تعیین بهترین تابع توزیع احتمال برای برآورد بارش فصل رشد برنج در مناطق عمده برنجکاری کشور
Publish place: Physical Geography Research، Vol: 55، Issue: 2
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 132
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPHGR-55-2_003
تاریخ نمایه سازی: 3 مهر 1402
Abstract:
بارش علیرغم تامین آب دارای نقش های متعدد و متضادی در طول دوره زراعت برنج است و انتخاب مناسب توزیع احتمال رخداد آن گام مهمی در برنامه ریزی مدیریت منابع آب و تنظیم تقویم کشت و کاهش خسارت در شالی کاری است. در پژوهش حاضر، برای تعیین مناسب ترین توزیع های احتمال بارش در طول فصل رشد برنج، از داده های ۸ ایستگاه سینوپتیک سواحل جنوبی دریای خزر شامل ایستگاه های آستارا، بندر انزلی، رشت، رامسر، بابلسر، قراخیل، نوشهر و گرگان با طول دوره آماری ۳۰ ساله (۱۹۹۱-۲۰۲۰) استفاده شد. پس از کنترل کیفیت و همگن سازی داده ها، توزیع های برنولی-لوگ نرمال، برنولی-ویبول و برنولی-گاما بر داده های بارش در مقیاس های زمان روزانه (در پنجره هایی به طول سه روز بدون همپوشانی) و همچنین طول فصل رشد برنج برازش داده شدند. برای شناخت مناسب ترین توزیع از آزمون نیکویی برازش کلموگروف-اسمیرنوف (K-S) و شاخص آکائیک (AIC) استفاده شد. نتایج به دست آمده نشان داد توزیع برنولی-گاما مناسب ترین توزیع احتمالاتی برای برآورد بارش فصل رشد برنج در سواحل جنوبی دریای خزر است. پس از توزیع برنولی-گاما، توزیع برنولی-ویبول به ویژه برای ایستگاه نوشهر واقع در بخش مرکزی استان مازندران برازش بهتری را نشان داد. یافته های این تحقیق می تواند در کمی سازی میزان انتظار و ریسک ناشی ازبارش در مقاطع زمانی مختلف فصل رشد برنج بکار گرفته شود.
Keywords:
Authors
زهره جوانشیری
گروه اقلیم شناسی کاربردی، پژوهشکده اقلیم شناسی، پژوهشگاه هواشناسی و علوم جو
حدیث صادقی
گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران،
ابراهیم اسعدی اسکویی
گروه بلایای طبیعی و تغییر اقلیم، پژوهشکده اقلیم شناسی، پژوهشگاه هواشناسی و علوم جو.
مازیار غلامی
گروه محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
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 :