پیش بینی های همادی اغلب دارای اریبی و خطاهای پراکندگی هستند و بنابراین باید از نظر آماری پس پردازش شوند. با این حال، رویکردهای پس پردازش همادی تک متغیره مانند EMOS و BMA برای یک کمیت، در یک مکان واحد و فقط برای یک افق پیش بینی معین اعمال می شوند و در نتیجه ساختارهای وابستگی مکانی، زمان و بین متغیری را در نظر نمی گیرند. برای لحاظ کردن این وابستگی ها، روش های پس پردازش همادی چند متغیره مانند روش جفت سازی کاپیولای همادی (ECC) پیشنهاد شده اند. روش ECC، شامل دو مرحله است؛ در مرحله اول پس پردازش همادی تک متغیره در همه ابعاد به صورت مستقل انجام می شود و در مرحله دوم، وابستگی های چندمتغیره با مرتب کردن مقادیر نمونه های تک متغیره با توجه به ساختار ترتیب رتبه بندی یک الگوی وابستگی بازیابی می شود. در مقاله حاضر، عملکرد روش ECC با روش EMOS مقایسه شده است. برای این منظور، از سامانه همادی 51 عضوی ECMWF در بازه زمانی 1 ژانویه 2018 تا 31 دسامبر 2023 برای لحاظ کردن وابستگی مکانی پیش بینی دمای 48 ساعته دمای دو متری در دو ایستگاه مهرآباد و کرج استفاده شده است. نتایج نشان دادند که هر دو روش پس پردازش، پیش بینی خام را تا 81% بهبود دادند اما با اعمال روش ECC، علاوه بر این که اریبی پیش بینی همادی خام از بین رفت، بلکه ساختار وابستگی بین اعضای همادی نیز حفظ شد. در حالی که در روش EMOS، فقط اریبی ها از بین رفتند بدون این که وابستگی بین اعضای همادی در نظر گرفته شود.

برونداد یک سامانه پیش بینی همادی برای انجام پیش بینی های احتمالی بارش روزانه در سطح کشور با دو مدل WRF و MM5 به ترتیب با پنج و سه پیکربندی متفاوت واسنجی و ارزیابی شده است. بارندگی تجمعی 257 ایستگاه همدید در سطح کشور در بازه زمانی اول نوامبر 2008 تا سی آوریل 2009 استفاده شده است. این داده ها به دو دوره سه ماهه تقسیم و برای آموزش استفاده و ارزیابی شده است. بافت نگار رتبه ای حاصل از سامانه همادی در دوره آموزش، به دو دسته با انحراف معیار (0<s£0.45) و (s>0.45) تقسیم شده است. در نهایت پیش بینی بارندگی روزانه برای آستانه های (p£0.1، 0.1<p£10 و p>10) میلی متر برای هر روز در دوره ارزیابی با استفاده از بافت نگار حاصل از دوره آموزش و انحراف معیار پیش بینی بارندگی مربوط به اعضای سامانه در همان روز واسنجی شده است. نتایج حاصل از سنجه های راست آزمایی متداول، نشان می دهد که واسنجی به روش بافت نگار رتبه ای سبب بهبود پیش بینی های احتمالی بارش روزانه (به ویژه در آستانه بارش های سنگین) می شود.

