کاهش اثر ناهم واریانسی در محاسبه ی میانگین بارش سالانه ایران با کمک طبقه بندی اقلیمی

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 123

This Paper With 16 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_IWRR-15-4_011

تاریخ نمایه سازی: 29 بهمن 1401

Abstract:

ناهم واریانسی به عنوان مفهومی تعیین کننده می تواند محاسبه و کارآیی میانگین بارش را در پهنه ی سرزمینی ایران به چالش بکشد. این ناکارآیی باعث بروز خطا در برآورد آورد آب سالانه و بروز مشکل در مدیریت منابع آبی کشور می شود. لذا در این پژوهش با مبنا قراردادن طبقه بندی اقلیمی مسعودیان و بررسی داده های بارش ۱۴۶ ایستگاه همدید، در چهار مقیاس زمانی فصل پربارش، نیمه پربارش، پیش بارش و کم بارش، اثر ناهم واریانسی بر میانگین بارش از طریق آزمون لوین مورد بررسی قرار گرفته است. نتایج نشان داد علی رغم اینکه داده های بارش تمامی نواحی اقلیمی توزیع نرمال دارند اما وجود بارش های حدی به عنوان داده های پرت، واریانس های بسیار بزرگ و متفاوت بودن رژیم های بارشی برخی از ایستگاه های هر ناحیه ی اقلیمی، باعث پذیرفته نشدن فرضیه ی صفر آزمون لوین می شود و بیشتر نواحی اقلیمی با ناهم واریانسی روبه رو هستند. نتیجتا کاربرد شاخص میانگین نمی تواند شناخت کاملی از وضعیت بارش و توزیع داده های بارش را ارائه دهد. بنابراین برای نیل به میانگینی کارآ از بارش سالانه کشور لازم است با پرهیز از محاسبه ی میانگین در پهنه ی سرزمینی، اقدام به ارتقای میانگین بارش محاسبه شده در پهنه ی اقلیمی کرد و با انجام طبقه بندی اقلیمی اصلاح شده در محدوده ی حوزه های آبخیز، شناخت بهتری از رفتار بارشی در هر پهنه ی اقلیمی و کل پهنه ی سرزمینی ایران به دست آورد.

Keywords:

ایران , آزمون لوین , طبقه بندی اقلیمی مسعودیان , میانگین بارش , ناهم‎واریانسی

Authors

ارشک حلی ساز

استادیار/ گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان.

ساجده صفی خوانی

دانشجوی دکتری علوم و مهندسی آبخیزداری/ دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان.

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 :
  • Alijani B (۲۰۱۳) Climate of Iran (Geography). PNU press (In ...
  • Shams M and Mahdiyan B (۲۰۱۵) Multicollinearity, heteroscedasticity and consequences ...
  • نمایش کامل مراجع