تعداد نشریات | 161 |
تعداد شمارهها | 6,572 |
تعداد مقالات | 71,027 |
تعداد مشاهده مقاله | 125,499,097 |
تعداد دریافت فایل اصل مقاله | 98,761,279 |
ارزیابی مدل WRF برای شبیهسازی بارش و پیشبینی سیلاب در حوضه آبریز کارون 4 | ||
تحقیقات آب و خاک ایران | ||
دوره 51، شماره 8، آبان 1399، صفحه 1907-1920 اصل مقاله (1.88 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2020.292790.668402 | ||
نویسندگان | ||
عماد الدین شیرالی1؛ علیرضا نیکبخت شهبازی* 2؛ حسین فتحیان3؛ نرگس ظهرابی2؛ الهام مبارک حسن4 | ||
1دانشجوی دکتری مهندسی منابع آب، گروه علوم مهندسی آب، دانشکده کشاورزی و منابع طبیعی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران | ||
2استادیار، گروه علوم مهندسی آب، دانشکده کشاورزی و منابع طبیعی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران | ||
3گروه مهندسی منابع آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی واحد اهواز، اهواز، ایران | ||
4استادیار، گروه مهندسی محیط زیست، دانشکده کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی، واحد اهواز، اهواز، ایران | ||
چکیده | ||
در این تحقیق مقادیر ساعتی بارش و دمای هوا در حوضه کارون 4 در جنوب غربی ایران با مدل عددی WRF، شبیه سازی شد تا دقت مدل در پیشبینی سیل در این حوضه ارزیابی گرددد. واقعه سیل در مارس 2016 انتخاب شد. برای شرایط مرزی و اولیه مدل از دادههای جهانی با تفکیک 75/0 درجه استفاده شده است. مدل WRFبا استفاده از هشت پیکربندی متفاوت، شامل یک طرحواره همرفتی، دو طرحواره لایه مرزی سیارهای، دو طرحواره خُردفیزیک، یک طرحواره لایه سطحی و دو طرحواره تابش موج کوتاه اجرا شد تا پیکربندی مناسب برای شبیهسازی دما و بارش به دست آید. نتایج نشان داد که در شبیهسازی بارش ساعتی ترکیب طرحواره MYJ لایه مرزی با دیگر طرحوارههای خردفیزیک و تابش کوتاه نسبت به طرحواره YSU نتیجه بهتری به دست میدهد. بهترین مقدار IOA (ضریب تطابق) بین بارش مشاهداتی و برآورد شده مدل به ترتیب 77/0، 76/0، 74/0 و 52/0 در شهرکرد، سامان، کوهرنگ و لردگان با ترکیب لایه مرزی MYJ، خردفیزیک Lin و تابش کوتاه Dudhia به دست آمد. در حالی که در شبیهسازی دمای هوای ساعتی، ترکیب طرحواره لایه مرزی YSU با دیگر طرحوارهها عملکرد بهتری داشته است. به طوری که با این ترکیب بیشترین ضریب تطابق (47/0) بین دمای ساعتی برآورد مدل و مشاهداتی به دست آمده است. بارش برآورد شده توسط پیکربندی لایه مرزی MYJ، خردفیزیک Lin، تابش کوتاه GODDARD و MYJLG در پیشبینی دبی اوج بهتر از دیگر طرح وارهها عمل نموده است به طوری که کمترین ضریب ناش (293/0-) و کمترین RMSE (37) با این ترکیب به دست آمد. بنابراین به نظر میرسد ترکیب طرحواره لایه مرزی MYJ، طرحواره خردفیزیک ابر Lin و طرحواره تابشی GODDARD در برآورد بارش و دما و در نتیجه پیشبینی سیل مارس 2016 در حوضه کارون 4 بهترین عملکرد را داشتهاند. | ||
کلیدواژهها | ||
برآورد بارش؛ برآورد دما؛ مدل WRF؛ پیش بینی سیل | ||
مراجع | ||
Azadi, M., Rezazadeh, P., Mirzaei, and Vakili, G., (2004). Numerical Prediction of Winter Systems on Iran: A Comparative Study of Physical Parameterization, 8th Fluid Dynamics Conference. (In Farsi) Benjamin, S. G., Devenyi, D., Weygandt, S. S., Brundage, K. J., Brown, J. M., Grell, G. A., Kim, D., Schwartz, B. E., Smirnova, T. G., Smith, T. L. and Manikin, G. S., (2004), An hourly assimilation–forecast cycle: The RUC. Mon. Wea. Rev., 132, 495–518. Chawla, I., Osuri, K.K., Mujumdar, P.P. and Niyogi, D., (2018). Assessment of the Weather Research and Forecasting (WRF) model for simulation of extreme rainfall events in the upper Ganga Basin. Hydrology & Earth System Sciences, 22(2). Evans, J. P. and Marie and E. FeiJi., (2011). Evaluating the performance of a WRF physics ensemble over South-East Australia. Springer Link, 39, 1241–1258. Febri, D.H., Hidayat, R. and Hanggoro, W., (2016). Sensitivity of WRF-EMS model to predict rainfall event on wet and dry seasons over West Sumatra. Procedia Environmental Sciences, 33, pp.140-154. Gangrade, S., Shih-Chieh Kao, Tigstu T. Dullo, Alfred J. Kalyanapu and Benjamin L. Preston, (2019). Ensemble-based flood vulnerability assessment for probable maximum flood in a changing environment, Journal of Hydrology, 576, 342-355. Givati, A., Lyan, B., Liu, Y., Rimmer, A., (2012). Using the WRF Model in an Operational Streamflow Forecast System for the JORDAN River. Journal of Applied Meteorology and Climatology, 51, 285–299. Godarzi, L., Banihabib M., Roozbahani, A. (2019). A decision-making model for flood warning