ارزیابی داده‌گواری وردشی سه‌بعدی در کاهش حساسیت شبیه‌سازی طوفان حاره‌ای گونو به محدوده‌های انتخابی

نوع مقاله: مقاله تحقیقی‌ (پژوهشی‌)

نویسندگان

1 دانشجوی دکتری، دانشکده علوم و فنون دریایی، دانشگاه هرمزگان، بندرعباس ، ایران

2 مربی، دانشگاه علوم دریایی امام خمینی نوشهر، نوشهر، ایران

3 دانشیار دانشکده علوم وفنون دریایی، دانشگاه هرمزگان، بندرعباس، ایران

4 دانشیار مرکز تحقیقاتی علوم جوی، پژوهشکده هواشناسی، سازمان هواشناسی، تهران، ایران

چکیده

وابستگی مدل‌های عددی به محدوده انتخابی، بر دقت نتایج پیش‌بینی‌ و شبیه‌سازی‌ طوفان‌های حاره‌ای مؤثر است. در بخش اول این مطالعه، با استفاده از مدل WRF، حساسیت شبیه‌سازی مسیر و شدت طوفان حاره‌ای گونو به محدوده‌‌های انتخابی تعیین و در بخش دوم، عملکرد داده‌گواری وردشی سه‌بعدی در کاهش وابستگی حساسیت شبیه‌سازی این طوفان به محدوده‌های انتخابی ارزیابی می‌شود. نتایج در بخش اول نشان می‌دهد که علی‌رغم تفاوت کم در انتخاب محدوده‌های انتخابی، مسیر‌های شبیه سازی‌شده اختلاف زیادی با هم دارند. نتایج در بخش دوم حاکیست که با استفاده از داده‌گواری داده‌های ماهواره‌ای و همدیدی موجود در زمان شروع مدل، کیفیت داده‌های حدس اولیه به اندازه زیادی ارتقاء پیدا کرده است؛ از این‌رو، دقت مسیر‌های شبیه‌سازی‌شده در همه محدوده‌های انتخابی ارتقاء پیدا می‌کند و باعث کاهش حساسیت شبیه‌سازی طوفان حاره‌ای گونو به محدوده انتخابی می‌شود. صرف نظر از اختلاف زیاد در مسیرهای شبیه‌سازی شده (به ویژه در حالت بدون استفاده از داده‌گواری) که به‌نوبه خود بر شدت طوفان پیش‌بینی‌شده تأثیرگذار است، در همه شبیه سازی‌های انجام‌شده، شدت طوفان در زمان اوج آن در مقایسه با داده‌های مرجع سازمان هواشناسی هند (IMD)، بیشتر و در مقایسه با داده‌های مرجع مرکز مشترک هشدار طوفان (JTWC)، کمتر پیش‌بینی شد. از آنجاکه دمای سطح دریا تأثیر زیادی بر شدت شبیه‌سازی طوفان دارد، مدل WRF جفت‌شده با یک مدل اقیانوسی، جهت تعیین دقیق دمای سطح دریا در طول مدت شبیه‌سازی می‌تواند بر دقت نتایج این مطالعه به ویژه شدت طوفان بیفزاید.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluation of three-dimensional variational assimilation on reducing the sensitivity of Tropical Cyclone GONU simulation to selective domains

نویسندگان [English]

  • Mehryar Alimohammadi 1
  • Hossein Malakooti 2
  • Maryam Rahbani 3
  • Majid Azadi 4
1 Ph.D.c., Department of Marine science and technology, University of Hormozgan, Bandar Abbas, Iran
2 Lecturer, Imam Khomeini Naval University of Noshahr, Noshahr, Iran
3 Assoc. Prof., Department of Marine science and technology, University of Hormozgan, Bandar Abbas, Iran
4 Assoc. Prof., Atmospheric Science and Meteorological Research Center (ASMERC), Tehran, Iran
چکیده [English]

