خوشه بندی بارش ایران با استفاده از روشی نوین مبتنی برکاربرد نگاشت (SVD) و خوشه بندی فازی (FCM)
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 348
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GPS-9-31_007
تاریخ نمایه سازی: 2 مهر 1398
Abstract:
هدف این تحقیق خوشه بندی بارش ایران به منظور شناخت تفاوتهای مکانی آن است. داده های روزانه بارش، رطوبت نسبی و دمای نقطه شبنم 63 ایستگاه کشور در بازه زمانی 1985 تا 2013 از سازمان هواشناسی کشور اخذ شد. این داده های خام با استفاده از روش نگاشت تجزیه به مقادیر منفرد (SVD) فشرده و کاهش بعد داده شد و به عنوان ویژگیهای غیرخطی آماده سازی گردید. علاوه بر این ویژگیها 9 ویژگی بارش شامل روزهای با بارش سنگین (بزرگ تر مساوی 10 میلی متر)، روزهای با بارش خیلی سنگین (بزرگ تر مساوی 20 میلیمتر)، روزهای با بارش بزرگ تر مساوی 25 میلیمتر، بزرگ ترین تعداد روزهای خشک متوالی (CWD)، بزرگ ترین تعداد روزهای تر متوالی (CDD) و تعداد روزهای بارش در هر فصل به عنوان ویژگیهای خطی از بارش روزانه استخراج شد. در مرحله نهایی این ویژگیهای خطی و غیرخطی به هم الحاق شده و به سیستم خوشه بندی فازی وارد شدند. نتایج این تحقیق 6 خوشه بارشی را در ایران نشان داد. نواحی ساحلی خزر، سواحل خلیج فارس و دریای عمان، نواحی بسیارخشک مرکزی، نواحی نیمه خشک، نواحی کوهستانی و نیمه کوهستانی در خوشه های مجزا قرار گرفتند که با عرض جغرافیایی، توپوگرافی ایران و دوری و نزدیکی از دریا و منابع رطوبتی مطابقت نشان میدهند. مقایسه نتایج این خوشه بندی با روشهای دیگر که تاکنون انجام شده است حاکی از تفکیک و جداسازی قابل قبول ایستگاهها و خوشه ها با توجه به میزان بارش ایستگاهها و عوامل موثر بر آن میباشد.
Keywords:
Authors
همت اله رورده
استادیار گروه جغرافیا و برنامه ریزی شهری دانشکده علوم انسانی و اجتماعی دانشگاه مازندران
جمال قاسمی
استادیار گروه مهندسی برق دانشکده فنی و مهندسی، گروه مهندسی برق، دانشگاه مازندران
یدالله یوسفی
استادیار گروه جغرافیا و برنامه ریزی شهری دانشکده علوم انسانی و اجتماعی دانشگاه مازندران
زهره قاسمی
کارشناس ارشد اقلیم شناسی شهری دانشگاه مازندران
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 :