پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,931,793 |
| تعداد دریافت فایل اصل مقاله | 89,604,739 |
ارزیابی نیروهای مؤثر بر تشکیل و تقویت توفان حاره‌ای گونو با استفاده از مدل تحلیلی کیو و بررسی عملکرد مدل‌های عددی در تعیین شدت آن | ||
| فیزیک زمین و فضا | ||
| مقاله 10، دوره 41، شماره 2، مرداد 1394، صفحه 273-280 اصل مقاله (990.62 K) | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2015.52886 | ||
| نویسندگان | ||
| مجید مزرعه فراهانی* 1؛ مرضیه احمدی2؛ محمد علی ثقفی3 | ||
| 1استادیارگروه فیزیک فضا، مؤسسة ژئوفیزیک، دانشگاه تهران، ایران | ||
| 2دانشجوی دکتری هواشناسی، دانشکدة علوم و فنون دریایی، دانشگاه هرمزگان، ایران | ||
| 3کارشناس ارشد/موسسه ژئوفیزیک، دانشگاه تهران | ||
| چکیده | ||
| شدت چرخند حاره‌ای با سرعت باد در دیوارة چشم چرخند یا فشار سطح دریا در چشم آن تعیین می‌شود. به این منظور دو مدل عددی میان‌مقیاس (Advance Regional Prediction System) ARPS و WRF (World Research Forecasting) در بازة زمانی و مکانی فعالیت چرخند حاره‌ای گونو Gonu)) اجرا شد. برون‌داد اجرای این دو مدل با پیکربندی‌های به کار برده‌شده با داده‌های پردازش‌شدة ماهواره‌ای داده‌های مرکز اخطار تایفون نیروی دریایی و هوایی ایالات متحده (JTWC, Joint Typhoon Warning Center) مقایسه شد. برون‌داد مدل WRF در مقایسه با داده‌های JTWC، شدت توفان گونو را با دقت نشان نمی‌دهد، اما مدل ARPS در این مورد به‌طور نسبی موفق‌تر عمل کرده و ابَرچرخندی آن را از ردة پنج پیش‌یابی کرده است. برای تعیین سازوکار دینامیکی این توفان، بزرگی نیروهای گریز از مرکز، کوریولیس و اصطکاک در هنگام فعالیت توفان گونو محاسبه می‌گردد و شدت چرخند حاره‌ای در زمان‌های مختلف بررسی و با مقادیر مشابه به‌دست‌آمده از مدل تحلیلی کیو Kiue)) مقایسه می‌شود. نتایج نشان می‌دهد که نیروی گریز از مرکز، بیشترین سهم را در کاهش فشار چشم چرخند حاره‌ای گونو داشته است. در چهارم ژوئن که چرخند گونو در بیشینة فعالیت و شدت خود (ردة پنجم) قرار داشت، سهم سه نیروی گریز از مرکز، اصطکاک و کوریولیس در کاهش فشار چشم گونو به ترتیب 61/51، 68/41 و 32/4 هکتو پاسکال به‌دست آمد. در نتیجه توفان‌های با سرعت مماسی بزرگ‌تر باعث کاهش بیشتر فشار در مرکز توفان می‌شوند و نیز سطوح ناصاف‌تر نقش بیشتری در کاهش فشار هستة مرکزی توفان دارند. | ||
| کلیدواژه‌ها | ||
| چرخند حاره‌ای گونو؛ مدل تحلیلی کیو- چن؛ مدل عددی ARPS؛ مدل عددیWRF | ||
| عنوان مقاله [English] | ||
| Evaluating the operating forces in formation and development of the Gonu tropical cyclone using Kiue analytical model and numerical models | ||
| نویسندگان [English] | ||
| Majid Mazrae Farahni1؛ Marziyeh Ahmadi2؛ Mohammad Ali Saghafi3 | ||
| 1Assistant Professor, Department of Space Physics, Institute of Geophysics, University of Tehran, Iran | ||
| 2Ph.D. Student, School of Marine Science and Technology, Hormozgan University, Iran | ||
| 3کارشناس ارشد بخش هواشناسی، مؤسسة ژئوفیزیک، دانشگاه تهران، ایران | ||
| چکیده [English] | ||
| Gonu storm was formed in tropical basin of Indian Ocean early in June 2007. Gonu is the strongest tropical cyclone that happened in Arabian Sea and North Indian Ocean and moved toward Oman Sea and Persian Gulf and bouncing the lands around the area. This tropical cyclone made extensive damages and human and financial causalities to countries of Oman, Iran, Afghanistan, Pakistan, and India. In this study, an analytical model (Kiue et al., 2010) is applied to the tropical cyclone of Gonu to examine the predicted surface pressure and tangential wind velocity relation. This model is an analytical model includes momentum equation in polar coordinates with a primary hypothesis of the wind blowing is in a Rankine vortex regime. The pattern of surface wind speeds in tropical cyclone complies with the Rankin function, so that in the inner core region, the tangential and radial wind velocity increases linearly with increasing of the radius, and wind speed in the external region is decreasing as radius