system based on ensemble forecasts, Journal of Hydrology, 573, 207-219 Hedayati Dezfuli, A. and Azadi, M. (2010). Verification of MM5 forecast precipitation over Iran. Journal of the Earth and Space Physics, 36(3). (In Farsi) Huang, Y., X. Cui, X. Li, A, (2016). three-dimensional wrf-based precipitation equation and its application in the analysis of roles of surface evaporation in a torrential rainfall event, Atmos. Res. 169 (123), 54–64. Kukkonen, T., J., Kulmala, M., Moisseev, D., Nurmi, P., Ponjola, H., Pylkko, P., Vesala, T., and Viisanen, Y., (2011). The Helsinki Testbed: A Mesoscale Measurement, Research and Service Platform. Bull. Amer. Met. Soc., 32, 325-342. Liu, Y., (2008). The operational mesogamma-scale analysis and forecast system of the U.S. army test and evaluation command’. Part I: overview of the modeling system, the forecast products, and how the products are used. J. Appl. Meteor. Climatol., 47, 1077–1092. Lu, Tao & Yamada, Tomohito and Yamada, Tadashi, (2016). Fundamental Study of Real-time Short-term Rainfall Prediction System in Watershed: Case Study of Kinu Watershed in Japan. Procedia Engineering. 154. 88-93. 10.1016/j.proeng.2016.07.423. Mazraeh Farahani, M., Vazifeh, A., Azadi, M. (2010). Study of the effect of horizontal resolution of MM5 mesoscale model on simulation of precipitation of October 2004 synoptical system over Iran. Journal of the Earth and Space Physics, 35(4). Mourre, L., Condom, T., Junquas, C., Lebel, T., Sicart, J.E., Figueroa, R., and Cochachin, A., (2015). Spatio-temporal assessment of WRF, TRMM and in situ precipitation data in a tropical mountain environment (Cordillera Blanca, Peru). Hydrol. Earth Syst. Sci. 12, 6635–6681. Nasr Isfahani, M., Yazdanpanah, H., Nasr Isfahani, M. (2020). WRF model Evaluation for predictiong temperature and in Zayandehrood. Journal of Natural Geography Research, 51(1), 163-182. (In Farsi) Sasanian, S., Azadi, M., Asgharishirazee, H. and Mirzaee, E. (2015). Nivar, 39(90-91), 15-26. doi: 10.30467/nivar.2015.14598 Schwartz, C. S. and Coauthors., (2009). Next-day convectional owing WRF model guidance: A second look at 2-km versus 4-km grid spacing. Mon. Wea. Rev, 137, 3351–3372 Silver, M., Karnieli, A., Ginat, H., Meiri, E. and Fredj, E., (2017). An innovative method for determining hydrological calibration parameters for the WRF-Hydro model in arid regions. Environmental modelling & software, 91, 47-69. Silvestro, F. , L. Rossi, L. Campo, A. Parodi, E. Fiori, R. Rudari and Ferraris, L. (2019). Impact-based flash-flood forecasting system: Sensitivity to high resolution numerical weather prediction systems and soil moisture, Journal of Hydrology, 572, 388-402 Skamarock W. C., S Joseph and Klemp B. (2008). A time-split nonhydrostatic atmospheric model for weather research and forecasting applications, Journal of Computational Physics, 227(7), 3465-3485 Sodoodi, S., Noorian, A. and Reimer, M. G. (2010). Daily precipitation forecast of ECMWF verified over Iran, Theor Appl Climatol, 99, 39-51. Sugimoto, S., Crook, N., Sun, J. and Xiao, Q. (2008). An examination of WRF 3DVAR radar data assimilation on its capability in retrieving unobserved variables and forecasting precipitation through observing system simulation experiments. Mon. Wea. Rev., 137, 4011-4029. Taghavi, F., Neyestani, A., Ghader, S. (2013). Short range precipitation forecasts evaluation of WRF model over IRAN. Journal of the Earth and Space Physics, 39(2), 145-170. doi: 10.22059/jesphys.2013.35196. (In Farsi) Wilson, J. W., Feng, Y., Chen, M. and Roberts, R. D., (2010). Nowcasting challenges during the Beijing Olympics: successes, failures, and implications for future nowcasting systems. Wea. Forecasting, 25, 1691-1714. Zakeri, Z., azadi, M., and sahraeiyan, F. (2014). Verification of WRF forecasts for precipitation over Iran in the period Feb-May 2009. Nivar, 38(87-86), 3-10. (In Farsi) Zhang, H., Wu, C., Chen, W., Huang, G., (2018). Effect of Urban Expansion on Summer Rainfall in the Pearl River Delta, South China), Journal of Hydrology, doi: https://doi.org/10.1016/j.jhydrol. 2018.11.036 | ||
آمار تعداد مشاهده مقاله: 841 تعداد دریافت فایل اصل مقاله: 511 |