مقاله #357

چکیده

پیش بینی کمّی کوتاه مدت بارش (SQPF) برای هشدار سیل سریع، ایمنی ناوبری و بسیاری از کاربرد های دیگر حیاتی است. تحقیق فعلی روش مورد محور جدیدی برای پیشنهاد می کند که برای تعیین، ردیابی و پیش بینی کوتاه مدت طوفان ها به کار می رود و PERCAST (PERsiann-ForeCAST), نام دارد. PRECAST با استفاده از آخرین تصاویر طوفان برای استخراج ویژگی های طوفان مانند فرارفت میدانی و تغییرات در شدت و اندازه طوفان، موقعیت و مقدار بارش را تا 4 ساعت آتی پیش بینی می کند. PERCAST برای پیش بینی مقادیر بارش با الگوریتم بازیابی توسعه یافته ی قبلی که PERSIANN-CCS (برآورد بارش از اطلاعات سنجش از راه دور با استفاده از سیستم شبکه های عصبی مصنوعی-طبقه بندی ابر) نام دارد به هم پیوسته می شود. برای ارزیابی عملکرد مدل ها چهار مطالعه ی موردی ارائه می شود. در حالی که دو مطالعه ی موردی اول قابلیت های مدل در پیش بینی کوتاه مدت طوفان های جداگانه را توجیه می کند مطالعات موردی سوم و چهارم مدل پیشنهادی را در کل تابستان سال 2010 به طور پیوسته ارزیابی می کند. نتایج نشان می دهد که با در نظر گرفتن روند های رشد و زوال طوفان (GD) برای پیش بینی، PERCAST-GD پیش بینی پذیری همرفتی را بر حسب پارامتر های صحت سنجی مانند احتمال ردیابی (POD) و نسبت هشدار نادرست (FAR) 15-20 درصد بهبود می دهد.