The dependence of numerical models on the selected domain, in turn, affects the accuracy of prediction and simulation of Tropical Cyclones (TCs) and is considered as a very serious challenge. In the first part of this study, the WRF model was used to determine the sensitivity of the track and intensity of TC GONU to a selective domain. In the second part, the performance of assimilation 3D in order to reduce the dependence of the sensitivity of the TC Gonu simulation to the selective domains was evaluated. The Gonu was the strongest TC occurred over the Arabian Sea. The peak intensity of TC Gonu was estimated 140 knots and 130 knots by Joint Typhoon Warning Center (JTWC) and India Meteorology Department (IMD), respectively. Four domains were separately selected. All of the simulations in this study were initialized at 00 UTC of 2 June for six days. In all simulations, authors used the data from NCEP global final analysis (FNL) on a 1.0°×1.0° grid to provide initial and boundary conditions. Despite the little difference in selective domains, the results in the first section showed the simulated tracks differed compared with each other, considerably. For performing simulations in the second part, the QSCAT, BUOY, METAR, SHIPS, SONDE, and SYNOP data to number 2064, 30, 63, 18, 37, and 208, were used, respectively. The results in the second part showed that assimilation of the satellite and synoptic data at the time of the start of the model, lead to improving quality of the first guess data. Therefore, the accuracy of the simulated tracks in all selected domains was enhanced and reduced the sensitivity of TC Gonu simulation to the selected domain. Regardless of the great difference in simulated tracks, especially in the case of no use of assimilation, which in turn influences the intensification of the TC, in all of the simulations, the simulated intensity during the intensity peak of the TC is higher compared with the IMD reference data and is less compared with JTWC reference data. Since during the simulations, the sea-surface temperature  has been used constantly and on the other hand, the exact values of sea-surface temperature have a significant impact on the intensity of the TC simulation, the WRF model coupled with an ocean model for accurate determination of sea-surface temperature during simulation can improve the accuracy of the results of this study. There is, of course, another way to improve the quality of the results, when results depend on the selective domains. For every domain, one simulation is performed and the average of the simulations is considered (ensemble forecast). The high amount of time spent in this method is considered as serious trouble. It should be noted that in regional models, the sensitivity of simulations to the selected domains is also highly dependent on the boundary conditions, which should be considered.

کلیدواژه‌ها [English]

  • Tropical Cyclone
  • Gonu
  • Data assimilation
  • WRF

بهرامی، س.، 1392، کاربست روش­های داده­کاوی در تعیین اثرات طوفان حاره‌ای گونو بر وضعیت همدیدی در منطقه جنوب و جنوب­شرق ایران: پایان­نامه کارشناسی ارشد رشته هواشناسی، موسسه ژئوفیزیک دانشگاه تهران.

جعفری، ش.، 1388، بررسی شرایط همدیدی مؤثر بر شکل­گیری طوفان حاره‌ای گونو و ورود آن به منطقه دریای عرب: پایان­نامه کارشناسی ارشد رشته هواشناسی، واحد علوم و تحقیقات دانشگاه آزاد اسلامی.

حبیبی، ف.، بهرامی، س.، 1393، تحلیل همدیدی طوفان حاره‌ای گونو و تأثیر آن بر جنوب­شرق ایران: مجله ژئوفیزیک ایران، 8، 169-189.

حبیبی، ف.، مزرعه فراهانی، م.، مشیری، ب.، نوحه­گر، ا.، کلهر، ا.، 1389، بررسی اصلاح پیش­بینی فرایند طوفان حاره‌ای با انتخاب ویژگی­های مؤثر: مجله ژئوفیزیک ایران، 3، 67-82.

خان سالاری، س.، مزرعه فراهانی، م. ، آزادی، م.، 1390، بررسی تغییرات هلیسیتی و شار هلیسیتی در طوفان استوایی گونو، مجله ژئوفیزیک ایران، 5(2)، 97-115.

علی­محمدی، م.، 1391، واکاوی فرایندهای هواشناسی در خلال زندگی طوفان حاره‌ای شدید، شبیه­سازی موردی و راست‌آزمایی با داده­های ماهواره‌ای و محلی: پایان­نامه دوره کارشناسی ارشد رشته هواشناسی، دانشگاه‌هرمزگان، 120 صفحه.

فراهانی، م.، احمدی، م.، ثقفی، م.، 1394، ارزیابی نیروهای مؤثر بر تشکیل و تقویت طوفان حاره‌ای گونو با استفاده از مدل کیو و بررسی عملکرد مدل‌های عددی در تعیین شدت آن: مجله فیزیک زمین و فضا، 41(2)، 273-280.

گلشنی، ع.، تائبی، س.، 1387، مدلسازی عددی طوفان حاره‌ای گنو و امواج ناشی از آن در دریای عمان: نشریه مهندسی دریا، 7، 25-34.

