عنوان پایان‌نامه
مقایسه بارش شبیه سازی شده توسط مدل‌های آماری و مدل اقلیم منطقه‌ای RegCM در مقیاس‌های زمانی مختلف (مطالعه موردی شمال غرب ایران)
- رشته تحصیلی
- مهندسی کشاورزی - هواشناسی کشاورزی
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6538;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 70409
- تاریخ دفاع
- ۲۷ خرداد ۱۳۹۴
- دانشجو
- صدیقه لوک زاده
- استاد راهنما
- جواد بذرافشان, نوذر قهرمان
- چکیده
- بارندگی مهم‌ترین مولفه چرخه آبشناسی است و پیش‌بینی آن، نقشی کلیدی در مدیریت منابع آب دارد. این تحقیق به منظور شبیه‌سازی مقدار بارش در شمال‌غرب ایران و در دو بخش انجام گردید. در بخش نخست کارایی مدل دینامیکی RegCM4 در پیش‌بینی بارش سالانه، فصلی، ماهانه، 10 و 5 روزه در ایستگاه‌های همدیدی منتخب تبریز، اردبیل، ارومیه و خوی برای دوره آماری 2011-1982 ، در دو حالت استفاده و عدم استفاده از تکنیک‌های پس‌پردازش ارزیابی شد. برای اجرای مدل مذکور، از داده‌های وضع هوا در مقیاس روزانه (6 ساعته) با شبکه بندی افقی 5/2 × 5/2 درجه، داده‌های دمای سطح دریا، با شبکه‌بندی 1 درجه و داده‌های سطح زمین مرکز ICTP با فرمت NetCDF استفاده شد. داده‌ها پس از اجرای مدل با طرحواره منتخب بارش همرفت کو و تفکیک افقی 30 کیلومتر خروجی، بارش با استفاده از مدل‌های رگرسیون خطی چند متغیره (MLR)، شبکه عصبی پرسپترون چند لایه (MLP) و میانگین متحرک (MA) پس‌پردازش گردید. نتایج تحقیق نشان داد که در منطقه مورد مطالعه مدل اقلیمی منطقه‌ای RegCM4 در پیش‌بینی بارش عمدتاً فراپیش‌بینی داشته لیکن اعمال پس‌پردازش، اریبی را کاهش خواهد داد. از میان این روش‌ها، میانگین متحرک مناسب‌ترین گزینه تشخیص داده شد. در بخش دوم، شبیه‌سازی بارش به کمک مدل‌های هوشمند GP و MLP انجام شد. متغیرهای ورودی شامل متوسط دمای خشک، متوسط دمای تر، دمای مینیمم مطلق، دمای ماکزیمم مطلق، متوسط دما، رطوبت نسبی، فشار هوا ، فشار بخار و دمای نقطه شبنم و متغیر هدف؛ بارش بوده است. نتایج نشان داد که هر دو مدل به خوبی بارش را شبیه‌سازی نموده‌اند ولی در مجموع، روش GP بر MLP ارجح ارزیابی شد. مقایسه مهارت دو دسته مدل (RegCM4 و (GP و MLP)) نشان داد که در محدوده مطالعاتی، بارش با دقت مناسبی شبیه‌سازی شده و اختلاف ناچیزی بین آنها وجود دارد. ارزیابی دیگر روش‌ها و طرحواره‌ها جهت تدقیق پیش بینی بارش در سایر اقالیم ایران توصیه می‌شود.
- Abstract
- Abstract Rainfall is a key element of hydrological cycle and its prediction is important in water resources and agricultural systems management. The aim of this study was simulation of rainfall in northwest Iran, which carried out in two parts. In the first section, the performance of Regional Climate Model of RegCM4 in predicting annual, seasonal, monthly, 10 and 5 days rainfall during the historical period of 1982-2011 was evaluated. The selected study stations were Tabriz, Ardabil, Urumia and Khoy. The model outputs were further processed using post-processing techniques to test their skill in scrutinizing the predictions. The data required for running the RegCM4 were retrieved from ICTP dataset including three sets of the weather data i.e. NCEP/NCAR Reanalysis Product version 1 (NNRP1) with a 6-hour time step and a horizontal resolution of 2.5?×2.5?,Sea Surface Temperature (SST) and surface data (SURFACE) consisting of three topographic features: Global Topographic (GTOPO), vegetation or land use Global Land Cover Characterization (GLCC), and soil type Global Zobler (GLZB) data. By comparing the observed and simulated rainfall data Kuo convective scheme was chosen for running the model. Output of RegCM model using this scheme with horizontal resolution of 30×30 km2 , were post-processed using multiple linear regressions (MLR), Moving Average (MA) and Multi-Layer Perceptron (MLP) methods. In general the results of this section showed an overestimation in model predictions; however, the application of postprocessing successfully reduced the bias. Among these three, simple moving average (MA) turned out to be the appropriate method. In second section precipitation was simulated using two intelligent models of genetic programing (GP) and Multiple Layer Perceptron (MLP). The selected input variables for prediction of rainfall were consisting mean dry temperature, mean wet temperature, absolute minimum and maximum, mean temperature, relative humidity, air pressure, water vapor pressure, dew point. Both GP and MLP approaches did a good job although the results of GP method was slightly better. Overall findings of this study revealed that, both RegCM4 model and applied approaches of GP and MLP are performing well in simulation of rainfall. Further studies using other schemes in different climates are recommended form more scrutiny. Keywords: precipitation, Post-processing, seasonal forecast, downscaling, RegCM4 model
