@article { author = {Dehban, Hossein and Ebrahimi, Kumars and Araghinejad, Shahab and Bazrafshan, Javad}, title = {Evaluation of NMME models in forecasting of monthly rainfall (Case study: Sefidrood Basin)}, journal = {Journal of Agricultural Meteorology}, volume = {7}, number = {1}, pages = {3-12}, year = {2019}, publisher = {Iranian Society of Irrigation and Water Engineering}, issn = {2345-3419}, eissn = {2588-6002}, doi = {10.22125/agmj.2019.154084.1043}, abstract = {Monthly rainfall forecasting plays a major role in the water resources management and agroclimatic studies. The main purpose of this study is to assess the accuracy of NMME (North American Multi-Model Ensemble) in forecasting monthly rainfall in Sefidrood basin, North of Iran. For this purpose, the historical predicted data of NMME models for the period 1982 to 2017 were retrieved from, University of Columbia website, and compared with observed data obtained from the Iranian Meteorological Organization. The accuracy of NMME models predictions was evaluated by comparing them with the observed data, using statistical indices. The results showed that the single NMME model is not accurate, where the average value of determination coefficient (R2) was equal to 0.6. The models combination improved the accuracy of predictions, such that the determination coefficient increased to 0.7. Furthermore, for evaluation of the precipitation uncertainty, seventy-eight ensembles of the prediction models were investigated. The results of this evaluation showed that the models overestimated rainfall upto 80%. In addition, the uncertainty analysis of prediction models showed that the combination of models may reduce the uncertainty range.}, keywords = {Ensemble,forecast,NMME,Uncertainty}, title_fa = {ارزیابی دقت مدل‌های NMME در پیش‌بینی بارش ماهانه (مطالعه موردی: حوضه سفیدرود)}, abstract_fa = {پیش‌بینی بارش در مقیاس فصلی و ماهانه اهمیت زیادی در مدیریت بهینه منابع آب و مطالعات اقلیمی-کشاورزی دارد. هدف مطالعه حاضر ارزیابی دقت مدل‌های NMME در پیش‌بینی بارش ماهانه حوضه آبریز سفیدرود است. برای این منظور، داده‌های پیش‌بینی تاریخی مدل‌های NMME از تارنمای دانشگاه کلمبیا و داده‌های بارش ایستگاه‌های همدیدی موجود در منطقه از سازمان هواشناسی کشور برای دوره 1982 تا 2017 دریافت شدند. با به‌کارگیری روش‌های آماری، دقت مدل‌های NMME در پیش‌بینی بارش ماهانه در مقایسه با داده‌های مشاهداتی ارزیابی شد. نتایج نشان داد که مدل‌های NMME به تنهایی دارای دقت مناسبی نمی‌باشد، به گونه‌ای که حداکثر مقدار میانگین ضریب تبیین محاسبه شده 6/0 به دست آمد. ترکیب نتایج چند مدل پیش‌بینی نشان داد که دقت پیش‌بینی‌ها را می‌توان تا حد قابل قبولی افزایش داد، به طوری که میانگین مقادیر ضریب تبیین به 7/0افزایش یافت. همچنین برای بررسی عدم قطعیت پیش‌بینی بارش، 78 عضو از مدل‌های پیش‌بینی مورد بررسی قرار گرفت. بر اساس نتایج، مدل‌ها در برخی از ماه‌های سال بیش‌برآورد (با احتمال نزدیک به 80 درصد)، دارند. همچنین تحلیل عدم قطعیت مدل‎های پیش‌بینی نیز نشان داد که با ترکیب نتایج مدل‎های مختلف، می‎توان بازه عدم قطعیت را کاهش داد.}, keywords_fa = {بارش,پیش‌بینی,عدم قطعیت,همادی}, url = {https://www.agrimet.ir/article_93276.html}, eprint = {https://www.agrimet.ir/article_93276_c011aab91d3f53b76002def7fcfc7778.pdf} }