ارزیابی دقت و اصلاح شبکه بارش روزانه آفرودیت در استان گلستان

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 269

This Paper With 14 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_JWSC-24-4_016

تاریخ نمایه سازی: 11 آبان 1398

Abstract:

سابقه و هدف: برآورد بارش در مناطق فاقد آمار هواشناسی اهمیتی حیاتی در مطالعات هیدرولوژی و هواشناسی دارد. این مسئله در کشور ما که فاقد شبکه متراکم ثبت بارش به ویژه در مناطق مرتفع می باشد، اهمیت بیشتری پیدا می کند. شبکه متراکم بارش آفرودیت، داده های روزانه بارش را در گره های 25/0×25/0 درجه در محدوده ایران اختیار قرار می گذارد اما قبل از استفاده از آن صحت شبکه و عدم قطعیت آن باید بررسی گردد. در مورد این پایگاه داده در ایران و جهان مطالعات محدودی صورت گرفته است. این تحقیق با هدف بررسی دقت و صحت داده های بارش شبکه آفرودیت در استان گلستان در مقیاس های مختلف زمانی روزانه، ماهانه و سالانه انجام شد. همچنین دقت این شبکه با روش های معمول درون یابی مقایسه و داده های آن برای کاربردی نمودن هرچه بیشتر اصلاح شد. مواد و روش: در این پژوهش از داده های 24 ایستگاه هواشناسی شامل 5 ایستگاه همدیدی و 19 ایستگاه باران سنجی به منظور ارزیابی شبکه آفرودیت استفاده شد. نقاط شبکه بر مبنای نزدیک ترین نقطه به ایستگاه های هواشناسی انتخاب شدند و آنالیز داده ها در 3 مقیاس روزانه، ماهانه و سالانه انجام شد. پس از بررسی و ارزیابی دقت داده های شبکه، به منظور اصلاح خطای داده های بارش ماهانه و سالانه شبکه، از ضریب اصلاحی نسبت میانگین ها استفاده شد. سپس دقت داده های اصلاح شده این شبکه با دو روش معمول درون یابی کریجینگ عمومی و وزنی عکس فاصله مقایسه شد. برای ارزیابی این روش ها تکنیک اعتبارسنجی ارزیابی متقاطع به کار گرفته شد و با محاسبه آماره های خطا، روش های مختلف با یکدیگر مقایسه شدند. یافته ها: نتایج حاصل از بکارگیری شاخص خطای اریبی جهت ارزیابی خطا در هر 3 مقیاس روزانه، ماهانه و سالانه نشان داد که در همه مقیاس های مورد بررسی داده های آفرودیت علی رغم همبستگی بسیار خوب با داده های ایستگاهی، دارای خطای کم-برآوردی زیادی هستند که این خطا در نقاط پربارش بیشتر است. ضرایب بدست آمده برای اصلاح داده های ماهانه و سالانه شبکه بین 2/1 در ماه های سرد تا 8/1 در ماه های گرم تغییر می کند. بررسی خطای شبکه اصلاح شده در ماه های مختلف نشان داد علاوه بر رفع مشکل کم برآوردی، میانگین خطا نیز به مقدار زیادی کاهش یافته است، همچنین در مورد بارش سالانه، جذر میانگین مربعات خطا از 247 به 194 میلیمتر تقلیل یافته است. با توجه به اینکه برای اصلاح داده های شبکه تنها یک عدد ثابت (ضریب اصلاحی) در داده ها ضرب شد، بنابراین ضرایب همبستگی بدون تغییر باقی ماند. مقایسه داده های اصلاح شده با روش های درون-یابی در همه ماه های مورد بررسی نشان داد که شبکه اصلاح شده از هر دو روش درون یابی کارآمدتر است. بررسی ضرایب همبستگی داده های واقعی و برآوردی نشان داد که همبستگی شبکه اصلاح شده با داده های واقعی در همه ماه ها مثبت است اما در روش های وزنی عکس فاصله و کریجینگ عمومی در برخی موارد ضریب همبستگی منفی بدست آمد که نشان می دهد شبکه اصلاح شده علاوه بر خطای کمتر در تشخیص درست نقاط کم بارش و پربارش منطقه نسبت به روش های درون یابی کارآمدتر است. نتیجه گیری: نتایج این پژوهش نشان می دهد که شبکه متراکم آفرودیت دقت بسیار خوبی در تخمین بارش نقاط فاقد ایستگاه هواشناسی به خصوص در مناطق مرتفع دارد و نسبت به روش های درون یابی کریجینگ عمومی و وزنی عکس فاصله نتایج دقیق-تری دارد، ولی به دلیل مشکل کم برآوردی داده های این شبکه، قبل از عملیاتی کردن داده ها شبکه باید اصلاح گردد.