لشکری، ح.، کیخسروی، ق.، 1389، تحلیل همدیدی طوفان گنو و اثرات آن بر جنوب شرق ایران: مجله جغرافیا و برنامه­ریزی محیطی، 3، 1-20.

محمد­مهدیزاده، م.، کسبی، م.، 1393، پیش­بینی ارتفاع امواج ناشی از مد طوفان در سواحل ایرانی دریای عمان: مجله علوم و فنون دریایی، 13(1)، 41-50.

مدهوش، م.، 1393، مطالعه حساسیت شبیه­سازی­های طوفان­های حاره‌ای به پارامترسازی برهم­کنش جو و اقیانوس: کاربرد مدل جوی WRF جفت­شده با یک مدل اقیانوسی: پایان­نامه دوره کارشناسی ارشد رشته هواشناسی، دانشگاه هرمزگان، 110 صفحه.

مشهدی، ل.، حاجی­زاده ذاکر، ن.، سلطانپور، م.، مقیمی، س.، 1392، شبیه­سازی عددی امواج و مد ناشی از طوفان گنو در خلیج چابهار: نشریه مهندسی دریا، 17، 37-87.

ملکوتی ، ح.، علی محمدی، م.، 1393 الف، شبیه­سازی طوفان حاره‌ای گونو با استفاده از مدلAdvanced Hurricane WRF: حساسیت به طراحی محدوده‌ها، آشیانه­سازی، تفکیک افقی و زمان شروع: مجله علوم و فنون دریایی خرمشهر، 13(3)، 101-110.

ملکوتی ، ح.، علی محمدی، م.، 1393 ب، مطالعه حساسیت شدت و مسیر یک طوفان حاره‌ای شدید به پارامترسازی­های شارهای سطحی مدل Advanced Hurricane WRF: جغرافیا و مخاطرات محیطی، 3(9)، 97-112.

Ahrens, D., (1982-2009) Meteorology today: an introduction to weather, climate, and the environment.

Alimohammadi, M., and Malakooti, H., 2018, Sensitivity of simulated cyclone Gonu intensity and track to variety of parameterizations: Advanced hurricane WRF model application: Journal of Earth System Science, 127, 41.

Barker, D., Huang, W., Guo, Y. R., and Bourgeois, A., 2003, A three-dimensional variational (3DVAR) data assimilation system for use with MM5, NCAR Tech. Note, 68.

Barker, D., Huang, X. Y., Liu, Z., Auligne, T., Zhang, X., Rugg, S., Ajjaji, R., Bourgeois, A., Bray, J., and Chen, Y., 2012, The weather research and forecasting models community variational/ensemble data assimilation system: WRFDA, Bulletin of the American Meteorological Society, 93, 831-843.

Davis, C., Wang, W., Chen, S. S., Chen, Y., Corbosiero, K., Demaria, M., Dudhia, J., Holland, G., Klemp, J., and Michalakes, J., 2008, Prediction of landfalling hurricanes with the advanced hurricane WRF model: Monthly Weather Review, 136, 1990-2005.

Davis, C. A., and Bosart, L. F., 2001, Numerical simulations of the genesis of Hurricane Diana (1984), Part I: Control simulation: Monthly Weather Review, 129, 1859-1881.

Donelan, M., Haus, B., Reul, N., Plant, W., Stiassnie, M., Graber, H., Brown, O., and Saltzman, E., 2004, On the limiting aerodynamic roughness of the ocean in very strong winds: Geophysical Research Letters, 31.

Dudhia, J., 1989, Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model: Journal of the Atmospheric Sciences, 46, 3077-3107.

Goswami, P., and Mohapatra, G., 2014, A comparative evaluation of impact of domain size and parameterization scheme on simulation of tropical cyclones in the Bay of Bengal: Journal of Geophysical Research: Atmospheres, 119, 10-22.

Hong, S. Y., Dudhia, J., and Chen, S. H., 2004, A revised    approach     to    ice     microphysical

 

      processes for the bulk parameterization of clouds and precipitation: Monthly Weather Review, 132, 103-120.

Huang, X. Y., Xiao, Q., Barker, D. M., Zhang, X., Michalakes, J., Huang, W., Henderson, T., Bray, J., Chen, Y., and Ma, Z., 2009, Four-dimensional variational data assimilation for WRF: Formulation and preliminary results: Monthly Weather Review, 137, 299-314.

