی جهانی از قبیل ukmo، ecmwf، ncep و cma در پایگاه داده tigge در طول سال‌های 2007 تا 2014 برای حوضه رودخانه بشار بررسی شد. ارزیابی‌ها در دوبخش احتمالاتی و غیراحتمالاتی انجام گردید. در ابتدا پیش‌بینی عددی گروهی بارش چهار مدل با روش نگاشت چندک تصحیح اریبی شدند. سپس با کمک مدل‌میانگین‌گیری بیزین عمل پس‌پردازش انجام شد. نتایج ارزیابی احتمالاتی بعد از پس‌پردازش نشان داد که مهارت مدل‌های پیش‌بینی برای حوضه بشار افزایش یافت و هیستوگرام vr بدست آمده از هر مدل، توزیع یکنواختی داشت. هم‌چنین نتایج ارزیابی احتمالاتی با معیار bss برای حالت ترکیبی چهار مدل ‌پیش‌بینی عددی بارش با روش bma در بیشتر ایستگاه‌ها نزدیک به 0.5 و در حالت ترکیب وزنی یکسان نزدیک به صفر بود که نشان می‌دهد پیش‌بینی ترکیبی bma مهارت بالاتری نسبت به مدل‌های منفرد دارد.