ارزیابی برونداد مدل های گردش کلی جفت شده جو- اقیانوس در پیش بینی متغیرهای اقلیمی توجه جهانی با به خود جلب کرده است. در کشور ایران نیز در صورت مشخص شدن مهارت مناسب سامانه های پیش بینی فصلی دینامیکی اقلیمی در یک دوره بلندمدت می توان از پیش بینی های فصلی بهنگام در کمک به تصمیم سازان در برنامه ریزی فصلی و ماهانه استفاده نمود. در این پژوهش، برونداد 8 سامانه پیش بینی همادی از فاز یک پروژه همادی چندمدله آمریکای شمالی متشکل از سامانه های همادی سازمان ملی فضایی و هوانوردی (ناسا)، مرکز ملی اقیانوس و جو، مراکز ملی پیش بینی های زیست محیطی (ایالات متحده آمریکا)، مرکز زیست محیطی کانادا و آزمایشگاه دینامیک شاره های ژئوفیزیکی برای ارزیابی پیش بینی فصلی بارش کشور ایران مورد استفاده قرار گرفته است. این تحلیل برای نیمه اول سال آبی که بیش ترین سهم از مجموع سالیانه بارش در بیش تر محدوده مورد مطالعه را به خود اختصاص می دهد، انجام و ارائه شده است. بدین منظور اریبی و همبستگی بی هنجاری های بارش برونداد مدل های همادی آمریکای شمالی برای سه فصل و در سه زمان انتظار پیش بینی نسبت به یک مجموعه داده مرجع در دوره 1983-2013 محاسبه شد. نتایج نشان می دهد مهارت مدل های مختلف آمریکای شمالی در پیش بینی فصلی بارش حوزه های آبریز سی گانه (درجه 2) کشور ایران یکسان نیست. هم چنین، همبستگی برونداد بارش مدل های آمریکای شمالی با داده های برآورد شده سنجش از دور بر اساس شبکه عصبی مصنوعی برای داده های رکورد اقلیمی بارش (مرجع) برای کلیه فصول مورد بررسی در زمان انتظار صفر و برای فصل (اکتبر تا دسامبر) در زمان انتظار یک و دو ماه نیز قابل ملاحظه است. در حوزه های آبریز جنوب غرب کشور، ضریب همبستگی بی هنجاری های بارش بعضی از مدل های آمریکای شمالی بدون اعمال هر گونه پس پردازشی بالای 0.6 برآورد گردید. اریبی مدل های ارزیابی شده نیز در اکثر سلول های واقع در کشور ایران بین 1 تا 1- میلی متر در روز است. نتایج این تحقیق، اهمیت پس پردازش و بهره گیری از نقاط قوت هر یک از مدل های همادی آمریکای شمالی را به صورت ترکیبی در پیش بینی بارش کشور ایران نشان می دهد.

زمینه و هدف: خشکسالی به عنوان یک مخاطره طبیعی، تأثیرات زیادی در بخش های مختلف از جمله کشاورزی، منابع آب دارد و سالانه خسارات زیادی به این بخشها در سراسر دنیا تحمیل می کند. لذا باید راهکارهایی جهت کاهش خسارت خشکسالی صورت گیرد و در این بین برنامه ریزی و سازگاری با شرایط خشکسالی با استفاده از خروجی پیش بینی به هنگام خشکسالی جز مؤثرترین راهکارها به حساب می آید. با توجه به نیاز پیش بینی خشکسالی و محدود بودن مطالعات ارزیابی شاخص های خشکسالی به دست آمده از برون داد پیش بینی بارش مدل-های همادی آمریکای شمالی در ایران، در این پژوهش به بررسی این مدل ها در چهار حوضه آبریز کرخه، کارون بزرگ، حله و هندیجان-جراحی برای دوره 2018-1982 پرداخته شد. روش پژوهش: در این پژوهش، ابتدا برونداد ماهانه مدل های مختلف همادی آمریکای شمالی و در افق های پیش بینی صفر تا 9 ماه و در دوره آماری 2018-1982 مورد ارزیابی قرار گرفت و سپس شاخص خشکسالی SPI محاسبه شده است. برای ارزیابی از مقایسه این داده ها با داده های GPCC استفاده شد. جهت ارزیابی از سه معیار کمی CC، RMSE و BIAS استفاده شد. همچنین جهت یکپارچه کردن مدل-های موجود از دو روش الف: میانگین حسابی بین مدل های موجود و ب: میانگین وزنی بین مدل ها با در نظر گرفتن نتایج ضریب همبستگی (CC) ارزیابی شده است. همچنین جهت ارزیابی شاخص خشکسالی SPI از دو معیار طبقه بندی شده POD و FAR و معیار کمی آماری CC استفاده شد. یافته ها: نتایج ارزیابی بارش مدل ها نشان داد که مدل های یکپارچه دارای عملکرد بهتری