آدرس ایمیل خود را وارد نمایید
ثبت
پیام خود را بنویسید
دوره 12، شماره 24 - ( 10-1395 )
جلد 12 شماره 24 صفحات 125-115 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Moazzami H, Siadatmousavi S M, Mazaheri S. Data Assimilation for Wave Data in Persian Gulf Using WAVEWATCH-III Spectral Model . Marine Engineering 2017; 12 (24) :115-125
URL: http://marine-eng.ir/article-1-470-fa.html
URL: http://marine-eng.ir/article-1-470-fa.html
معظمی حمیدرضا، سیادت موسوی سید مصطفی، مظاهری سعید. هم‌جوشی داده‌های موج در خلیج فارس با مدل طیفی ویوواچ3. مهندسی دریا. 1395; 12 (24) :115-125
1- دانشگاه علم و صنعت
2- پژوهشگاه ملی اقیانوس شناسی و علوم جوی
2- پژوهشگاه ملی اقیانوس شناسی و علوم جوی
چکیده: (4721 مشاهده)
از جمله مشکلات مهم در مدل‌سازی پارامترهای مختلف هواشناسی و اقیانوس‌شناسی، محدودیت‌های موجود در روش‌های عددی و دانش ناقص بشر نسبت به فرآیند‌های فیزیکی موثر در آن‌ها است که باعث می‌شود در بسیاری موارد، نتایج این مدل‌ها با مقادیر واقعی فاصله‌ی قابل توجهی داشته باشد. یکی از راه‌حل‌های موثر در این مواقع برای کاهش خطای پیش‌بینی در مدل‌ها، استفاده از هم‌جوشی است. در این مطالعه روش هم‌جوشی درون‌یابی بهینه که مبتنی بر اصول آماری است مورد استفاده قرار گرفته است. هم‌چنین از روش کانادایی سریع برای تخمین طول مقیاس‌شده‌‌ی همبستگی در بهینه‌سازی هم‌جوشی مورد استفاده در مدل استفاده شد. مقایسه‌ی نتایج اجرای مدل ویوواچ3 با به کارگیری و بدون اعمال هم‌جوشی با داده‌های اندازه‌گیری شده‌ی محیطی سار در خلیج فارس نشان داد که با اعمال هم‌جوشی در مدل، خطای محاسبه‌ی ارتفاع موج به میزان قابل توجهی کاهش می‌یابد.
نوع مطالعه: مقاله پژوهشي |
موضوع مقاله:
هیدروديناميك سازه های ساحلی و فراساحلی
دریافت: 1394/11/13 | پذیرش: 1395/9/7
دریافت: 1394/11/13 | پذیرش: 1395/9/7
فهرست منابع
1. Gandin, L. S. and Hardin, R., (1965), objective analysis of meteorological fields, Israel program for scientific translations Jerusalem, vol. 242.
2. Kalman, R. E., (1960), A new approach to linear filtering and prediction problems, Journal of Fluids Engineering, vol. 82, pp. 35-45,.
3. Evensen, G., (2003), The ensemble Kalman filter: Theoretical formulation and practical implementation, Ocean dynamics, vol. 53, pp. 343-367.
4. Livings, D., (2005), Aspects of the ensemble Kalman filter, Reading University Master Thesis
5. Kalnay, E. (2003), Atmospheric modeling, data assimilation, and predictability, Cambridge university press.
6. Komen, G. J., Cavaleri, L., Donelan, M., Hasselmann, K., Hasselmann, S. and Janssen, P., (1996), Dynamics and modelling of ocean waves Cambridge university press.
7. Lionello, P., Günther, H. and Hansen, B. (1995), A sequential assimilation scheme applied to global wave analysis and prediction, Journal of Marine Systems, vol. 6, pp. 87-107, 1995.
8. Holthuijsen, L., Booij, N., Van Endt, M., Cakes, S. and Soares, C. G., (1997), Assimilation of buoy and satellite data in wave forecasts with integral control variables, Journal of marine systems, vol. 13, pp. 21-31.
9. Hasselmann, S., Lionello, P. and Hasselmann, K., (1997), An optimal interpolation scheme for the assimilation of spectral wave data, Journal of Geophysical Research, vol. 102, p. 15823.
10. Voorrips, A., Makin, V. and Hasselmann, S., (1997), Assimilation of wave spectra from pitch‐and‐roll buoys in a North Sea wave model, Journal of Geophysical Research: Oceans (1978–2012), vol. 102, pp. 5829-5849.
