Skoči na glavni sadržaj

Izvorni znanstveni članak

Poboljšanje uspješnosti prognoze oborine nad Indijom primjenom metode višemodelskog ansambla

V. R. Durai ; India meteorological Department (ImD), New Delhi, India
Rashmi Bhardwaj ; Guru Gobind Singh Indraprastha University, Dwarka, Delhi, India


Puni tekst: engleski pdf 3.123 Kb

str. 155-172

preuzimanja: 344

citiraj


Sažetak

U ovom radu primijenjena je metoda višemodelskog ansambla (MME) s ciljem poboljšanja kratkoročnih do srednjoročnih dnevnih prognoza količine oborine nad Indijom tijekom ljetnog monsuna 2010. godine. pri tome su istovremeno te s odgovarajućim težinama korištena četiri operativna globalna modela za numeričku prognozu vremena (NWP): ECMWF, JMA, NCEP, GFS i UKMO, a koji su na raspolaganju u realnom vremenu pri Indijskom meteorološkom odsjeku (IMD) u New Delhiju. Težine za svaki NWP model u svakoj točki mreže pridijeljene su na temelju koeficijenta korelacije (CC) između modelskih prognoza i mjerenog niza dnevne količine oborine za sezonu jugozapadnog monsuna (od lipnja do rujna). Pored MME, generirane su i ispitane jednostavne prognoze dobivene srednjakom ansambla (ENSM). Uspješnost prognoze količine oborine dobivene MME metodom procijenjena je usporedbom rezultata dobivenih tom metodom i onih na temelju ENSM te sa svakim pojedinačnim modelom. Međusobna usporedba pokazuje da metoda MME točnije prognozira količinu oborine u području indijskog monsuna ponderiranjem doprinosa svakog pojedinog modela u ansamblu. Nadalje, utvrđena je veća uspješnost kratkoročnih prognoza količine oborine pomoću metode mmE u odnosu na rezultate metode ENSM te u odnosu na prognoze pojedinačnih modela ansambla. Primjena ponderirane metode MME značajno poboljšava uspješnost prognoze količine oborine nad Indijom.

Ključne riječi

numerička prognoza vremena; višemodelska ansambl prognoza (MME); uspješnost prognoze količine oborine; globalni model

Hrčak ID:

116077

URI

https://hrcak.srce.hr/116077

Datum izdavanja:

30.12.2013.

Podaci na drugim jezicima: engleski

Posjeta: 1.463 *