شناخت و بررسی کارایی مدل آماری ریزمقیاس نمایی LARS WG
اسلاید 1: بسم الله الرحمن الرحیم شناخت و بررسی کارایی مدل آماری ریزمقیاس نمایی LARS WG فاطمه غیاث آبادی فراهانی دانشجوی دکتری دانشگاه تهرانWebsite:جامع هوا و اقلیم شناسی
اسلاید 2: مقدمه به استناد مطالعات انجام گرفته مدلهای سهبعدي گردش عمومي اتمسفر-اقیانوس AOGCM که بر پایه قوانین فیزیکی استوار می باشند از معتبر ترین ابزار براي توليد سناريوي اقليمی در دورههای آتی می باشند. تا کنون مدل های گردش عمومی مختلفی در مراکز گوناگون تحقیقاتی تدوین و طراحی شده است که از آن جمله می توان به مدل های HadCM3,ECHO-G,HADGEM و ... اشاره نمود. با تدوين سناريو هاي انتشار گاز هاي گلخانه اي توسط IPCC، مدل هاي گردش عمومي جو با فرضيات مختلف انتشار مانندB2, B1, A2 , A1 و ... اجراء شده اند.
اسلاید 3: خروجي مدل هاي گردش عمومي جو به دو روش آماري و ديناميكي ريز مقياس مي گردند. ريز مقياس نمايي ديناميكي مانند : RegCM3, MM5 و PRECIS.انواع مدل هاي ريز مقياس نمايي آماري عبارتند از:SDSM, CLIGEN, LARS-WG, USCLIMATE, GEM, MET& Rol and etc.
اسلاید 4: خلاصه مقایسه ای خصوصیات روش های ریز مقیاس نمایی
اسلاید 5: روش آماری كه دو وجه تمایز عمده با روش دینامیكی دارد: 1. نیازمند رفتار مشاهداتی (گذشته) ایستگاه مورد مطالعه است 2. دوم اینكه مدل سازی در یك دوره حدود دو تا سه دهه در كسری از ثانیه انجام می شود. مدل سازی های آماری خود به طیف گسترده ای از قبیل روش های رگرسیون معمولی، شبكه عصبی، الگوریتم ژنتیك، SVD و ... تقسیم می شوند. در ادامه به معرفی مدل LARS-WG5.5 می پردازیم.
اسلاید 6: نسخه اولیه این مدل توسط راسكو و همکاران (1991) در بوداپست مجارستان به عنوان بخشی از پروژه ریسکهای کشاورزی ابداع شد و سپس توسط زمنف و بارو ارتقاء یافت. این مدل اولین بار در ایستگاه تحقیقاتی Long Ashton توسعه یافت لذا نام مدل خلاصه عبارت : Long Ashton Research Station Weather Generatorمی باشد. اين مدل هم اكنون بطور گسترده اي در كشور انگليس مورد استفاده قرارمي گيرد.
اسلاید 7: مدل های مولد مصنوعي داده های آب و هوایی براي دو هدف عمده توسعه يافته اند: 1- تهیه ميانگين سري هاي زماني داده هاي مصنوعي شبيه سازي شده با مشخصات آماري مطابق با آمارديدباني شده در يك ایستگاه. 2- فراهم كردن ميانگين هاي طولاني مدت سري هاي زماني پارامتر های هواشناسی برای ایستگاههایی که دارای داده های گمشده بوده یا اینکه امکان دیده بانی در آنجا وجود نداشته باشد.
اسلاید 8: خلاصه اي از فرآيند مدل در این مدل فرايند توليد داده هاي مصنوعي آب و هوايي در سه بخش انجام می گیرد: 1.كاليبره كردن مدل-SITE ANALYSIS– در این بخش داده هاي آب و هوايي ديدباني شده جهت تعيين خصوصيات آماري شان تحليل مي شوند. اين اطلاعات در دو فايل مجزا ذخيره مي شوند. 2.صحت سنجي مدل-Qtest– در این قسمت خصوصيات آماري داده هاي ديدباني و مصنوعي توليد شده توسط مدل جهت تعيين اينكه آيا تفاوت هاي آماري قابل توجهي بین این دو گروه از داده ها وجود دارد يا نه، مورد تجزیه و تحلیل قرار می گیرد. 3. -Generator-در اینجا داده هاي آب و هوايی مصنوعي با استفاده از فايل هاي بدست آمده از داده هاي آب و هوايي دوره ديدباني شده تولید می شوند که دارای خصوصيات آماري مشابه با دوره دیدبانی می باشد.