نسبت به مدل های انفرادی هستند و در این مدل یکپارچه نیز مدل وزن دهی شده عملکرد بهتری داشت. ارزیابی توزیع مکانی مدل های بارش نیز نشان داد که دو حوضه آبریز کارون بزرگ و هندیجان-جراحی در افق پیش بینی صفر ماه و حوضه آبریز هندیجان-جراحی در افق پیش بینی یک ماهه دارای عملکرد بهتری هستند. نتایج ارزیابی شاخص خشکسالی نشان داد که مدل های یکپارچه با وجود اینکه عملکرد بهتری در پیش بینی بارش داشتند اما در پیش بینی خشکسالی بهترین عملکرد متعلق به مدل های NASA-GMAO-062012 و CFSv2 است. همچنین نتایج نشان داد که پیش بینی شاخص خشکسالی در بازه های سه و شش ماه عملکرد بهتری نسبت به یک ماهه دارند. ارزیابی توزیع مکانی نیز نشان داد مدل ها در حوضه های جنوبی عملکرد بهتری دارند. به طور کلی می توان نتیجه گرفت که مدل های همادی آمریکای شمالی دارای عملکرد مناسبی در پیش بینی خشکسالی در بعضی نقاط و در افق های پیش بینی مشخص هستند، لذا باید در هر نقطه قبل از استفاده مورد ارزیابی قرار گیرند. نتایج: نتایج به دست آمده از ارزیابی بارش نشان داد که به طور کلی یکپارچه کردن برون داد مدل های دینامیکی باعث افزایش مهارت آن می شود و یکپارچه کردن در حالت وزنی (WeightedNMME) عملکرد بهتری نسبت به حالت غیر وزنی (NMME) دارد. در افق پیش-بینی صفر ماهه بین مدل های انفرادی نیز مدل NASA-GMAO-062012 بیشترین مهارت را از نظر شاخص ارزیابی CC دارد ولی در افق پیش بینی یک ماهه از نظر شاخص های ارزیابی CC، RMSE و BIAS بهترین عملکرد متعلق به مدل CFSv2 است. ارزیابی در شاخص های خشکسالی نشان داد که عملکرد مدل می تواند متفاوت از عملکرد آن ها در پیش بینی بارش باشد. به طور مثال مدل WeightedNMME با این که عملکرد مناسبی در پیش بینی خشکسالی دارد اما بهترین عملکرد در بین مدل ها در ماه های مختلف NASA-GMAO-062012 و CFSv2 داشتند. ارزیابی مکانی نیز نشان داد که حوضه های آبریز جنوبی دارای عملکرد بهتری نسبت بقیه حوضه ها هستند.

در دهه های اخیر قابلیت پیش بینی های هواشناسی به دلیل توسعه شهری و تغییر اقلیم به امری مهم در جوامع بشری تبدیل شده است. پیش بینی این متغیرها علاوه بر آگاهی دادن به بخش های گوناگون جامعه، نقش موثری را در تصمیم گیری و برنامه ریزی بهتر در زمینه های مختلف، نظیر مدیریت منابع آبی، ایفا می نمایند. امروزه در این حوزه، بکارگیری مدل های پیش بینی عددی وضع آب و هوا یکی از متداول ترین رویکردها به شمار می روند و تلاش های فراوانی برای توسعه مدل های جدید و بهبود نتایج پیش بینی های آن ها در سطح جوامع علمی جهان در جریان می باشد. در این تحقیق، برونداد هفت مدل پیش بینی از مجموعه مدل های همادی چندگانه آمریکای شمالی به منظور ارزیابی پیش بینی بارش حوضه سد کرخه در دوره 31 ساله (2015-1985) به کار گرفته شده است. بدین منظور پس از مقیاس کاهی برونداد مدل های پیش بینی در افق های زمانی 1 تا 3 ماهه با استفاده از روش رگرسیون خطی چندگانه (MLR)، امکان بهبود آن ها با استفاده از رویکرد ترکیب مدل ها مورد بررسی قرار گرفته است. ارزیابی کارایی مدل ها با استفاده از شاخص های ضریب همبستگی پیرسون (ρ ) و ریشه میانگین مربعات خطای نرمال شده (NRMSE) برای ارزیابی پیوسته و منحنی اطمینان پذیری برای ارزیابی احتمالاتی، انجام گردید. نتایج نشان می دهد که هیچ کدام از مدل ها به تنهایی در تمامی افق های زمانی مورد بررسی، عملکرد مطلوبی را نداشته اند و استفاده منفرد از آن ها عملکرد مناسبی را نشان نمی دهد؛ درحالی که مدل ترکیبی (MME) به طورکلی عملکرد مناسب تری را نشان می دهد. نتایج حاصل از این تحقیق، اهمیت استفاده از همادی مدل های چندگانه بر مبنای نتایج خروجی چندین مدل را جهت ارتقاء مهارت پیش بینی بارش نشان می دهد.

