پیشبینی همادی آذرخش در دامنههای جنوبی رشتهکوه البرز با استفاده از مدل WRF | ||
| فیزیک زمین و فضا | ||
| مقاله 12، دوره 52، شماره 1، بهار 1405، صفحه 195-210 اصل مقاله (1.42 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2026.408935.1007747 | ||
| نویسندگان | ||
| مجتبی جلالی کوتنائی؛ فرحناز تقوی* ؛ علیرضا محب الحجه؛ مریم قرایلو؛ سرمد قادر | ||
| گروه فیزیک فضا، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| آذرخش پدیده تخلیه آنی الکتریکی در فواصل طولانی در توفانهای تندری است که منجر به خسارات بسیاری در سطح جهان میشود. این مطالعه اختصاص به کاربست شاخص پتانسیل رخداد آذرخش (LPI) برای پیشبینی همادی آذرخش و اصلاح آن با روشهای یادگیری ماشین از جمله ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) بر روی دامنه جنوبی رشتهکوه البرز با استفاده از مدل منطقهای WRF دارد. در اجرای مدل از دوازده طرحواره پارامترسازی همراه با دادههای اولیه GFS، GEFS و ERA5 با تفکیک 25/0 درجه در سه حوزه تودرتو با تفکیکهای 9، 3 و 1 کیلومتر و برای درستیسنجی نتایج از دادههای شبکههای زمینی (Earth Networks) استفاده شده است. برای ارتباط آماری میان LPI و تعداد درخش، بیشترین مقدار ضریب تعیّن R2 با مقدار41/0 همراه با ریشه میانگینمربعات خطای بهنجارشده (NRMSE) برابر 77/0 مربوط به داده ورودی GEFS با مجموعه پارامترسازیهای خُردفیزیک گودارد، همرفت کین-فریچ، دودهیه برای تابش طول موج کوتاه، RRTM برای تابش طول موج بلند، میسو برای لایه مرزی و لایه سطحیNoah میباشد. پس از هماد سازی وزندار و اصلاح توسط یادگیری ماشین با روش ماشین بردار پشتیبان (SVM)، مقدار R2 به ترتیب به 44/0 و 59/0 افزایش و مقدار NRMSE بهترتیب به 75/0 و 65/0 کاهش مییابد. با افزایش وزن شاخص انرژی پتانسیل دسترسپذیر همرفتی (CAPE) در روش SVM و برازش مربعی، R2 به 63/0 افزایش و NRMSE به 62/0 کاهش مییابد. در مجموع، نتایج بیانگر ارتباط آماری مناسب LPI با مشاهدات آذرخش و بهبود پیشبینی آذرخش با همادسازی وزندار و اصلاح از طریق یادگیری ماشین است. | ||
| کلیدواژهها | ||
| آذرخش؛ پیشبینی همادی؛ مدل WRF؛ شاخص LPI | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 508 تعداد دریافت فایل اصل مقاله: 247 |
||