نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس هواشناسی مرکز تحقیقات هواشناسی کاربردی استان مازندران

2 استادیار اقتصاد دانشگاه آزاد اسلامی واحد نور

چکیده

امروزه پیش بینی صحیح وضع هوا یکی از مهمترین مسایل در زندگی بشری می‌باشد. از دیدگاه اقتصادی، کاربران و سرمایه گذاران خصوصا دریانوردانی که در فعالیت‌های دریانوردی حضور دارند، همواره انتظار دارند نسبت به درستی پیش بینی‌هایی که دریافت کرده اند، توجیه شوند. یا به بیان دیگر بتوانند عملکرد سامانه‌های متفاوت پیش بینی را با هم مقایسه کنند. در این تحقیق به ارزیابی مدل‌های هواشناسی در پیش بینی بارش شمال کشور و ارزیابی اقتصادی آن پرداخته شده است. خروجی‌های مدل استفاده شده برای دوره‌ای زمانی 24،48 و 72 ساعته بوده و داده‌های مشاهداتی بارش کمی نیز از اندازه‌گیری‌های ایستگاه‌های باران سنجی و همدیدی در داخل استان گلستان بدست آمد. نتایج نشان داد که پیش بینی مدل در دوره مورد مطالعه حدود 80 درصد موارد برای وقوع یا نبود بارش صحیح بوده است. همچنین در پیش بینی 24 ساعته بیشینه مقدار ارزش اقتصادی برای نسبت هزینه –  ضرر 73/0 است، یعنی در صورت استفاده از پیش بینی این کاربر می تواند بیش از 73 درصد در هزینه خود صرفه جویی کند.

کلیدواژه‌ها

عنوان مقاله [English]

The Economic Value Of Weather Forecast For Northern Sea Activities

نویسندگان [English]

  • B Gholizadeh 1
  • J Gilanipur 2

چکیده [English]

Weather forecast and its accuracy plays an important role in maritime activities. Caspian Sea as one of the most complex seas of the storm, and as the site of many maritime activities in the north of country, requires management in doing optimized maritime activities in the area of sea training. Seafarers are expected to be convinced about the accuracy of the received forecasts. Or in other words they expect to be able to compare the performance of different forecasting systems to improve maritime activities and increase economic efficiency in areas besides the sea. This study evaluated the meteorological models in predicting climate in the country's north coast and the economic aspects of them. The output of the model used for a period of 24, 48 and 72 hours and observation data of rainfall was received from measurements of synoptic and rain-gauge stations in Golestan province. The results showed that the model's predictions about the presence or absence of rainfall in the period under study, were correct in about 80% of cases. Also in the 24-hour anticipation, maximum amount of economic value for the cost – loss ratio is 73%, i.e. if the user use the prediction he can save more than 73% of his cost.

کلیدواژه‌ها [English]

  • Verification of rainfall forecast
  • Economic value
  • Golestan province
  • Contingency table

آزادی، م؛ تقی زاده، ا.( 1391)، راست آزمایی پیش بینی بارش مدل تحقیقات آب و هوایی WRFو پیش بینی وضع هوا روی کشور ایران در دوره هشت ماهه نوامبر 2008 تا ژوئن 2009 ، فصلنامه تحقیقات منابع آب ایران، 8(2).

تقوی، ف؛ نیستانی، ا.(­1391). راست آزمایی پیش بینی بارش کوتاه مدت دما و بارش مدل عددی WRFروی ایران، مجموعه مقالات پانزدهمین کنفرانس ژئوفیزیک ایران، تهران، اردیبهشت.

هدایتی دزفولی، اکرم و مجید آزادی. (1389). راستی آزمایی پیش بینی بارش مدل منطقه ای MM5 روی ایران، مجله فیزیک زمین و فضا، 36(3).

مرادی، ا؛ اختر کاوان.(1388). روش شناسی مدل­های تحلیل تصمیم­گیری چند معیاره، نشریه آرمان­شهر، شماره دوم، 81952111

وکیلی، غ؛ مجید آ.( 1380). مروری بر پیش بینی عددی وضع هوا در ایران. اولین همایش پیش بینی عددی وضع هوا ، ایران، تهران.

Palmer, T.) 2002(. the economic value of ensemble forecasts as a tool for risk assessment: From days to decades, Quarterly Journal of the Royal Meteorological Society, 128, 747–774.

Wilks, D.S.(2006). Statistical Methods in the Atmospheric Science, R.Dmowska and H.ThomasRossby (Eds), Department of Earth and Atmospheric Science Cornell University Press, 270-275.

Malmber, J.( 2008). Water, Forecast Verification: Past, Present, and Future. International West Climate Summary, 4(1), 2-4.

Murphy. A. H.(1996). the Finley Affair: A Signal Event in the History of Forecast Verification,Weather and Forecasting, 11(1), 3-20.

Ackoff, R.L.(1962). Scientific Method: Optimizing Applied Research    Decisions. New York, John Wiley and Sons, 464 pp.

Horstmeyer, S. L.(2005). An Outline of the History of Meteorology, available online: http:// www.shorstmeyer.com/msj/geo165., 56pp.

Mason., I. B.(1982). A model for assessment of weather forecasts. Australian meteorological Magazine, 30, 291–303.

McBride, J. L.(2000).Verification of quantitative precipitation forecasts from operational numerical weather prediction models over Australia. Wea. Forecasting, 15, 103-121.

Mesinger, F.(2008). Bias adjusted precipitation threat scores. Adv. Geosci., 16, 137-142.

 

Mesinger, F., Arakawa, A.(1976). Numerical Methods Used in Atmospherical Models. GARP Publication Series, 17, Vol. 1, 64pp. 114.

 Peirce, C.S..(1984). the numerical measure of the success of predictions. Science, 4, 453–454.

 

Stanski, H.R., Wilson, L.J., William R. (1989). Survey of Common Verification Methods in Meteorology. World Weather Watch Technical Report No. 8, World Meteorological Organization, TD No. 358, 114 pp.

Swets, J.A.(1986). Indices of discrimination or diagnostic accuracy: their ROCs and implied models. Psychol. Bull, 99, 100–117.

Temperton, C. ,  Roch , M.( 1991). Implicit normal mode initialization for an operational regional model. Mon. Wea. Rev, 119, 667-677.

Wandishin, M.S., Brooks H.E.( 2002). On the relationship between Clayton’s skill score and expected value for forecasts of binary events. Meteorological Applications, 9, 455–459.