ارزیابی عملکرد مدل عددی پیش‌بینی بارش محلی wrf و منطقه‌ای ifs در تخمین بارش

امروزه مدل‌های عددی بسیاری به منظور شبیه‌سازی تغییرات مولفه‌های جوی همچون بارش توسعه داده شده‌اند. پژوهش حاضر با هدف ارزیابی کارایی عملکرد مدل weather research and forecasting (wrf) و سامانه عددی integrated forecast system (ifs) در شبیه‌سازی بارش در حوضه پلدختر انجام شده است. نتایج نشان داد که مقادیر بارش شبیه سازی شده توسط مدل wrf در گام زمانی 6 ساعته از همبستگی بیشتری با مقادیر مشاهداتی برخوردار می‌باشد (متوسط شاخص همبستگی wrf برای رخدادهای 2016 و 2018 برابر با 0.49 و برای سامانه ifs در رخداد 2016، 0.43، در رخداد 2018، 0.15). درحالی‌که سامانه ifs در گام‌های زمانی بزرگتر دارای همبستگی بیشتری با داده‌های مشاهداتی است (متوسط شاخص همبستگی در گام زمانی 24 ساعته در رخدادهای 2016 و 2018 برای مدل wrf به‌ترتیب 0.72 و 0.60 و برای سامانه ifs، به‌ترتیب 0.75 و 0.70 می‌باشد). براساس شاخص خطای nrmse، متوسط مقدار خطا در گام‌های زمانی 6، 12 و 24 ساعته برای مدل wrf به‌ترتیب 0.98، 0.86 و 0.67 میلی‌متر (رخداد 2016)، 0.97، 0.72 و 0.75 میلی‌متر (رخداد 2018) و برای سامانه عددی ifs به‌ترتیب 1.01، 0.80 و 0.66 میلی‌متر (رخداد 2016) و 1.20، 0.76 و 0.79 میلی‌متر (رخداد 2018) می‌باشد. همچنین در گام زمانی 24 ساعته نتایج حاصل از سامانه عددی ifs نیز تقریباً مشابه نتایج حاصل از اجرای مدل wrf می‌باشد. بنابراین، می‌توان از پیش‌بینی‌های این مدل‌ها در گام زمانی روزانه بهره برد. البته ذکر این نکته نیز ضروری است که کاربرد روش تصحیح اریبی با هدف کاهش خطای خروجی مدل‌های عددی پیش‌بینی جوی ضروری است.

evaluation of the wrf local and regional ifs numerical model in precipitation estimation

in recent years, numerous numerical models have been developed to simulate atmospheric variables such as precipitation. this study aims to assess the efficacy of the weather research and forecasting (wrf) model and the integrated forecast system (ifs) numerical system in simulating precipitation within the poldokhtar basin. the findings revealed that the wrf model exhibited a stronger correlation with observed precipitation values in the 6-hour time step (the average cc of wrf for the events of 2016 and 2018 is equal to 0.49 and for the ifs system in 2016, 0.43, in 2018, 0.15), whereas the ifs system demonstrated a higher correlation with observational data over longer time steps (the average cc in the 24-hour time step in 2016 and 2018 for the wrf model is 0.72 and 0.60, respectively, and for the ifs system, it is 0.75 and 0.70, respectively). based on the nrmse error-index, the average nrmse in time steps of 6, 12, and 24 hours for the wrf model is 0.98, 0.86, and 0.67 mm (2016), 0.97, 0.72, and 0.75 mm (2018), respectively and for ifs numerical system is 1.01, 0.80 and 0.66 mm (2016) and 1.20, 0.76 and 0.79 mm (2018) respectively. additionally, in the 24-hour time step, the results from the ifs numerical system closely resembled those obtained from the wrf model. thus, the model’s daily predictions can be utilized with higher confidence levels. it is imperative to note that the implementation of bias correction techniques is essential for mitigating the output errors in numerical weather forecasting models.