Authors

مهدی نادی

استادیار دانشگاه علوم کشاورزی و منابع طبیعی ساری

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 :
  • Baranizade, E., Javanmard, S., Bodagh Jamali, J., and Abedini, Y.A. ...
  • monitoring in Iran using Network precipitation Data with high resolution ...
  • First National Conference on drought and climate change. ...
  • Francisco, J.M. 2010. Comparison of different geostatistical approaches to map ...
  • variables: application to precipitation. Inter. J. Climatol. 30: 620-631. ...
  • Ghorbani, Kh. 2012. Geographically Weighted Regression: A Method for Mapping ...
  • in Gilan Province. J. Water Soil. 26: 3. 743-752. (In ...
  • Gohar, A., Rasul, G., Mahmood, T., Zaman, Q., and Cheema, ...
  • APHRODIT precipitation data for humid and sub humid regions of ...
  • Meteorol. (Pakistan). 9: 17. 57-69. ...
  • Gruber, A., and Levizzani, V. 2008. Assessment of Global Precipitation ...
  • the World Climate Research Programme Global Energy and Water Cycle ...
  • GEWEX) radiation panel ; WCRP Report, No. 128, WMO/TD, No. ...
  • Jamei, M., Mousavi Baygi, M., and Bannayan Awal, M. 2014. ...
  • APHRODIT Daily Precipitation Estimates and Estimates derived from spatial interpolation ...
  • of Precipitation in the Khuzestan province. J. Water Soil. 28: ...
  • Javanmard, S., Badagh Jamali, J., and Pirhayati, M.K. 2011. Development ...
  • precipitation Data Sets with High Spatial and temporal Resolution Over ...
  • First National Conference on drought and climate change. ...
  • Mair, A., and Fares, A. 2011. Comparison of Rainfall Interpolation ...
  • Region of a Tropical Island. J. Hydrol. Engin. 16: 4. ...
  • Mir Mousavi, H., Mazidi, A., and Khosravi, Y. 2010. Determine ...
  • Geostatistics to estimate the distribution of rainfall using GIS. (Case ...
  • province). J. Geograph. Space. 30: 10. 105-120. (In Persian) ...
  • Nadi, M., Jamei, M., and Bazrafshan, M.J. 2012. Evaluation of ...
  • Interpolation of Mean Monthly and Annual Precipitation Data (Case Study: ...
  • Province). J. Physic. Geograph. Res. Quar. 44: 4. 117-130. (In ...
  • Nadi, M., Khalili, A., Pourtahmasi, K., and Bazrafshan, J. 2013. ...
  • Interpolation Techniques of Climatic Data for Determining the Most Important ...
  • Affecting the Trees Growth in the Elevated Areas of Chaharbagh, ...
  • : 1. 83-95. (In Persian) ...
  • Ono, K., and So, K. 2011. Analysis of extreme daily ...
  • daily rainfall data set. Hydro-climatology, Variability and Change conference, Melbourne, ...
  • Australia, Pp: 169-175. ...
  • Rajeevan, M., and Bhate, J. 2009. A high resolution daily ...
  • 1-2005) for meso-scale meteorological studies. Curr. Sci. 96: 558-562. ...
  • Raziei, T., Azizi, Gh., Mohamadi, H., and Khoshakhlagh, F. 2010. ...
  • Daily Circulation Types over Iran and the Middle East. J. ...
  • : 4. 17-34. (In Persian) ...
  • Raziei, T., Mofidi A., Santos, J., and Bordi, I. 2011.Spatial ...
  • precipitation in Iran in relation to large-scale atmospheric circulation. Inter. ...
  • Saghafiyan, B., Razmkhah, H., and Ghermezcheshm, B. 2011. Investigation of ...
  • variations of annual precipitation using geostatistical methods (Case study: Fars ...
  • J. Manage. Syst. 4: 9. 29-38. (In Persian) ...
  • Vu, M.T., Raghavan, S.V., and Liong, S.Y. 2012. SWAT use ...
  • for simulating runoff – a Vietnam river basin study Hydrology ...
  • Yatagai, A., Kamiguchi, K., Arakawa, O., Hamada, A., Yasutomi, N., ...
  • APHRODITE: Constructing a Long-Term Daily Gridded Precipitation Dataset for Asia ...
  • Based on a Dense Network of Rain Gauges. Bulltion of ...
  • نمایش کامل مراجع