ماهیت آشوب ناک جو، موجب بروز عدم قطعیت پیش بینی عددی وضع هوا می شود که ناشی از نقص در شرایط اولیه مدل، خطاهای مدل مانند خطای تقریب برخی معادلات فیزیکی و کم بودن ذاتی پیش بینی پذیری پدیده های فیزیکی است. یکی از روش های غلبه بر این عدم قطعیت، تولید یک سامانه همادی با ایجاد پریشیدگی در عوامل تولید آن است. ازآنجاکه بارش یکی از دشوارترین پراسنج های قابل پیش بینی به شمار می رود، این تحقیق بر آن است تا با توسعه یک سامانه همادی چند فیزیکی برای مدل میان مقیاس WRF، عملکرد آن را در شبیه سازی بارش در مناطق مرکزی ایران بررسی کند. این سامانه با 84 عضو، متشکل از دو طرح واره لایه مرزی، پنج طرح واره کومولوسی و حالت بدون کومولوس و هفت طرح واره میکروفیزیکی، با سه دامنه تودرتو با تفکیک 4، 12 و 36 کیلومتری روی مناطق مرکزی ایران شامل 132 ایستگاه برای دوازده روز بارشی منتخب از زمستان 2016-2015 اجرا شد. با استفاده از داده های مشاهداتی همدیدی سازمان هواشناسی، بارش 24 ساعته خروجی سامانه همادی با محاسبه سنجه های درستی سنجی استاندارد منتخب ارزیابی شد. نتایج نشان داد از بین طرح واره های انتخابی، طرح واره لایه مرزی MYJ، طرح واره های کومولوسی KF و GF و طرح واره های میکروفیزیکی WSM6، Goddard و New Thompson بهترین عملکرد را داشتند. علاوه بر این بررسی، سنجه های درستی سنجی برای سه دسته بارشی کمتر از 1 میلی متر، بین 1 تا 10 میلی متر و بین 10 تا 50 میلی متر، نشان دهنده کیفیت مناسب پیش بینی بارش سامانه همادی است و عملکرد آن با افزایش تعداد اعضاء بهبود می یابد.

نتایج حاصل از توسعه یک سامانه پیش بینی همادی برای مدل WRF جهت پیش بینی میدان باد سطحی در محدوده خلیج فارس در تحقیق حاضر ارائه می شود. سامانه مذکور ترکیبی از ایجاد پریشیدگی در شرایط اولیه و استفاده از طرح واره های فیزیکی متفاوت می باشد. برای یافتن پیکربندی (های) مناسب مدل WRF از دیدگاه پارامترسازی های فیزیکی تعداد 14 پیکربندی انتخاب شده و پس از انجام اجراهای مدل برای چندین تاریخ منتخب و انجام اعتبارسنجی نتایج خروجی مدل به ویژه برای میدان باد، سه پیکربندی به عنوان پیکربندی های مناسب انتخاب شدند. سپس اعضای سامانه همادی با استفاده از ترکیب سه پیکربندی منتخب و ایجاد پریشیدگی در شرایط اولیه مدل با استفاده از روش مونت کارلو ایجاد می شوند. برای انجام شبیه سازی های مدل WRF برای هر یک از اعضای سامانه همادی از دو ناحیه محاسباتی تودرتو با تفکیک های مکانی 0.3 درجه و 0.1 درجه استفاده می شود. بررسی عملکرد پیش بینی های سامانه به کمک محاسبه پارامترهای آماری همچون ضریب همبستگی و جذر میانگین مربعات خطا در مقایسه با داده های مشاهدات شامل داده های ایستگاه های هواشناسی موجود در منطقه و داده های اندازه گیری شده توسط سنجنده های ماهواره ای (مانند QuikSCAT و ASCAT) نشان از عملکرد مناسب میانگین همادی در مقایسه با پیش بینی قطعی برای پیش بینی میدان باد دارد.

