آماری
انتخاب پایه زمانی مشترک برای دادها
با توجه به اینکه لازمه مطالعات اقلیم شناسی آماری 25 تا 30 ساله است به همین منظور باز سازی نواقص آماری به روش همبستگی انجام شد. در منطقه مورد مطالعه تعداد 17 ایستگاه سینوپتیک و کلیماتولوژی وجود دارد که از این تعداد 6 ایستگاه دارای 25 سال آمار کامل میباشند. با استفاده از این ایستگاهها پایه زمانی مشترک ایستگاهها را 25 سال در نظر گرفته شد.
کنترل کیفیت آمارهای موجود
دادههای هواشناسی ثبت شده در ایستگاههای هواشناسی بدلیل کالیبره نبودن دستگاهها، خطا در ثبت مقادیر پارامترها توسط متصدی، تعویض دستگاههای ثبت کننده مقادیر پارامترها، رخدادهای تاریخی مانند بارشهای طولانی مدت با شدت زیاد یا وقوع یک سرمای ناگهانی و … دارای روندی منظم نمیباشد. گام حیاتی قبل از تحلیلهای آماری وارسی دادههای مورد بحث میباشد که در اغلب تحقیقات فراموش میشود. همه روشهای آماری مشمول این نکته میشوند که ورودی غلط، خروجی غلط به بار میآورد. شناسایی دادههای پرت از این نظر اهمیت پیدا می کنند که در نتایج بدست آمده از سایر آنالیزها دخالت نموده ومیتواند نتایج نهایی را تحت تاثیر قرار دهد و اشتباهی رقم زند. Fox (2008) اظهار داشته که ناهمگنی واریانسها باعث بروز مشکلات جدی در رگرسیون خطی و تحلیل واریانس شده دارد همچنین Hubert (1994) هم اظهار نموده که دادههای پرت در نتایج بعضی روشهای چند متغیره تاثیر دارند. روشهای مختلفی برای شناسایی دادههای پرت وجود دارد اما باکس پلات یا نمودار جعبهای با توجه به شکلی که از مجموعه دادهها ترسیم میکند، تشخیص دادههای پرت و دادههای مشکوک را سادهتر و آسانتر می نماید. همچنین نمودار جعبهای تحت تاثیر دادههای پرت قرار نمیگیرد که یک مزیت نسبت به سایر روشها میباشد [93]. صحت و دقت دادههای هواشناسی با رسم باکس پلات مربوط به هر پارامتر مورد ارزیابی قرار گرفت. با ترسیم باکس پلاتها دادههای پرت را که از روند طبیعی دادههای ثبت شده تبعیت نمیکند، می توان در دوره مورد مطالعه مشخص نمود. برای بررسی صحت و دقت دادهها از نرم افزار SPSS استفاده گردید.
باز سازی نواقص آماری
با توجه به اینکه تاریخ تاسیس ایستگاههای یک منطقه یکسان نیست و از طرف دیگر نقایص احتمالی داده ها، برداشت غلط آمارها و حذف آن توسط کارشناس کنترل، تخریب ایستگاه ها در اثر سوانح طبیعی مانند سیل، زلزله و… و یا تعطیلی این ایستگاهها در اثر جنگ موجب شده که برای یک پایه زمانی مشخص، آماری کامل وجود نداشته باشد به همین دلیل بازسازی آمارهای ناقص اجباری است که از روشهای زیر استفاده شد.
الف: روش ایستگاه معرف
ب: روش نسبت نرمال
ج: روش همبستگی بین ایستگاه ها
د: روش محور مختصات
در این مطالعه از روش همبستگی بین ایستگاهها برای بازسازی آمارهای ناقص استفاده شد. در این روش ایستگاه ناقص با ایستگاه شاهد که در سالهای ناقص دارای آمار کامل تر بوده و همچنین بالاترین ضریب همبستگی را با ایستگاه ناقص داشته باشد، استفاده شد [45]. و نواقص آماری ایستگاههای دیگر نیز با روش مذکور با استفاده از این ایستگاهها صورت پذیرفت.
جهت اطمینان از صحت و دقت باز سازی نواقص آماری، میانگین، انحراف معیار و ضریب تغیرات ایستگاههای ناقص قبل و بعد از بازسازی دادهها با هم مقایسه شدند.
درونیابی1
الف: انتخاب مناسب ترین روش درون یابی
