عنوان پایان‌نامه
مطالعه تطبیقی روش های برآورد منطقه اید مای روزانه (مطالعه موردی استان اصفهان)
- رشته تحصیلی
- مهندسی کشاورزی-هواشناسی کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 4932;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53798
- تاریخ دفاع
- ۲۶ تیر ۱۳۹۱
- دانشجو
- قمر فدوی
- استاد راهنما
- جواد بذرافشان
- چکیده
- داده های اقلیمی پیوسته کلیدی برای راه اندازی مدلهای کامپیوتری و آنالیزهای آماری میباشد که پایهای برای مطالعات علمی، از جمله مدیریت منابع آب به هنگام خشکسالی و سیل و همچنین استفاده بهینه از پتانسیلهای اقلیمی مناطق مختلف میباشد. دمای هوا یکی از مهمترین فراسنجهای ورودی مدلهای محیطی در ارتباط با فرایندهای بیولوژیکی مانند مراحل رشد گیاه و فرایندهای فیزیکی مانند ذوب برف میباشد. روند توسعه و کاربرد مدلهای محیطی مکانی سبب افزایش نیاز به روشهای پیشبینی مکانی فراسنجهای هواشناسی، از جمله دمای هوا، از دادههای ایستگاههای با پراکنش نامنظم، شده است. مطالعات زیادی بر روی درونیابی نرمالهای اقلیمی انجام شده است، که سهمی از این مطالعات نیز مربوط به درونیابی دمای کمینه و بیشینه میباشد. امروزه از روشهای متعددی برای برآورد منطقهای متغیرهای اقلیمی استفاده میشود. هدف تحقیق حاضر ارزیابی دقت روشهای مختلف درونیابی در برآورد منطقهای دمای کمینه وبیشینه روزانه در استان اصفهان و نیز مقایسه دقت این روشها در دو سال مختلف با تعداد ایستگاههای متفاوت و تأثیرآن در میزان دقت روشهای درونیابی میباشد. در این پژوهش برای درونیابی دمای کمینه و بیشینه روزانه استان اصفهان از دادههای مربوط به ایستگاههای سازمان هواشناسی کشور در سالهای 1992 و 2007 استفاده شد. سال 1992 با تعداد 30 ایستگاه ( 19 ایستگاه همدیدی و 11 ایستگاه اقلیم شناسی ) بعنوان سال با تعداد ایستگاه کم و سال 2007 با تعداد 54 ایستگاه ( 31 ایستگاه همدیدی و 23 ایستگاه اقلیم شناسی ) بعنوان سال با تعداد ایستگاههای تقریباً دو برابر سال 1992 انتخاب شدند، که از هر ماه این دو سال بطور تصادفی چهار روز انتخاب گردید که دو روز برای دمای کمینه و دو روز برای دمای بیشینه در نظر گرفته شد. در نتیجه برای هر سال 48 روز انتخاب و عملیات درونیابی از روشهای مختلف بر روی دادههای استخراج شده انجام شد. جهت منطقهای نمودن دادههای نقطهای دمای کمینه و بیشینهی روزانه روشهای درونیابی شامل: وزنی عکس فاصله، کریجینگ، کوکریجینگ، کریجینگ-وایازی، روش وایازی چندگانه خطی و اسپیلاین بکار گرفته شد و ارزیابی نتایج درونیابیها و انتخاب بهترین روش به کمک چهار سنجه ریشه میانگین مربعات خطا، میانگین خطای انحراف، میانگین خطای مطلق و ضریب همبستگی انجام شد. نتایج بدست آمده بیانگر این است که روش وایازی چندگانه خطی برای درونیابی دادههای دمای بیشینه وکمینهی روزانهی سال 1992 (با ریشه میانگین 0) و روش / 0 تا 95 / 3 و ضریب همبستگی از 37 / 0 تا 72 / 5، میانگین خطای انحراف از 98 / 1 تا 12 / مربعات خطا از 41 کریجینگ-وایازی و روش وایازی چندگانه خطی برای درونیابی دادههای دمای بیشینه وکمینهی روزانهی سال 2007 0/ 4 و ضریب همبستگی از 32 / 0 تا 27 / 5، میانگین خطای انحراف از 77 / 0 تا 18 / ( با ریشه میانگین مربعات خطا از 99 0) با داشتن کمترین خطا و بیشترین ضریب همبستگی بعنوان بهترین روش بوده و روشهای کریجینگ، / تا 96 کوکریجینگ، وزنی عکس فاصله و اسپیلاین در مراتب بعدی قرار گرفتند. همچنین افزایش تعداد ایستگاه در سال 2007 سبب افزایش دقت در تخمین دمای بیشینهی روزانه در کلیهی روشهای مورد مطالعه نسبت به سال 1992 گردید. در حالی که در مورد دمای کمینه این افزایش تعداد ایستگاه تأثیری در بهبود دقت روشهای مذکور نداشت. در پایان می توان نتیجه گیری نمود که برای برآورد دمای روزهای مختلف یک ماه به کمک یک روش خاص درون یابی، نمیتوان نتایج مشابهی بدست آورد. لغات کلیدی: اصفهان، دادههای اقلیمی، درونیابی ، دماهای کمینه و بیشینه ی روزانه
- Abstract
- Continuous climatic data are a key factor for computer modeling and statistical analysis which is fundamental for scientific research such as water resources management, drought, flood and optimal use from climatic potentials of different region. Air temperature is one of the most important input variables for environmental methods in relation to biological processes like crop growth stages and physical processes e.g., snowmelting. There are many research works on interpolation of climatic normals, which some of them are related to the minimum and maximum temperature. The main objective of this study is to evaluate different interpolation methods for estimation of regional minimum and maximum temperature in the Isfahan province. In order to find the effect of namber of stations on the accuaracy of the interpolation methods, two years including 1992 and 2007 with different number of meteorological stations have been selected the temperature data of thirty mereorological stations (17 synoptic and 13 climatological stations) for 1992 year and fifty four mereorological stations(31 synoptic and 23 climatological stations) for 2007 year were used from Isfahan province and neighbouring provinces. For each year four days of each month were randomly selected which two days for minimum and two days for maximum temperature were allocated. Therefore, for each year 48 days were used for different interpolation methods. In order to regionalize the point data of daily minimum and maximum temperature, the interpolation methods, including inverse distance weighted (IDW), Kriging, Co-Kriging, Kriging-Regression, multiple regression and Spline were used. Using difference measures viz. Root Mean Square Error (RMSE), Mean Bias Error (MBE), Mean Absolute Error (MAE) and Correlation Coefficient (r), the performance and accuracy of each model were tested to select the best method. The results revealed that the application of multiple regression method for interpolation produced less errors between observed and estimated minimum and maximum temperature in 1992 (RMSE ranges from 1.41 to 5.12, MAE ranges from 0.98 to 3.72, and r ranges from 0.37 to 0.95). For 2007 year, the best estimation was performed by multiple regression and Kriging-Regression (RMSE=ranges from 0.99 to 5.18, MAE ranges from0.77 to 4.27, and r ranges from 0.32 to 0.96). Kriging, Co-Kriging, IDW, Spline methods were also reasonably performed well and could be used as the second order of priority. In addition, with increasing number of stations in 2007 as compared to 1992, the overall accuracy of model performance in estimation of daily maximum temperature have been improved. Although, regarding minimum temperature, the accuracy of the model performance has not been increased. It can be concluded that for estimation of daily temperature of different days in a month,it is not possible to get the result using a special interepolation method.
