عنوان پایان‌نامه
ارزیابی روشهای درون یابی بارش در اقلیم شناسی ( مورد : جنوب غرب ایران )
- رشته تحصیلی
- جغرافیای طبیعی-اقلیم شناسی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده جغرافیا شماره ثبت: 1681;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59060
- تاریخ دفاع
- ۱۷ تیر ۱۳۹۱
- دانشجو
- اشرف تخت اردشیر
- استاد راهنما
- قاسم عزیزی
- چکیده
- بارش یکی از مهم¬ترین عناصر اقلیمی است که بررسی و شناخت آن، در مدیریت و برنامه¬ریزی¬های محیطی از اهمیت بسیار زیادی برخوردار می¬باشد. ارتباط این عنصر با متغیرهای محیطی سبب گرایش متخصصین به استفاده از روش¬های آمار کلاسیک از جمله رگرسیون¬های چند متغیره و در سال¬های اخیر روش¬های میان¬یابی جبری و زمین¬آمار به منظور بررسی ویژگی¬های آماری و فضایی این متغیر شده است. هدف تحقیق حاضر نیز ارزیابی روش-های میان¬یابی در مدل¬سازی بارشی محدوده¬ی جنوب¬غرب ایران می¬باشد. در تحقیق حاضر سعی شده است علاوه بر ارزیابی روش¬های درون¬یابی، توانایی روش¬های رایج آمار کلاسیک (رگرسیون چند متغیره) و روش آمار فضایی (رگرسیون وزنی جغرافیایی) در مدل¬سازی بارشی محدوده¬ی جنوب¬غرب ایران مورد بررسی و تجزیه و تحلیل قرار گیرد. به منظور انجام این کار ابتدا داده¬های بارش 1077 ایستگاه مربوط به سازمان هواشناسی (بارش روزانه) و وزارت نیرو (بارش روزانه) که در محدوده¬ی مطالعاتی وجود داشت اخذ و با توجه به سه عامل عدم نیاز به بازسازی داده، طول دوره¬ی زمانی و چگونگی تراکم ایستگاهی، ایستگاه¬هایی که دارای داده¬های بارش 20 ساله¬ بودند (تعداد 197 ایستگاه) به منظور بررسی در این تحقیق انتخاب گردید. در ادامه اطلاعات مربوط به متغیرهای کمکی ارتفاع، درجه¬ی شیب، جهت شیب، فاصله از منبع رطوبتی، فاصله از خط¬الرأس و طول¬و عرض جغرافیایی برای هر کدام از 197 ایستگاه مطالعاتی از لایه¬های تهیه شده در محیط ArcGIS استخراج گردید. سپس به ترتیب به منظور مدل-سازی بارش محدوده¬ی جنوب¬غرب ایران از روش رگرسیون چند متغیره، رگرسیون وزنی جغرافیایی و روش¬های میان¬یابی جبری و زمین¬آمار (20 روش برای هر ماه) استفاده گردید. باقیمانده¬ی خطاها در تمامی مدل¬های رگرسیون چندمتغیره، رگرسیون وزنی جغرافیایی و روش¬های میان¬یابی جبری و زمین آماری در مقیاس ماهانه و سالانه توسط آماره¬ی موران مورد بررسی قرار گرفت و در پایان دقت مدل¬هایی که توسط آماره¬ی موران تأیید شده بود، توسط آماره¬های خطای اریب میانگین، خطای مطلق میانگین، مجذور مربعات میانگین خطاها، خطای سیستماتیک و غیر سیستماتیک مدل، شاخص قابلیت پذیرش و ضریب همبستگی به منظور انتخاب روش بهینه¬ی درون¬یابی در هر کدام از ماه¬ها و در مقیاس سالانه سنجیده شد. همچنین به منظور بررسی نقش تراکم ایستگاهی در گزینش نوع و دقت
- Abstract
- Precipitation is one of the most important factors in climatology, that evaluation and determination of this factor is necessary to manage and design environmental plans. Relationship between this factor and other environmental factors cause that experts have tended to use different methods such as classical statistic like multi regression, or mathematic interpolation and Geostatistic (recently) to evaluate spatial and statistical feature of precipitation. As regard above, the purpose of this research is assessment of interpolation methods for precipitation modeling in south west of Iran. In addition, in this research besides using interpolation methods was attempted to assess capacity of current methods including classical statistic (multi regression) and spatial statistic (Geographic weight regression) by modeling precipitation in south west of Iran. For this aim, first precipitation data that existed for study area obtained from 1077 stations belong to meteorological organization ( daily precipitation) and department of energy (daily precipitation), then, in order to three factor including inessential restructure, period of time and density of stations, each station that had twenty years data have chosen throughout 197 stations. In the next stage, information about ancillary data such as elevation, steepness, steep aspect and distance from moisture resources, mountain’s peak, valley and geographic latitude for each 197 stations around study area extracted in GIS framework. SO, for modeling precipitation in south west of Iran respectively, multi regression, geographic weight regression, mathematic interpolation and Geostatistic was used (twenty methods for a month). Root mean square (RMS) of all these methods in a month and year scale was evaluated by Moran index. In the final phase, each model was confirmed by Moran index, evaluated by different index like, bias error parameter, mean absolute error, mean square error, systematic and haphazardly model error, a