انتخاب روش درونیابی تحت تاثیر عوامل زیادی است که در درجه اول به طبیعت متغیر و تغییرات مکانی آن وابسته است. از فاکتورهای مهم برای انتخاب روش درونیابی، دقت اندازه گیری میباشد. جهت درونیابی دادههای هواشناسی در منطقه ابتدا سه روش کرجینگ، کوکرجینگ و عکس فاصله وزنی که مناسبترین و پرکاربردترین روشها برای درونیابی هسستند همچنین با توجه به فیزیک پدیده و با آگاهی از تئوری روشها انتخاب شد. با استفاده از نرم افزار ArcGIS 9.2 مقادیر برآوردی برای هر ایستگاه با روشهای منتخب شده محاسبه شد. مقادیر برآوردی برای هر روش با مقادیر برداشت شده در هر ایستگاه با روش مقایسه میانگین، مقدار ضریب همبستگی، انحراف معیار، انحراف از میانگین و مقدار ریشه دوم میانگین مربع خطا2 مورد ارزیابی قرار گرفت [7].
– ریشه دوم میانگین مربع خطا (RMSE):
برای هر یک از نقاط مشاهدهای، که معمولا تنها ابزار مقایسه میباشند، تخمینی با به کارگیری روشهای درونیابی انجام میگیرد و سپس مقدار تخمین با مقدار مشاهدهای با رابطه (3-3) مقایسه میگردد. در این تحقیق سه روش انتخابی اولیه برای درونیابی دادهها با معیار ریشه دوم میانگین مربع خطا مورد ارزیابی قرار گرفت.
این معیار از رابطه (3-3) محاسبه شده و هر قدر مقدار RMSE به صفر نزدیکتر باشد بیانگر خطای کمتر روش و دقت بیشتر آن در درونیابی دادههای هواشناسی میباشد (2).
رابطه(3-3) RMES=1/n √(∑_(i=l)^n▒〖(Z^* (x_i)-Z(x_i))^2 〗)
که در آن
Xi متغیر مورد نظر
(Xi) ٭Z مقدار برآورد شده در Xi
(Xi) ٭Z مقدار مشاهده شده در Xi
n تعداد نقاط با متغیر مشاهدهای
ب: مناسبترین اندازه شبکه سلولی
یکی از عوامل اساسی که دقت مدل را تحت تاثیر قرار میدهد اندزه پیکسل یا اندازه شبکه بندی برای درونیابی دادههای مشاهدهای میباشد. کاهش اندازه سلولهای شبکه بندی دقت مدل را افزایش می دهد اما کاهش بیش از مقدار مجاز اندازه سلول باعث
اغراق آمیزی آن میگردد.
برای تشخیص اولیه مناسبترین اندازه شبکه سلولی جهت میانیابی دادههای هواشناسی، اقدام به درونیابی دادههای بارندگی سالانه با اندازه پیکسلهای مختلف 3، 4، 5، 6، 8، 10، 20، 30، 40، 50، 60، 70، 80، 90، 100 کیلومترمربع گردید. به همین منظور میانگین دادههای دورنیابی شده با اندازه مختلف پیکسل محاسبه و نمودار آن شکل (4-11) رسم گردید. برای تشخیص مناسبترین اندازه شبکه بندی برای منطقه اطلاعات و دادههای که از روش میانیابی برای نقاط مجهول بدست آمده بررسی گردید تا اندازه شبکهای سلولی با کمترین میزان خطا بدست آید. در هر منطقه تعداد ایستگاههای باران سنجی بسیار بیشتر از ایستگاههای سینوپتیک و کلیماتولوژی است، لذا از این ایستگاهها برای تعیین بیشترین همبستگی بین بارندگی سالانه دادههای میانیابی شده با دادههای برداشت شده از ایستگاه ها استفاده شد. برای تعیین اندازه شبکه یا پیکسل مناسبتر، نقشه دادههای درونیابی شده با نقشه ایستگاههای سینوپتیک، کلیماتولوژی و باران سنجی منطبق گردید شکل (3-7). سپس ارقام نقاطی که در دو نقشه با هم منطبق بود یا تقریبا نزدیک به هم هستند استخراج گردید. جهت بررسی دادههای بدست آمده و تعیین اندازه پیکسل مناسبتر، آنالیز مقایسه میانگین بر روی داده ها انجام گرفت تا مقادیر انحراف معیار، انحراف از میانگین، ضریب همبستگی را محاسبه شد و همچنین مقدار RMSE برای دادههای اندازه شبکههای سلولی مختلف محاسبه گردید.
د: درونیابی دادهها
جهت مطالعات اقلیمی استان، دادههای تخمین زده شده در سطح کل استان مورد نیاز است. برای درونیابی پارامترهای اقلیمی موجود در 26 ایستگاه هواشناسی منتخب جدول (3-4) که به نحوی با اقلیم منطقه در ارتباط هستند را با مناسبترین روش درونیابی به کل سطح استان تعمیم داده شد. درونیابی با نرم افزار Surfer 10 انجام شد.

