بررسی کارایی روش های بازسازی نواقص آماری در رابطه با پارامتر بارش در مناطق خشک ایران
Publish place: Journal of the Earth and Space Physics، Vol: 47، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 126
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-47-2_008
تاریخ نمایه سازی: 26 مهر 1402
Abstract:
نواقص آماری عاملی رایج در داده های اقلیمی هستند و برای تخمین آنها تا به حال روش های متنوعی توسعه یافته اند. در این میان، روش های نسبت نرمال، رگرسیون خطی، رگرسیون چندمتغیره و عکس مجذور فاصله یا IDW از کاربرد گسترده ای در مطالعات منابع طبیعی کشور ما برخوردار هستند. در پژوهش حاضر، قابلیت هر یک از روش های مذکور در بازسازی نواقص آماری بارش روزانه، ماهانه و سالانه مناطق خشک کشور متناسب با میزان نسبت نقص داده از ۵ درصد تا ۵۰ درصد داده ها موردارزیابی قرارگرفت. نتایج نشان داد که هر روش متناسب با شرایط میزان دادههای گم شده از عملکرد متفاوتی برخوردار است. روش رگرسیون چند متغیره هنگامی که نقص داده ها زیاد نباشد از دقت بیشتری در بازسازی داده های روزانه برخوردار است ولی در کل به میزان نسبت داده های گم شده حساس می باشد. روش نسبت نرمال در بازسازی نواقص بارش روزانه مناسب نیست ولی نسبت به میزان نقص داده ها از سایر روش ها پایدارتر است. در سری های زمانی ماهانه عملکرد IDW و سپس نسبت نرمال مناسب است. در سری های سالانه به ترتیب، روش همبستگی خطی، نسبت نرمال و IDW عمکرد بهتری دارند. در کل هر روش متناسب با شرایط بایستی مورد استفاده قرارگیرد و پیشنهاد می شود برای بازسازی نواقص آماری، یک بسته نرم افزاری برای کل کشور ارائه شود.
Keywords:
Authors
Mohammad Reza Kousari
استادیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
Mitra Sadat Esmaeilzadeh Hosseini
دانشجوی دکتری، گروه مدیریت مناطق خشک و بیابانی، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد، یزد، ایران
Morteza Miri
استادیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، 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 :