در مديريت مخاطرات محيطي WRF مدل هاي عددي پيش بيني هوا

مدل های پیش بینی عددی جو كه وضعیت هوای آینده را پیش بینی می كند با هدف پیش آگاهی از ناهنجاری های شدید اقلیمی بلایای طبیعی و مدیریت پدیده های مخاطره آمیز ایجادشدند این مدل ها می توانند با تحلیل رویدادهای آب وهوایی فرین گذشته وضعیت متغیرهای جوی هر منطقه را درزمان رخداد ابرسنگین ترین رویدادهای بارشی نشان دهند و باعث افزیاش دقت و صحت این مدلها در پیش بینی های جوی و نیز افزایش كارایی در مدیریت حوضه های آبخیز و اكوسیستم ها شوند سامانه های همدید متفاوتی در رخداد رویدادهای بارشی ابرسنگین سواحل جنوبی خزر مشاركت داشته و هرساله با ایجاد سیلاب های بزرگ باعث تخریب جنگل ها و مراتع و اكوسیستم های منطقه می شوند هاین پژوهش با استفاده از مدل پیش بینی عددی WRF الگوهای مختلف همدیدی بوجود آورنده رویدادهای بارشی ابرسنگین سواحل جنوبی خزر را بررسی و مقایسه می كند پایگاه داده رویدادهای بارشی سواحل جنوبی خزر تشكیل و با درنظر گرفتن 25 درصد احتمال وقوع رخداد آنها رویدادهای بارشی ابرسنگین منطقه فراهم شد سپس با استفاده از تحلیل خوشه ای به روش ادغام وارد الگوهای اصلی فشار تراز دریا برای بارش های ابرسنگین ترسیم گردید.

Numerical weather forecasting models that predict future weather conditions were created with the aim of the prior knowledge of the severe climatic anomalies, management of natural disasters and hazardous phenomena. These models show the atmospheric state variables of each region at the time of occurrence of super heavy precipitation events through the analysis of extreme weather events in the past and it cause increasing the accuracy of the models in weather prediction and increasing the efficiency in the management of watersheds and ecosystems. The different synoptic patterns create super heavy precipitation in the southern coasts of Caspian each year and damage forests, vegetation and regional ecosystems through major floods. This research investigates dynamic and thermodynamic conditions in super heavy precipitation events in different synoptic patterns in the southern coasts of Caspian Sea using WRF model. Database precipitation events were formed. Super heavy precipitation groups were classified with regards of 25% probability. Sea surface pressures patterns were drawn for each super heavy precipitation group using cluster analysis and ward linkage. Data for WRF model (pgb.f00 and grb2d) were derived from www.dss.ucar.edu. WRF model were run for 6 synoptic patterns ARWpost). and WRFV3 WPS( in three processes Atmospheric variables maps were drawn compare and analyze when the WRF model were forecasted precipitation amounts and precipitation patterns precisely. The results show that the wind velocity mean are less than 12 m/s for high pressure systems over the Caspian Sea in super heavy precipitation group. When difference of 2m air temperature and SST is less than zero especially if the high pressures are located over the Sea, sensible heat is increased as it reaches to 950w/m² for heaviest super heavy of precipitation events. WRF model predict more precisely precipitation patterns and mounts for super heavy precipitations that are generated by high pressure synoptic patterns so they are suitable for management of environmental hazards in these precipitations.