این مطلب رو هم توصیه می کنم بخونین:   تحقیق با موضوعقیمت بازار، صاحبان سهام، حقوق صاحبان سهام

جدول (3-4): پارامترهای اقلیمی موجود در 26 ایستگاه هواشناسی منتخب
شرح متغیرها
تعداد متغیرها
مخفف
میانگین بارش ماهها، سالانه و فصول (میلیمتر)
17
PR
تعداد روزهای بارانی ماههای سال و سالانه (روز)
13
RD
تعداد روزهای بارانی بیشتر از یک میلیمتر ماههای سال و سالانه (روز)
13
RD1
تعداد روزهای بارانی بیشتر از پنج میلیمتر ماههای سال و سالانه (روز)
13
RD5
تعداد روزهای بارانی بیشتر از ده میلیمتر ماههای سال و سالانه (روز)
13
RD10
میانگین دما ماههای سال، فصلی و سالانه (سلیسیوس)
17
AT
میانگین حداقل دما ماههای سال، فصلی و سالانه (سلیسیوس)
17
ALT
میانگین حداکثر دما ماههای سال، فصلی و سالانه (سلیسیوس)
17
AHT
حداقل مطلق دما ماههای سال و سالانه (سلیسیوس)
13
TRL
حداکثر مطلق دما ماههای سال و سالانه (سلیسیوس)
13
TRH
تعداد روزهای یخبندان 6 ماه سرد سال (روز)
6
ICD
میانگین رطوبت نسبی ماههای سال و سالانه (درصد)
13
AHU
میانگین حداقل رطوبت نسبی ماههای سال و سالانه (درصد)
13
AHUMIN
میانگین حداکثر رطوبت نسبی ماههای سال و سالانه (درصد)
13
AHUMAX
میانگین سرعت باد (نات)
13
AW

شکل (3-7): موقعیت ایستگاههای بارانسنجی و سینوپتیک استفاده شده در تحقیق در استان کرمانشاه و استانهای اطراف

