واسنجي پيش‌بيني احتمالاتي بارش برونداد سامانه همادي به روش ميانگين‌گيري بايزي بر روي ايران

Probabilistic Precipitation Forecasting Based on an Ensemble Output Using Bayesian Model Averaging

در اين پژوهش، نتايج حاصل از توسعه يك سامانه همادي براي توليد پيش­بيني احتمالاتي با استفاده از مدل WRF جهت پيش­بيني بارش روي ايران ارائه مي­شود. سامانه همادي كه در اين تحقيق مورد استفاده قرار مي گيرد، از اجراي مدل WRF با هشت پيكر بندي فيزيكي متفاوت تشكيل شده است. براي شرايط مرزي و اوليه مدل­ها از داده­هاي جهاني GFS با تفكيك افقي 5/ 0 درجه استفاده شده است. روش ميانگين­گيري بايزي (BMA) براي واسنجي پيش‌بيني‌هاي احتمالاتي بارش 24، 48 و 72 ساعته در پاييز و زمستان 2016-2015 مورد استفاده قرار گرفت. داده­ ها شامل دو دوره آموزش اول سپتامبر 2015 تا اول دسامبر 2015 و ارزيابي اول دسامبر 2015 تا 30 فوريه 2016 مي­باشند. پيش­بيني احتمالاتي بارش تجمعي 24 ساعته با استفاده از نمودار اطمينان­پذيري، نمودار ROC، امتياز برير و امتياز RPS در آستانه­هاي مختلف مورد ارزيابي قرار گرفت. هم­چنين نمودار ارزش اقتصادي پيش­بيني در اين مقاله بررسي شد. نتايج نشان داد كه پيش­بيني احتمالاتي سامانه همادي به روش BMA اعتماد­پذيرتر و تفكيك­پذيرتر است، بطوري­كه پس از واسنجي، نموار اطمينان­سنجي و نمودار ROC بهبود قابل توجهي داشته است. نتايج حاصل از درستي‌سنجي نشان داد كه با واسنجيده نمودن امتياز برير براي پيش­بيني 24 ساعته در آستانه­هاي 1/ 0، 5 /2، 5، 10، 15 و 25 به­ترتيب 24، 30، 32، 36، 39 و 65 درصدكاهش يافته است، براي پيش­بيني­هاي 48 و 72 ساعته نيز امتياز برير كاهش يافته است. امتياز RPS براي پيش­بيني 24، 48 و 72 ساعته به ترتيب 45، 40 و 38 درصد كاهش نشان داده است.

In this study, an ensemble system is developed using the WRF model to produce probabilistic precipitation forecasts over Iran. The ensemble system consists of WRF model simulations with eight different physical configurations. Initial and boundary conditions for WRF are provided from the National Centers for Environmental Prediction (NCEP) Global Forecast System (GFS) forecasts with a horizontal resolution of 0.5. The Bayesian model averaging (BMA) method is used to calibrate the probabilistic forecasts of rainfall in the fall and winter of 2016-2015. The 24, 48 and 72-hours raw ensemble outputs were calibrated using the BMA technique for 90 days as the test period with 87 training days of forecasts. The calibrated probabilistic forecasts are assessed using reliability diagram, ROC diagram, Brier score and RPS. In addition, the forecast economic value has been investigated. The results show that the application of the BMA has improved the reliability of the raw ensemble, such that the reliability and ROC diagrams have been improved significantly. For 24-hour forecasts, the Brier score is reduced by 24, 30, 32, 36, 39 and 65 percent at the thresholds of 0.1, 2.5, 5, 10, 15 and 25 mm, respectively. Similar results were achieved in 48 and 72-hour forecasts. The RPS score for the 24, 48 and 72-hour forecasts are reduced by 45, 40 and 38 percent, respectively.