ارزیابی و مقایسه مکانی- زمانی مدل MM5 با استفاده از الگوریتم تشابه

آب و خاک

مقاله 11، دوره 29، شماره 1، فروردین 1394، صفحه 225-238   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.27442

نویسندگان

نگار سیابی^* ؛ سید حسین ثنایی نژاد؛ بیژن قهرمان

دانشگاه فردوسی مشهد

چکیده

داشتن درک درستی از چگونگی تغییرات زمانی و مکانی متغیر های هواشناسی در مطالعات محیطی از اهمیت بسزایی برخوردار است. اخیرا از مدل‌های منطقه ای پیش بینی عددی هواشناسی در تحقیقات بسیاری استفاده می شود. با این وجود برای بررسی چگونگی تغییرات زمانی و مکانی نتایج حاصل از مدل ها تحقیقات زیادی صورت نگرفته است. بر این اساس و با توجه به اهمیت این موضوع یک رویکرد زمانی - مکانی در این مقاله بررسی می شود. در این رویکرد نتایج پیش‌بینی مدل میان مقیاس 4MM5 با مجموعه داده های مشاهده ای، برای میانگین ماهانه و سالانه دما و بارش در دوره سال‌های 1990-2010 در منطقه شمال شرق ایران مورد تحلیل و بررسی قرار گرفت. در این تحقیق ارزیابی کمی شباهت مکانی و زمانی بین مجموعه داده‌ها و مدل آب و هوایی، و نیز شناسایی مناطق جغرافیایی و فصولی که در مدل سازی‌ها مشکل‌ساز می‌باشند انجام شده است. این کار با استفاده از نقشه‌های تهیه شده بر مبنای الگوریتم تشابه5 جبری، که یک روش موثر برای تحلیل مجموعه داده‌های مکانی مختلف، نقشه‌ها و مدل‌ها می‌باشد، انجام شد. مشخص شد که شباهت داده‌های واقعی با نتایج مدل برای متغیر دما بیش‌تر از بارندگی است. نتایج حاصل از مدل برای بارش و دما در فصل‌های گرم سال در مقایسه با داده‌های واقعی از لحاظ پراکندگی مقادیر تشابه، تناقض داشت. هم‌چنین در فصل‌های سرد سال پیش‌بینی دقیق‌تری به وسیله مدل ارائه شده است. علاوه بر این چند منطقه که در آنجا خطای پیش‌بینی بیش‌تر بود به وسیله الگوریتم نقشه‌پردازی تشابه شناسایی شدند. این تحلیل نشان داد که در محدوده‌های کوچکی از جنوب و ناحیه مرکزی منطقه مورد مطالعه بین مدل و داده‌های واقعی تشابه کم‌تری وجود دارد.

کلیدواژه‌ها

الگوریتم؛ تغییرات مکانی – زمانی؛ مدل پیش‌بینی عددی؛ مقایسه تشابه

مراجع

1- Ahmadian J., Sheibani D., Iraqi H., Shirmohammadi R., and Mojarad M. 2002. agricultural Classification of climate for sustainable water resources management in developing countries. P. 593-605. Eleventh Meeting of the National Committee on Irrigation and Drainage, January 2002,Tehran, Iran.(in Persian)

2- Ahmed S., and De Marsily G. 1987. Comparison of geostatistical methods for estimating transmissivity using data on transmissivity and specific capacity. Water Resourc.Res, 23(9):1717–1737.

3- Akter N., and Islam Md. N. 2007. Use of MM5 model for weather forecasting over Bangladesh region. BRAC University Journal, 4(1):75-79.

4- Eischeid J., Pasteris P., Diaz H., Plantico M., and Lott N. 2000. Creating a serially complete, national daily time series of temperature and precipitation for the western United States. Journal of Applied Meteorology, 39:1580–1591.

5- ftp://ftp.cdc.noaa.gov/Datasets/ (visited 5 June 2013).

6- Goovaerts P. 1990. Geostatistics in soil science: state-of-the-art and perspectives. Geoderma, 89(1–2):1–45.

7- Goovaerts P. 1999. Performance Comparison of Geostatistical Algorithms for Incorporating Elevation into the Mapping of Precipitation. The IV International Conference on GeoComputation was hosted by Mary Washington College in Fredericksburg, 25-28 July 1999, VA, USA.

8- Gouvas M., Sakellariou N., and Xystrakis F. 2009. The relationship between altitude of meteorological stations and average monthly and annual precipitation. Studies Geophysic and Geodaeta, 53(4): 557-570.

9- Hamann I. M., and Herzfeld U. C. 1991. On the effects of pre-analysis standardization. Journal of Geology, 99:621–631.

10- Hedayati Dezfuli A., and Azadi M. 2009 . Verification of MM5 forecast precipitation over Iran. Journal of the Earth and Space Physics, 36(3):115-129. (in Persian with English abstract)

11- Herzfeld U. C., and Merriam D. F. 1990. A map comparison technique utilizing weighted input parameters. Computer Applications in Resource Estimation and Assessment for Metals and Petroleum. Eds., Computers and Geology, 7:43–52.

12- Hudson G., and Wackernagel H. 1994. Mapping temperature using kriging with external drift: theory and an example from Scotland. Int. J. Climatology, 14:77–91.

13- Journel A.G., and Huijbregts C.J. 1978. Mining Geostatistics. Academic Press, New York.

14- Kerry R., Oliver M.A. 2004. Average variograms to guide soil sampling for land management. The International Journal of Applied Earth Observation and Geoinformation, 5:307–325.

15- Laslett G.M., McBratney A.B., Pahl P.J., and Hutchinson M.F. 1987. Comparison of several spatial prediction methods for soil pH. Journal of Soil Science, 38(2):325–341.

16- Matheron G. 1963. Principles of geostatistics. Economic Geology 58(8):1246–1266.

17- Mehdizadeh M., Mahdiyan M.H., and Hjjam S. 2006. Performance of geostatistical methods in climate zoning of Urmia Lake Basin. Journal of the Earth and Space Physics, 32(1):103-116.( in Persian)

18- Merriam D. F., and Jewett D. G. 1988. Methods of thematic map comparison. Current Trends in Geomathematics, D. F. Merriam, Ed., Plenum Press, 9–18.

19- Nadi M., KHalili A., Poortahmasebi K., and Bazrafshan J. 2010. Evaluation of some new geostatistical methods for estimating precipitation in Chahar-Bagh district. P. 10-13. Fourteenth Conference on Geophysics, 11-13 May 2010, Tehran, Iran. (in Persian with English abstract)

20- Rogelis M. C., and Werner M. G. F. 2013. Spatial Interpolation for Real-Time Rainfall Field Estimation in Areas with Complex Topography. Journal of Hydrometeorology, 14(1):85-104.

21- Silva D ., Meza J. F., and Varas E. 2010. Estimating reference evapotranspiration (ETo) using numerical weather forecast data in central Chile. Journal of Hydrology, 382:64–71.

22- Snyder J. P. 1987. Map projections — A working manual. U.S. Geological Survey Professional Paper 1395:383.

23- Vazifeh A., Azadi M., and Mazrae Farahani M. 2004. Checking the effect of Horizontal resolution changing in limited area MM5 model for simulate synoptic systems on Iran, Ninth Fluid Dynamics Conference, March 2004, Shiraz University, Department of Mechanical Engineering.( in Persian)

24 -Yamazaki Y., and Orgaz M. D. 2005. forecasting mesoscale precipitation using the MM5 model with the Four-Dimensional Data Assimilation (FDDA) technique. Global NEST Journal, 7(3):258-263.