ارتباط پارامترهای هواشناسی با ارتفاع
جهت شناسایی همبستگی ارتفاع از سطح دریای محل ایستگاهها با پارامترهای میانگین دما، حداقل دما، حداکثر دما و بارش سالانه، رگرسیون گیری انجام شد.
طبقه بندی اقلیمی
پهنه بندی اقلیمی
روش سیلیانینوف3
پهنه بندی اقلیمی به روش سلیانینوف مستلزم دسترسی به مقادیر دما متوسط روزانه ایستگاهها در دوره مطالعاتی مورد نظر دارد که برای استان کرمانشاه از داده های یک دوره 25 ساله استفاده شد. مقادیر کل بارش و مقادیر تجمعی دما را در رابطه (3-1) جاگذاری نموده و مقادیر ضریب هیدروترمیک سلیانینوف برای منطقه مورد مطالعه محاسبه گردید.
رابطه (3-1) C=(∑▒P)/(0.10∑▒H)
در این رابطه:
P∑= مقدار کل بارندگی بر حسب سانتی متر در یک دوره زمانی که در آن متوسط درجه حرارت بالاتر از 10 درجه سانتی گراد است.
H∑= مقدار تجمعی درجه حرارت در همان دوره زمانی که در آن متوسط درجه حرارت بالاتر از 10 درجه بر حسب سانتی گراد است.
خطوط هم تراز با استفاده از ضرایب بدست برای هر ایستگاه ترسیم شد و مرز مناطق مختلف با استفاده از جدول (3-5) مشخص گردید[15].
جدول (3-5): خطوط همسانی [15]
حدود ضریب هیدروترمیک (C)
اقلیم
2/0-0
فراخشک
4/0-2/0
خشک
7/0-4/0
نیمه خشک شدید
0/1-7/0
نیمه خشک میانه
3/1-0/1
نیمه خشک خفیف
6/1-3/1
نیمه مرطوب
بیشتر از 6/1
مرطوب
ترسیم و بررسی نمودار هیترگراف4
یکی از نمودارهای اقلیمی، کلیماگراف یا هیترگراف است که در آن مقدار بارش هر ماه نسبت به میانگین درجه حرارت آن ماه سنجیده میشود. جهت رسم این نمودار در هر پهنه اقلیمی مقادیر بارش و متوسط دما هر ماه محاسبه شده و نمودار هیترگراف رسم شد [30].
تعیین اقلیم به روش دومارتن اصلاح شده5
جهت پهنه بندی اقلیم استان کرمانشاه به روش دومارتن اصلاح شده مقادیر بارش و دما سالانه 622 نقطه درونیابی محاسبه شد و با استفاده از رابطه (3-2) مقادیر ضریب خشکی برای هر نقطه محاسبه شد.

رابطه (3-2)

در این رابطه:
:A ضریب خشکی است که با توجه به بارندگی و دمای سالانه به 8 طبق
ه تقسیم میشود.
😛 متوسط بارندگی سالانه به میلی متر
T: متوسط درجه حرارت سالانه (درجه سانتی گراد)
با استفاده از مقادیر ضریب خشکی 622 نقطه موجود در سطح کل استان خطوط هم ضریب خشکی ترسیم گردید. با مقایسه خطوط و مقادیر بدست آمده برای هر منطقه با جدول (3-6) مشخص گردید که هر منطقه دارای چه ضریب خشکی و چه نوع اقلیمی میباشد. همچنین مقدار ضریب دمارتن برای هر کدام از نواحی اقلیمی بصورت جداگانه محاسبه شد [30].
برای این روش 8 نوع اقلیم براساس ضریب خشکی تعریف شده است.
جدول (3-6) تعیین نوع اقلیم با روش دومارتن اصلاح شده [30]
نوع اقلیم
ضریب خشکی
فرا خشک
A<5
خشک
5نیمه خشک
10مدیترانهای
20نیمه مرطوب
24مرطوب
28خیلی مرطوب
35خیلی خیلی مرطوب
A>55

M نیز میانگین حداقل دما در سردترین ماه سال بر حسب درجه سانتیگراد جدول (3-7)
جدول (3-7) تعیین نوع اقلیم با روش دومارتن اصلاح شده [30]
نوع اقلیم
ضریب
فرا سرد یا

دسته‌ها: پایان نامه ها

دیدگاهتان را بنویسید