مقاله ارزیابی عملکرد مدل WRF برای پیش بینی بارش بر روی ایران به مدت یک ماه

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله ارزیابی عملکرد مدل WRF برای پیش بینی بارش بر روی ایران به مدت یک ماه دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی عملکرد مدل WRF برای پیش بینی بارش بر روی ایران به مدت یک ماه  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارزیابی عملکرد مدل WRF برای پیش بینی بارش بر روی ایران به مدت یک ماه،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی عملکرد مدل WRF برای پیش بینی بارش بر روی ایران به مدت یک ماه :

تعداد صفحات:۷

چکیده:

در مطالعه حاضر، برونداد مدل WRF بر روی ایران برای کمیت بارش به مدت یک ماه از یکم تا سی و یکم ژانویه ۲۰۰۸ (۱۱ دی تا ۱۱ بهمن ۱۳۸۶) مورد راست آزمایی قرار گرفته است. در انجام این تحقیق سعی بر آن بوده است که میزان دقت و صحت برونداد مدل و در نتیجه کارایی آن در پیش بینی های ۲۴ و ۴۸ ساعته برای بارش بر روی ایران مورد ارزیابی قرار گیرد. به منظور راست آزمایی، برای دو وضعیت بارش و عدم بارش و نیز در نظر گرفتن چهار آستاته برای بارش جدول توافقی تشکیل و امتیازهای مهارتی محاسبه شد و نتایج نهایی از جمع بندی تحلیلها به دست آمد. نتایج حاکی از آن است که نسبت صحیح (PC) برای چهار آستانه و برای پیش بینی های ۲۴ و۴۸ ساعته مقادیر قابل قبولی دارد به گونه ای که در مجموع در حدود ۸۰ درصد موارد پیش بینی وقوع یا عدم وقوع بارش به درستی انجام شده است. مقدارH که نشان دهنده آهنگ برخورد است برای آستانه کمتر از ۰/۱‌ و بیش از ۱۰ میلیمتر و برای هر دو پیش بینی های ۲۴ و ۴۸ ساعته نزدیک به یک می باشد که نشان می دهد مدل برای این دو آستانه به نسبت از دقت بالاتری برخوردار است؛ این کمیت برای محدوده بین یک دهم تا یک میلیمتر مقدار ۰/۳ را به خود اختصاص داده است که نشان دهنده ی ضعف نسبی مدل در این محدوده می باشد. در مقایسه بین پیش بینی های ۲۴ و۴۸ ساعته، نتایج حاصل از راست آزمایی پیش بینی های ۲۴ ساعته نشان می دهد که برونداد مدل برای پیش بینی های ۲۴ ساعته به نسبت بهتر است.