به منظور درنظرگرفتن عدم قطعیت های موجود در مدل های عددی، پیش بینی های همادیکاربرد گسترده ای یافته است. در مطالعة حاضر، عملکرد سامانه های پیش بینی جهانی در پیش بینی همادی بارش های سنگین در حوضة کن ارزیابی شده است. برای مقایسة پیش بینی های 8 بارش سنگین، از سه معیار دقت، اطمینان پذیری، و تیزی با دو آستانة مختلف بارش استفاده شده است. نتایج نشان داد که پیش بینی های مرکز UKMO2 دارای کمترین دقت، اطمینان پذیری، و تیزی است. همچنین، مشاهده شد که در آستانة بارش 5 میلی متر از نظر دقت و اطمینان پذیری تفاوت درخور توجهی میان پیش بینی های مراکز NCEP و ECMWF وجود ندارد؛ اما با افزایش سطح آستانه، دقت و اطمینان پذیری پیش بینی های NCEP افزایش می یابد و در این آستانه امتیاز بریر برابر 194/0 و مساحت زیر منحنی اطمینان پذیری تا نیم ساز برابر 297/0 است. از نظر شاخص تیزی، سامانة NCEP با میانگین شاخص تیزی 109/0 مناسب ترین پیش بینی ها را ارائه می دهد. بنابراین مقایسة پیش بینی های مراکز مختلف با سه معیار یادشده نشان می دهد که مرکز NCEP عملکرد بهتری در پیش بینی همادی بارش های سنگین در منطقة مورد مطالعه داشته و برای پیش بینی بارش های مولد سیلاب در حوضه های کوهستانی مشابه قابل بررسی است.

هدف از این پژوهش، ارزیابی روش تحلیل همبستگی متعارف (CCA) در ارائه پیش بینی های فصلی به صورت مقیاس کاهیشده در یک دوره بلندمدت 30 ساله است. این بررسی در غرب کشور ایران و با استفاده از برونداد بارش سامانه های پیش بینی فصلی همادی آمریکای شمالی انجام شد. بدین منظور، در ابتدا بارش شبکه بندی شده بر اساس اطلاعات سنجش ازدور (PERSIANN-CDR) با داده های ثبت شده از 23 ایستگاه همدیدی ارزیابی شد. ضریب همبستگی PERSIANN-CDR با داده های ایستگاهی همدیدی بین 0.7 و 0.95 محاسبه شده است. سپس اریب داده های سنجش ازدور به نسبت داده های ایستگاه های همدیدی تصحیح و در انتها هر دو مجموعه داده (سنجش از دور- ایستگاه) تلفیق شدند. از مجموعه داده تلفیق شده به عنوان بارش مرجع در ارزیابی سامانه های پیش بینی فصلی با تفکیک مکانی 1 و 0.25 درجه (برونداد مستقیم و پس از کاربست CCA) استفاده شد. مدل های پیش بینیفصلی به صورت انفرادی و وزن دهی شده (سامانه های همادی متشکل از 2 تا 8 مدل) مورد استفاده قرار گرفت. برای ارزیابی مهارت این مدل ها، معیارهای ارزیابی شامل معیارهای پیوسته و طبقه بندی شده است که در دوره صحت سنجی محاسبه شد ه است. در این دوره، همبستگی اسپیرمن به عنوان شاخص نیکویی برازش، بیشینه شده است. شاخص های ارزیابی به صورت برونداد مستقیم و تصحیح شده مقایسه شدند. نتایج نشان می دهد که همه شاخص ها پس از اعمال CCA بهبود می یابند. لذا رو ش شناسی پیشنهادی در مقیاس کاهی و پس پردازش سامانه های پیش بینی فصلی در محدوده مورد مطالعه کارا است. همچنین، سامانه همادی سه مدلی متشکل از CCSM4، CMC2، CFSv2 دارای مهارت بیشتر در مقایسه با همادی هشت مدلی و سایر مدل های انفرادی است. این سامانه که دارای همبستگی اسپیرمن بیش از 0.6 با داده های مرجع می باشد، به عنوان مدل برتر با بیشترین نیکویی برازش در محدوده مورد مطالعه است. در اکثر محدوده مورد مطالعه، GFDL-aer04 و سامانه های همادی چند مدلی توانسته اند در 80 درصد از سال هایی که بارش زیرنرمال اتفاق افتاده، بارش زیرنرمال را به درستی پیش بینی نمایند. یافته های این پژوهش، کاربست روش شناسی پیشنهادی در پیش بینی خشک سالی هواشناسی به صورت زمان واقعی در فصل اکتبر- دسامبر در محدوده غرب کشور ایران را آشکار می سازد.