پیش‌بینی تعداد روزهای گرد و غباری سالیانه در استان خراسان رضوی با تحلیل‌های فضایی- زمانی

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 293

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_GEH-8-4_007

تاریخ نمایه سازی: 24 فروردین 1400

Abstract:

یکی از مهم‌ترین چالش‌های محیطی در سالیان اخیر در استان خراسان رضوی پدیده گرد و غبار است. بر این اساس پیش‌بینی فضایی- زمانی تعداد روزهای گرد و غباری سالیانه با استفاده از روش کریجینگ و با کمک نرم‌افزار R مورد بررسی قرار گرفت که در آن سرعت باد 15 متر در ثانیه و بیشتر و دید افقی زیر 1000 متر از نظر سازمان هواشناسی جهانی به عنوان روز گرد و غباری در نظر گرفته شد. پس از حذف همپوشانی داده‌ها از دو ماتریس فضایی- زمانی دید افقی و سرعت باد، آرایه SP Data به صورت ترکیبی از ماتریس و بردار در کلاس STFDF و STF ساخته شد. سپس تمامی مدل‌های تفکیک‌پذیر و غیر تفکیک‌پذیر، به مدل تجربی داده‌ها برازش داده شدند که تغییرنگار متریک با کمترین میانگین مربعات خطا به عنوان بهترین مدل برای پیش‌بینی تعداد روزهای گرد و غباری سالیانه انتخاب شد. خروجی مدل نشان داد که داده‌ها تا 5 سال دارای وابستگی فضایی- زمانی هستند، لذا می‌توان تا سال 2022 تعداد روزهای گرد و غباری را برآورد نمود. حدود اطمینان تعداد روزهای گرد و غباری در سطح 95% نشان داد در سال 2019 ایستگاه سبزوار با 56 روز بیشترین و ایستگاه گناباد با 26 روز کمترین تعداد روز گرد و غباری را خواهند داشت. همچنین پیش‌بینی‌ها نشان می‌دهد تعداد روزهای گرد و غباری در استان خراسان رضوی از 39 روز تا 42 روز در سال 2022 می‌رسد که روندی افزایشی دارد.

Keywords:

تغییرنگار فضایی- زمانی , پیش بینی , روزهای گرد و غباری , خراسان رضوی , تحلیل های فضایی- زمانی , کریجینگ

Authors

احمد حسینی

دانشگاه پیام نور، ایران

بهلول علیجانی

دانشگاه خوارزمی تهران

یدالله واقعی

دانشگاه بیرجند

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • آمار سازمان هواشناسی کشور، سرعت باد و دید افقی از ...
  • امیدوار، کمال؛ نکونام، زری؛ 1390. کاربرد گلباد و گل غبار ...
  • پورهاشمی، سمیرا؛ بروغنی، مهدی؛ زنگنه اسدی، محمدعلی؛ امیراحمدی، ابوالقاسم؛ 1394. ...
  • جهانشیری، مهین، 1389؛ بررسی آماری و سینوپتیکی آلودگی هوای مشهد. ...
  • ضیائی گلریز، زهرا؛ صادقی، حمید؛ معتمدی، محمد؛ ژاله رجبی، میترا؛ ...
  • علیجانی، بهلول؛ نجفی نیک، زهرا؛ 1388. بررسی سینوپتیکی اینورژن در ...
  • فرج زاده اصل، منوچهر، علیزاده؛ خاطره؛ 1389. تحلیل زمانی و ...
  • قربانی، محمد؛ فیروز زارع، علی؛ 1388. مقدمه‌ای بر ارزش‌گذاری محیط ...
  • کاخکی مهنه، حمید؛ 1392. استفاده از مدل شبکه عصبی مصنوعی ...
  • لشکری، حسن؛ کیخسروی، قاسم؛ 1387. تحلیل آماری سینوپتیکی طوفان‌های گرد ...
  • محمدزاده، محسن؛ 1394. آمار فضایی و کاربردهای آن. انتشارات دانشگاه ...
  • محمدی مرادیان، جمیله؛ حسین زاده، سیدرضا؛.1394. پایش ماهواره‌ای و تحلیل ...
  • مهرشاهی، داریوش؛ نکونام، زری؛ 1388. بررسی آماری پدیده‌های گرد و ...
  • Annex II to the WMO Technical Regulations Part A – ...
  • Annex II to the WMO Technical Regulations, Manual on Codes ...
  • Bivand, R & Altman., M & Anselin, L. ( 2017). ...
  • Caeiro, F & Mateus, A. (2015). Testing Randomness in R. ...
  • Colles J, & Traylor.(2003). Francis, Air Pollution. Inc, Lamdon and ...
  • Cressie, N. (1993). Statistics for spatial data,John Wily,Sons,NewYork. ...
  • De Cesare, L. Myers, D. Posab (2001). D. Estimating and ...
  • Gaetan, C. Guyon, X. (2010). Spatial Statistics and Modeling. Springer ...
  • Gräler, B & Pebesma,E.& Heuvelink,( 2016). G. Spatio-Temporal Interpolation using ...
  • Hengel,T & Roudier, P & Beaudette, D & Pebesma, E.(2015). ...
  • Kilibarda, M. (2013). A Plot Google Maps Tutorial. University of ...
  • Loecher, M. (2016). Overlays on Static Maps. Package ʽR Google ...
  • Mateus, A & Caeiro, F. (2014). ʺAn R Implementation Of ...
  • Pebesma, E, &.Bivand, R. Classes and Methods for Spatial Data. ...
  • Pebesma, E. (2012). spacetime: Spatio-temporal data in R. Journal of ...
  • Pebesma, E. (2013). Spatio-temporal overlay and aggregation. Ifgi. Institute for ...
  • Pebesma, E. Spatial and Spatio-Temporal Geostatistical Modelling, Prediction and Simulation. ...
  • Pebesma, E., & Gräler, B. (2016). Spatio-temporal geostatistics using gstat. ...
  • Pebesma,E & Gräler, B. Gottfried,T. Hijmans, R.( 2017). Classes and ...
  • R Development Core Team. (2011). R: A language and environment ...
  • Robert J. Hijmans. 2017. Geographic Data Analysis and Modeling.‘Raster’Package.R Core ...
  • United Nations Enviroment Programme, Environmental News Emergencies, Available from: URL: ...
  • نمایش کامل مراجع