increases. To examine the dynamic model (Kiue), first the pressure reduction is calculated by this model for Gonu tropical cyclone. Then the minimum sea level pressure is compared with the equivalent reported pressure by Joint Typhoon Warning Center (JTWC). The results show that the model is capable of predicting the magnitude of falling pressure of tropical cyclone Gonu. Then to investigate the role of different forces on the formation and development of this tropical cyclone, the proposed equation by Kiue was applied and 3 forces of centrifugal, Coriolis and frictional were calculated and also the contribution of those forces on the falling of the pressure in eye of cyclones were computed. It is revealed that the weight of centrifugal force effect is dominant. The data used in this study to examine the analytical model of Kiue, is Gono cyclone best track of JTWC database. The JTWC is the Joint committee of the US Air Force and Marine to warn hurricanes formation and development. It measures the intensity of the storm via Dvorak (1974) method. This study does not mention how this method works, but the Dvorak method is based on satellite imagery, which is operational in most of the storm warning centers. In this study, we also run the ARPS and WRF models and to verify that if calculated surface wind speed of these models for cyclone Gonu is comparable to JTWC database weather they can estimate the intensity of this tropical cyclone. The results show that the surface wind speed output of WRF models do not show the way of Gonu formation. In addition, the maximum surface wind (VMAX) shows that Gonu did not convert to a tropical cyclone as well. According to the results of ARP's model, maximum surface wind (VMAX) is calculated about 82 m/s. However, it has about 9.5 m/s discrepancy with maximum surface wind (VMAX) of JTWS for Gonu. However, this speed shows that the Gonu cyclone is reached to category five hurricanes and converted to a tropical cyclone. Therefore, the model ARPS is more successful. | ||
| کلیدواژه‌ها [English] | ||
| Gonu tropical cyclone, Analytical dynamic model, ARPS numerical model, WRF numerical model | ||
| مراجع | ||
|
Dvorak, V., 1975, Tropical cyclone intensity analysis and forecasting from satellite imagery. Mon. Wea. Rev., 103, 420–430.
Harper, B. A., 2002, Tropical cyclone parameter estimation in the Australian region: Wind–pressure relationships and related issues for engineering planning and design, Energy Ltd., SEA Rep. J0106-PR003E, 83 pp.
Holland, G., 2008: Arevised hurricane pressure–wind model. Mon. Wea. Rev., 136, 3432–3445.
Kieu, C. Q., and Zhang, D.-L., 2009, An analytical model for the rapid intensification of tropical cyclones. Quart. J. Roy. Meteor. Soc., 135, 1336–1349.
Kieu, C. Q., Hua C., and Zhang Da-Lin, 2010, An Examination of the Pressure–Wind Relationship for Intense Tropical Cyclones. Wea. Forecasting, 25, 895–907.
Kruk, M. C., K. R. Knapp, D. H. Levinson, and J. P. Kossin, 2008: Data stewardship of global tropical cyclone best tracks. Preprints, 28th Conf. on hurricanes and Tropical Meteorology, Orlando, FL, Amer. Meteor. Soc., 2A.12. [Available online at http://ams.confex.com/ams/pdfpapers/138396.pdf.]
Powell, D. M and S. H. Houston, 1999: Comments on ‘‘A multiscale numerical study of Hurricane Andrew (1992). Part I: Explicit simulation and verification.’’ Mon. Wea. Rev., 127, 1706–1710.
Zhang, D.-L., Liu, Y., and Yau, M. K., 1999, Surface winds at landfall of Hurricane Andrew )1992)—A reply: Mon. Wea.Rev., 127, 1711-1721.
URL-1 : (http://www.caps.ou.edu/ARPS)
URL-2 : (http://www.wrf-model.org)
URL-3 : (http://www.pdc.org/weather/index.php/tag/jtwc) | ||
|
آمار تعداد مشاهده مقاله: 2,889 تعداد دریافت فایل اصل مقاله: 1,038 |
||