The impact of radar data assimilation on simulated meteorological conditions during heavy rainfall over Upper Northern Thailand

Abstract

Weather forecast by data assimilation techniques was evaluated in the upper north of Thailand during heavy rains, 17 - 20 July 2017. Initial data used high resolution 0.25° dataset and assimilated with the observations of NCEP ADP Global Upper Air and Surface Weather Observations data, Radar Omkoi data and a combination of NCEP ADP Global Upper Air and Surface Weather Observations and Radar Omkoi. There were 4 case studies: (1) WRF model without using Data assimilation (Normal) (2) Data assimilation with surface and upper air data (DA1) (3) Data. assimilation with radar data (DA2) and (4) data assimilation with a combination of surface and upper air data and radar data (DA3). The simulation applied the Weather Research and Forecasting (WRF) model with, grid resolutions of 18, 6 and 2 km. Model evaluation used graphical comparison and statistical parameters including MEAN, Index of agreement (IOA) and Factor of two (FA2), Mean Normalized Bias (MNB), Mean Normalized Gross Error (MNE), Mean Fractional Bias (MFB) and Mean Fractional Gross Error (MFE). Modeling results compared meteorological parameters including wind speed (WS), temperature (Temp), and relative humidity (RH) with twelve monitoring stations and two upper air sites. It was found that the simulated surface WS, RH, Temp and upper WS by DA3 show the best performance comparing with other case studies.

การศึกษานี้ได้ทดสอบประสิทธิภาพการพยากรณ์สภาพอุตุนิยมวิทยาในช่วงฝนตกหนักในพื้นที่ภาคเหนือตอนบนของประเทศไทย ในช่วงที่มีฝนตกหนักวันที่ 17 – 20 กรกฎาคม 2560 โดยใช้ข้อมูลนำเข้าที่มีความละเอียดสูง 0.25 องศา และเทคนิค Data Assimilation ด้วยข้อมูล NCEP ADP Global Upper Air and Surface Weather Observations, Radar Omkoi และการผสมข้อมูลระหว่าง NCEP ADP Global Upper Air and Surface Weather Observations และ Radar Omkoi โดยแบ่งการทดสอบเป็น 4 กรณี ได้แก่ (1)การจำลอง WRF model โดยไม่มีการใช้เทคนิค Data assimilation (Normal) (2) Data assimilation ด้วยข้อมูลผลตรวจวัดภาคพื้นดินและข้อมูลตรวจวัดเบื้องสูง (DA1) (3) Data assimilation ด้วยข้อมูลผลตรวจวัดจาก เรดาร์ (DA2) และ (4) Data assimilation ด้วยข้อมูลผลตรวจวัดที่มีการรวมกันของข้อมูลตรวจวัดภาคพื้นดินและข้อมูลตรวจวัดเบื้องสูง และ เรดาร์ (DA3) โดยใช้แบบจำลอง Weather Research and Forecasting (WRF) โดเมนมีความละเอียดกริดที่ 18, 6 และ 2 กิโลเมตร การประเมินความถูกต้องทุกผลจำลองสภาพอุตุนิยมวิทยาภาคพื้นดินใช้การคำนวณค่าสถิติ MEAN, Index of agreement (IOA) และ Factor of two (FA2) ของพารามิเตอร์ความเร็วลม (WS) พารามิเตอร์อุณหภูมิ (Temp) และความชื้นสัมพัทธ์ (RH) เปรียบเทียบกับผลตรวจวัดจากสถานีตรวจวัดสภาพอุตุนิยมวิทยา 12 สถานี และในการประเมินความถูกต้องของผลจำลองสภาพอุตุนิยมวิทยาเบื้องสูง ใช้การคำนวณค่าสถิติ Mean Normalized Bias (MNB), Mean Normalized Gross Error (MNE), Mean Fractional Bias (MFB) และ Mean Fractional Gross Error (MFE) มาใช้ในการประเมินความถูกต้องผลจำลองสภาพอุตุนิยมวิทยาเบื้องสูง เพื่อเปรียบเทียบกับผลตรวจวัดจากสถานีตรวจวัดเบื้องสูง 2 สถานี จากการศึกษาพบว่าการทดลองที่ (4) DA3 มีประสิทธิภาพในการพยากรณ์สภาพอุตุนิยมวิทยาภาคพื้นดิน (WS RH Temp) และมีประสิทธิภาพในการพยากรณ์สภาพอุตุนิยมวิทยาเบื้องสูง (WS) เนื่องจากผลการจำลองใกล้เคียงกับผลตรวจวัดจากสถานีมากที่สุด และให้ผลดีที่สุดในการคำนวณทางสถิติ