اسلاید 9: اجرای مدل همانطور كه در شكل زیر دیده می شود، مدل LARS-WG5.5 از سه بخش اصلی Analysis ، Generator و Option تشكیل شده است. اجرای مدل همانطور كه در شكل زیر دیده می شود، مدل LARS-WG5.5 از سه بخش اصلی Analysis ، Generator و Option تشكیل شده است. شكل 1. ساختار كلی مدل LARS-WG 5.5
اسلاید 10: Analysis برای اجرای این بخش بایستی دو فایل اولیه با نام های res.st و res.dat را ایجاد نموده و در یك دایركتوری به نام ایستگاه مورد مطالعه در فولدر data ذخیره نمود. خروجی مدل كه در بر گیرنده رفتار آماری دوره گذشته ایستگاه می باشد،در بخش Sitebase ایجاد می شود. در این فولدر فایل با پسوند wgx نشان دهنده رفتار آماری ایستگاه (شامل میانگین ها و انحراف معیار متغیرهای ورودی و . . . ) در دوره دیدبانی می باشد.
اسلاید 11: Generatorاز بین گزینه های Baseline، Scenario File و IPCC 4 GCM گزینه اول برای مدل سازی دوره گذشته و تولید داده برای خلاء های آماری است. گزینه دوم برای حالتی است كه كاربر بخواهد سناریو ایجاد نماید .به طور معمول در این بخش گزینه مناسب IPCC 4 GCM است. در صورت انتخاب این گزینه بایستی مدل گردش عمومی مورد نظر را از منوی مقابل آن و سناریوی انتشار و دهه مدل سازی را از منوهای پایین انتخاب کرد.
اسلاید 12: دراین مطالعه جهت ارزیابی مدل Lars wg در باز تولید داده های هواشناسی از داده های ایستگاه مراغه در جنوب دریاچه ارومیه در یک دوره 15 ساله (2009-1995) استفاده شده است. و مدل Had CM3 تحت سناریوی A2 انتخاب گردید.برای تولید داده توسط مدل ابتدا باید مشخصات هر ایستگاه شامل نام،موقعیت مکانی و ارتفاع از سطح دریا و همچنین فایل داده های هواشناسی روزانه در دوره مشاهداتی بعنوان ورودی به مدل داده شود. سپس توسط مدل داده ها آنالیز گردیده و حاصل آن فایل متنی خلاصه شده شامل خصوصیات آماری داده های بصورت میانگین های ماهانه شبیه سازی شده برای کل دوره مورد بررسی می باشد. روش کار:سناریوهای شبیه سازی شدهدقت تفکیک در اقیانوسهادقت تفکیک در اتمسفرمدلA2, A1B, B11.25 Lon x 1.25 Lat2.75 Lon x 3.75 LatHadCM3جدول 2: مشخصات مدلهاي GCM مورد استفاده IPCC 4th Assessment Report,2007))
اسلاید 13:
اسلاید 14:
اسلاید 15: مطابق نمودارهای مدلسازی دمای حداقل ، دمای حداکثر و تابش به میزان بسیار خوبی با داده های مشاهداتی مطابقت دارد. در تمامی موارد بالا بودن ضرایب همبستگی بین مقادیر مدلسازی شده و مشاهداتی را نشان می دهند. در بیشتر موارد در مورد دمای حداقل و حداکثر اختلاف بین انحراف معیار مقادیر مدلسازی شده و مشاهداتی زیاد و در همه موارد کمتر از انحراف مشاهداتی است. میزان انحراف معیار در متغیر تابش انطباق نسبتا خوبی را نشان می دهد.
اسلاید 16: یکی از ضعف های مدل لارس در تولید داده های هواشناسی این است که در اکثر موارد انحراف معیار مقادیر مدلسازی شده خصوصا دما و تابش کمتر از انحراف معیار مشاهداتی است، که بایستیبا استفاده از رابطه زیر انحراف معيار مقادير مدلسازي شده را با حفظ ميانگين هاي آن اصلاح (Inflate) نمود که در آن STD انحراف معیار پارامتر هواشناسی تحت بررسی است :که در آن STD انحراف معیار پارامتر هواشناسی تحت بررسی مربوط به دوره پايه(base) و آينده(fut) داده هاي مشاهداتي(OBS) يا خروجي مدل گردش عمومي(GCM) است .
نقد و بررسی ها
هیچ نظری برای این پاورپوینت نوشته نشده است.