Ide, K., Coutier, P., Ghil, M., and Lorence, A. C., 1997, Unified notation for data assimilation: Operational, sequential and variational (gtSpecial IssueltData Assimilation in Meteorology and Oceanography: Theory and Practice): Journal of the Meteorological Society of Japan, Ser. II, 75, 181-189.

Indian Meteorological Department (IMD) report, 2008, Report on cyclonic disturbances over north Indian Ocean during 2007, New Delhi.

Kanase, R., and Salvekar, P., 2011, Numerical simulation of severe cyclonic storm LAILA (2010): Sensitivity to initial and cumulus parameterization schemes, Proceedings of Disaster Risk Vulnerability Conference, 165-170.

Kumar, A., Done, J., Dudhia, J., and Niyogi, D., 2011, Simulations of Cyclone Sidr in the Bay of Bengal with a high-resolution model: sensitivity to large-scale boundary forcing: Meteorology and Atmospheric Physics, 114, 123.

Large, W., and Pond, S., 1981, Open ocean momentum flux measurements in moderate to strong winds: Journal of Physical Oceanography, 11, 324-336.

Lorenc, A. C., 1986, Analysis methods for numerical weather prediction: Quarterly Journal of the Royal Meteorological Society, 112, 1177-1194.

Mandal, M., Mohanty, U., and Das, A., 2006, Impact of satellite derived wind in mesoscale simulation of Orissa super cyclone.

Miguez‐Macho, G., Stenchikov, G. L., and Robock, A., 2004, Spectral nudging to eliminate the effects of domain position and geometry in regional climate model simulations: Journal of Geophysical Research: Atmospheres, 109.

Mawer, E. J., Taubman, S. J., Brown, P. D., Iacono, M. J., and Cough, S. A., 1997, Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated‐k model for the long wave: Journal of Geophysical Research: Atmospheres, 102, 16663-16682.

Mohanty, U., and Gupta, A., 1997, Deterministic methods for prediction of tropical cyclone tracks: Mausam, 48, 257-272.

Mohanty, U., Osuri, K. K., Nadimpalli, R., and Gopalakrishnan, S., 2014,

Uncertainty in rainfall prediction of land-falling tropical cyclones over India: Impact of data assimilation: 3rd International Workshop on Tropical Cyclone Landfall Processes (IWTCLP-III), 8-10.

Mohanty, U., Osuri, K. K., Routray, A., Mohopatra, M., and Pattanayak, S., 2010, Simulation of Bay of Bengal tropical cyclones with WRF model: Impact of initial and boundary conditions: Marine Geodesy, 33, 294-314.

Mukhopadhyay, P., Taraphdar, S., and Goswami, B., 2011, Influence of moist processes on track and intensity forecast of cyclones over the north Indian Ocean: Journal of Geophysical Research: Atmospheres, 116.

Noh, Y., Cheon, W., Hong, S., and Raasch, S., 2003, Improvement of the K-profile model for the planetary boundary layer based on large eddy simulation data: Boundary-Layer Meteorology, 107, 401-427.

Osuri, K. K., Mohanty, U., Routray, A., Kulkarni, M. A., and Mohapatra, M., 2012, Customization of WRF-ARW model with physical parameterization schemes for the simulation of tropical cyclones over North Indian Ocean: Natural Hazards, 63, 1337-1359.

Rauscher, S. A., Seth, A., Qian, J. H., and Camargo, S. J., 2006, Domain choice in an experimental nested modeling prediction system for South America: Theoretical and Applied Climatology, 86, 229-246.

Singh, R., Pal, P., Kishtawal, C., and Joshi, P., 2008, The impact of variational assimilation of SSM/I and QuikSCAT satellite observations on the numerical simulation of Indian Ocean tropical cyclones: Weather and Forecasting, 23, 460-476.

Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D. M., Wang, W., and Powers, J. G., 2005, A description of the advanced research WRF version 2: National Center for Atmospheric Research Boulder Co Mesoscale and Microscale.

Warner, J. C., Armstrong, B., He, R., and Zambon, J. B., 2010, Development of a coupled ocean–atmosphere–wave–sediment transport (COAWST) modeling system: Ocean Modeling, 35, 230-244.

World Meteorological Organization technical document, 2008, Tropical cyclone operational plan for the Bay of Bengal and the Arabian Sea, Document No. WMO/TDNo. 84, 1.