11. Siddons, L., Wyatt, L. and Wolf, J., (2009), Assimilation of HF radar data into the SWAN wave model, Journal of Marine Systems, vol. 77, pp. 312-324.
12. Sannasiraj, S. and Goldstein, M., (2009), Optimal interpolation of buoy data into a deterministic wind–wave model, Natural hazards, vol. 49, pp. 261-274.
13. Waters, J., Wyatt, L. R., Wolf, J. and Hine, A., (2013), Data assimilation of partitioned HF radar wave data into Wavewatch III, Ocean Modelling, vol. 72, pp. 17-31.
14. Corbella, S., Pringle, J. and Stretch, D. D., (2015), Assimilation of ocean wave spectra and atmospheric circulation patterns to improve wave modelling, Coastal Engineering, vol. 100, pp. 1-10.
15. Komen, G. J., Cavaleri, L., Donelan, M., Hasselmann, K., Hasselmann, S. and Janssen, P., (1996), Dynamics and modelling of ocean waves, Cambridge university press.
16. Tolman, H., Accensi, M., Alves, H., Ardhuin, F., Bidlot, J., Booij, N. et al., (2014) User manual and system documentation of Wavewatch III version 4.18.
17. Tolman H. L. and Chalikov, D., (1996), Source terms in a third-generation wind wave model, Journal of Physical Oceanography, vol. 26, pp. 2497-2518.
18. Ardhuin, F., Rogers, E., Babanin, A., Filipot, J.-F., Magne, R., Roland, A. et al., (2009), Semi-empirical dissipation source functions for ocean waves: Part I, definition, calibration and validation, arXiv preprint arXiv:0907.4240.
19. Donelan, M. A., Babanin, A. V., Young, I. R. and Banner, M. L., (2006), Wave-follower field measurements of the wind-input spectral function. Part II: Parameterization of the wind input, Journal of physical oceanography, vol. 36, pp. 1672-1689.
20. Babanin, A. V., Banner, M. L., Young, I. R. and Donelan, M. A., (2007), Wave-follower field measurements of the wind-input spectral function. Part III: Parameterization of the wind-input enhancement due to wave breaking, Journal of Physical Oceanography, vol. 37, pp. 2764-2775.
21. Rogers, W. E., Babanin, A. V. and Wang, D. W., (2012), Observation-consistent input and whitecapping dissipation in a model for wind-generated surface waves: Description and simple calculations, Journal of Atmospheric and Oceanic Technology, vol. 29, pp. 1329-1346.
22. Moeini, M. H., Etemad-Shahidi, A., Chegini, V. and Rahmani, I., (2012), Wave data assimilation using a hybrid approach in the Persian Gulf, Ocean Dynamics, vol. 62, pp. 785-797.
23. Emery, K. O. (1956), Sediments and water of Persian Gulf, AAPG Bulletin, vol. 40, pp. 2354-2383.
24. Purser, B. and Seibold, E., (1973), The principal environmental factors influencing Holocene sedimentation and diagenesis in the Persian Gulf, in The Persian Gulf, ed: Springer, pp. 1-9.
25. The General Bathymetric Chart of the Oceans. Available: www.Gebco.net/data-products/gridded-bathymetry-data
26. Kanamitsu, M., (1989), Description of the NMC global data assimilation and forecast system, Weather and Forecasting, vol. 4, pp. 335-342.
27. Kanamitsu, i., Alpert, J., Campana, K., Caplan, P., Deaven, D., Iredell, M. et al., (1991), Recent changes implemented into the global forecast system at NMC, Weather and Forecasting, vol. 6, pp. 425-435.
28. Derber, J. C., Parrish, D. F. and Lord, S. J., The new global operational analysis system at the National Meteorological Center, Weather and Forecasting, vol. 6,
29. Jaiswal, N., Haynesworth, S. E., Caplan, A. I. and S. P. Bruder, (1997), Osteogenic differentiation of purified, culture‐expanded human mesenchymal stem cells in vitro, Journal of cellular biochemistry, vol. 64, pp. 295-312
30. Polavarapu, S., Ren, S., Rochon, Y., Sankey, D., Ek, N., Koshyk, J. et al., (2005), Data assimilation with the Canadian middle atmosphere model, Atmosphere-Ocean, vol. 43, pp. 77-100.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
International Journal of Maritime Technology is licensed under a
Creative Commons Attribution-NonCommercial 4.0 International License.