ارزیابی اثر پارامترسازی فیزیکی مدل wrf در شبیه ‌سازی وقایع بارشی سنگین منجر به وقوع سیلاب در نواحی خشک و نیمه خشک (مطالعه موردی: استان اصفهان)

وقوع رویدادهای فرین جوی در دهه‌های گذشته به دلیل گرم شدن سیاره زمین به طور قابل توجهی افزایش یافته است. در حالی که کنترل این رویدادها غیرممکن است، ارائه پیش‌بینی‌های مناسب جوی می‌تواند به آمادگی بهتر جامعه برای مواجهه با رخدادهای فرین جوی کمک کند. مدل‌های منطقه‌ای پیش‌­بینی عددی وضع هوا به‌عنوان یک ابزار مناسب برای پیش‌­بینی رویدادهای فرین جوی به‌طور گسترده به کار گرفته می‌شوند. این مطالعه به حساسیت‌­سنجی مدل wrf نسبت به پامتر‌سازی فیزیکی شامل طرح‌واره­‌های مختلف خردفیزیک، لایه مرزی سیاره‌ای، تابش طول موج کوتاه و بلند، لایه سطحی و همرفت در پیش‌بینی بارش در استان اصفهان به عنوان یک ناحیه خشک و نیمه ‌خشک می‌پردازد. مدل در دو دامنه (اول) 12 و (دوم) 4 کیلومتری و با استفاده از داده‌های gfs به‌عنوان شرایط اولیه و مرزی برای 17 رخداد بارشی فرین در دوره 2018-2011 و با پیکربندی­های مختلف اجرا شد. برای ارزیابی خروجی مدل wrf از داده‌های 77 ایستگاه‌ باران‌سنجی در منطقه مورد مطالعه‏ استفاده شد. در نهایت، جهت ارزیابی کارایی مدل wrf از چندین معیار آماری و توزیع بارش مکانی و زمانی در منطقه مورد مطالعه، استفاده شد. نتایج این مطالعه نشان داد که انتخاب طرح‌واره‌های فیزیکی مناسب برای پارامترهای تابش موج کوتاه، بلند و لایه سطحی می‌تواند دقت پیش‎‌بینی‌ بارش در دامنه دوم را افزایش دهد. هرچند که مهم‌ترین طرح‌واره در پیش‌بینی بارش، طرح­‌واره خردفیزیک است. به‌طوریکه انتخاب طرح‌واره مناسب خردفیزیک می‌تواند تا حد زیادی دقت پیش‌بینی بارش در یک منطقه را بهبود بخشد. در محدوده استان اصفهان طرح‌واره‌های revised monin-obokhov، dudhia، rrtmg، nssl، tiedtke و boulac به ترتیب برای پارامترهای فیزیکی لایه سطحی، تابش طول موج کوتاه و بلند، خردفیزیک، همرفت و لایه مرزی سیاره‌ای دارای بیشترین کارایی در پیش‌بینی بارش بودند. بنابراین استفاده از این طرح‌واره‌ها جهت استفاده در مطالعات آتی با هدف پیش‌بینی بارش و استفاده در سامانه‌های پیش‌بینی سیلاب، پیشنهاد می‌شود.

assessing the effects of physical parametrization of the wrf model in simulating flood-inducing rainfall in arid and semi-arid areas (case study: isfahan province)

extreme weather events are significantly more frequent in the past decades due to global warming. while preventing these events from happening is impossible, providing accurate weather forecasts can help the society to be better prepared for them. regional climate models have been widely applied locally as a robust forecast and monitoring tool for extreme weather events. this study assesses the performance of the weather research and forecasting (wrf) model in simulating different heavy precipitation events across isfahan province. for this, wrf parametrisation was established considering different versions of the microphysics, planetary boundary layer (pbl), short and long wavelength radiation, surface layer and convection scheme. the model was implemented in two nests of 12 and 4 km, using the gdas-fnl reanalysis data as initial and boundary conditions for 17 extreme rainfall events in 2011-2018 and with different combinations of the schemes. the daily precipitation observational records from 77 rain gauge stations were applied to validate the wrf output. finally, several statistical goodness-of-fit measures and spatial and temporal precipitation distributions were used to evaluate wrf performance. the result showed that the appropriate physical scheme for the parameterisation of short and long-wavelength radiation and surface layer could increase the performance of precipitation forecasts in the 4 km grid (high resolution), the microphysics was nontheless more crucial than other parameterisations. in isfahan province, the revised monin-obokhov, dudhia, rrtmg, nssl, tiedtke, and boulac schemes performed better in simulating precipitation respectively for parametrisation of surface layer, short and long wavelength radiation, microphysics, convection, and planetary boundary layer. therefore, this optimal combination of parameterisations is suggested for further studies with the aim of precipitation forecasting and using them in flood forecast systems.