پس پردازش برونداد مدل WRF براي دماهاي بيشينه و كمينه در استان لرستان

Postprocessing of WRF model output for maximum and minimum temperatures in Lorestan province

در اين پژوهش، با استفاده از داده هاي خروجي دو مدل GFS و WRF با دامنه هاي تو در تو 27 و 9 كيلومتر و نيز داده هاي ديدباني شده دماهاي كمينه و بيشينه24 و48 ساعته، با روش ميانگين لغزان (MA) براي يك دوره 3ماهه از اوايل آپريل تا31ژوئن 2018 براي ايستگاههاي هواشناسي لرستان (خرم آباد، پلدختر، اليگودرز و الشتر) پس پردازش شد. از بين 93 داده آماري، داده هاي يك هفته اول براي آموزش و بقيه داده ها براي آزمون و مقايسه روش در نظر گرفته شد. بدين منظور نمايه هاي آماري مانند موازنه جرم و ميانگين مطلق خطا براي پيش بيني هاي خام و بهبود يافته، محاسبه و مقايسه شده است. بر طبق نتايج بدست آمده، مدل GFS براي دماهاي بيشينه و كمينه 24 و 48 ساعته خطاي مدل را به نحو قابل قبولي كاهش داد، به گونه اي كه ميانگين مطلق خطا در برخي ايستگاه هاي منتخب بين 20 تا 50 درصد بهبود يافت. از آنجا كه استان لرستان در منطقه كوهستاني با توپوگرافي پيچيده قرار گرفته و تحت تاثير سامانه هاي بارشي قرار دارد، پديده هايي همچون ابر، وزش باد و بارش باران بر روي نوسانات دمايي و بويژه دماي كمينه تاثير گذار بوده است.

In this paper, the GFS and WRF models were applied for a three month period from 1 April to 31 June 2018 with two nests using 27 and 9 Km grid. The models outputs were then postprocessed for the maximum and minimum tempretures of 24 and 48 hours for 4 synoptic stations over Lorestan using method of the moving average (MA). Data for the first week were used for training and the rest of data were used for the test and comparison. Statistical score including degree of Mass Balance (DMB) and Mean Absolute Error (MAE) were calculated for both direct and postprocessed outputs. Results showed that The GFS model for the maximum and minimum temperatures of 24 and 48 hours reduced the model error significantly. The MA method decreased MAE for some stations from 20 to 50 percent