دانشگاه علوم کشاورزی و منابع طبیعی گرگان

 آمار

تعداد نشریات13
تعداد شماره‌ها626
تعداد مقالات6,517
تعداد مشاهده مقاله8,746,464
تعداد دریافت فایل اصل مقاله8,317,291
نادی, مهدی, بازیارپور, هانیه. (1396). ارزیابی دقت و اصلاح شبکه بارش روزانه آفرودیت در استان گلستان. , 24(4), 273-286. doi: 10.22069/jwfst.2017.12791.2750
مهدی نادی; هانیه بازیارپور. "ارزیابی دقت و اصلاح شبکه بارش روزانه آفرودیت در استان گلستان". , 24, 4, 1396, 273-286. doi: 10.22069/jwfst.2017.12791.2750
نادی, مهدی, بازیارپور, هانیه. (1396). 'ارزیابی دقت و اصلاح شبکه بارش روزانه آفرودیت در استان گلستان', , 24(4), pp. 273-286. doi: 10.22069/jwfst.2017.12791.2750
نادی, مهدی, بازیارپور, هانیه. ارزیابی دقت و اصلاح شبکه بارش روزانه آفرودیت در استان گلستان. , 1396; 24(4): 273-286. doi: 10.22069/jwfst.2017.12791.2750

ارزیابی دقت و اصلاح شبکه بارش روزانه آفرودیت در استان گلستان

مجله پژوهش‌های حفاظت آب و خاک
مقاله 15، دوره 24، شماره 4، مهر 1396، صفحه 273-286    اصل مقاله (437.55 K)
نوع مقاله: مقاله کامل علمی پژوهشی
شناسه دیجیتال (DOI): 10.22069/jwfst.2017.12791.2750
نویسندگان
مهدی نادی* 1؛ هانیه بازیارپور2
1استادیار دانشگاه علوم کشاورزی و منابع طبیعی ساری
2دانشجو
چکیده
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 می‌باشد، اهمیت بیشتری پیدا می‌کند. شبکه متراکم بارش آفرودیت، داده‌های روزانه بارش را در گره‌های 25/0×25/0 درجه در محدوده ایران اختیار قرار می‌گذارد 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 گرفتـه اسـت. این تحقیق با هدف بررسی دقت و صحت داده‌های بارش شبکه آفرودیت در استان گلستان در مقیاس‌های مختلف زمانی روزانه، ماهانه و سالانه انجام شد. همچنین دقت این شبکه با روش‌های معمول درون‌یابی مقایسه و داده‌های آن برای کاربردی نمودن هرچه بیشتر اصلاح شد.
مواد و روش: در این پژوهش از داده‌های 24 ایستگاه هواشناسی شامل 5 ایستگاه همدیدی و 19 ایستگاه باران‌سنجی به منظور ارزیابی شبکه آفرودیت استفاده شد. نقاط شبکه بر مبنای نزدیک‌ترین نقطه به ایستگاه‌های هواشناسی انتخاب شدند و آنالیز داده‌ها در 3 مقیاس روزانه، ماهانه و سالانه انجام شد. پس از بررسی و ارزیابی دقت داده‌های شبکه، به منظور اصلاح خطای داده‌های بارش ماهانه و سالانه شبکه، از ضریب اصلاحی نسبت میانگین‌ها استفاده شد. سپس دقت داده‌های اصلاح شده این شبکه با دو روش معمول درون‌یابی کریجینگ عمومی و وزنی عکس فاصله مقایسه شد. برای ارزیابی این روش‌ها تکنیک اعتبارسنجی ارزیابی متقاطع به کار گرفته شد و با محاسبه آماره‌های خطا، روش‌های مختلف با یکدیگر مقایسه شدند.
یافته‌ها: نتایج حاصل از بکارگیری شاخص خطای اریبی جهت ارزیابی خطا در هر 3 مقیاس روزانه، ماهانه و سالانه نشان داد که در همه مقیاس‌های مورد بررسی داده‌های آفرودیت علی رغم همبستگی بسیار خوب با داده‌های ایستگاهی، دارای خطای کم-برآوردی زیادی هستند که این خطا در نقاط پربارش بیشتر است. ضرایب بدست آمده برای اصلاح داده‌های ماهانه و سالانه شبکه بین 2/1 در ماه‌های سرد تا 8/1 در ماه‌های گرم تغییر می‌کند. بررسی خطای شبکه اصلاح شده در ماه‌های 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 داده‌های شبکه تنها یک عدد ثابت (ضریب اصلاحی) در داده‌ها ضرب شد، بنابراین ضرایب همبستگی بدون تغییر باقی ماند. مقایسه داده‌های اصلاح شده با روش‌های درون-یابی در همه ماه‌های مورد بررسی نشان داد که شبکه اصلاح شده از هر دو روش درون‌یابی کارآمدتر است. بررسی ضرایب همبستگی داده‌های واقعی و برآوردی نشان داد که همبستگی شبکه اصلاح شده با داده‌های واقعی در همه ماه‌ها مثبت است اما در روش‌های وزنی عکس فاصله و کریجینگ عمومی در برخی موارد ضریب همبستگی منفی بدست آمد که نشان می‌دهد شبکه اصلاح شده علاوه بر خطای کمتر در تشخیص درست نقاط کم بارش و پربارش منطقه نسبت به روش‌های درون‌یابی کارآمدتر است.
نتیجه‌گیری: نتایج این پژوهش نشان می‌دهد که شبکه متراکم آفرودیت دقت بسیار خوبی در تخمین بارش نقاط فاقد ایستگاه هواشناسی به خصوص در مناطق مرتفع دارد و نسبت به روش‌های درون‌یابی کریجینگ عمومی و وزنی عکس فاصله نتایج دقیق-تری دارد، ولی به دلیل مشکل کم برآوردی داده‌های این شبکه، قبل از عملیاتی کردن داده‌ها شبکه باید اصلاح گردد.
کلیدواژه‌ها
بارش روزانه؛ اصلاح شبکه آفرودیت؛ کم برآوردی؛ روش‌های درون یابی
مراجع
1.Baranizade, E., Javanmard, S., Bodagh Jamali, J., and Abedini, Y.A. 2011. Drought
monitoring in Iran using Network precipitation Data with high resolution (Aphrodite). The
First National Conference on drought and climate change.
2.Francisco, J.M. 2010. Comparison of different geostatistical approaches to map climate
variables: application to precipitation. Inter. J. Climatol. 30: 620-631.
3.Ghorbani, Kh. 2012. Geographically Weighted Regression: A Method for Mapping Isohyets
in Gilan Province. J. Water Soil. 26: 3. 743-752. (In Persian)
4.Gohar, A., Rasul, G., Mahmood, T., Zaman, Q., and Cheema, S.B. 2012. Validation of
APHRODIT precipitation data for humid and sub humid regions of Pakistan. Pak. J.
Meteorol. (Pakistan). 9: 17. 57-69.
5.Gruber, A., and Levizzani, V. 2008. Assessment of Global Precipitation Products. A project of
the World Climate Research Programme Global Energy and Water Cycle Experiment
(GEWEX) radiation panel"; WCRP Report, No. 128, WMO/TD, No. 1430.
6.Jamei, M., Mousavi Baygi, M., and Bannayan Awal, M. 2014. Validation of Grid
APHRODIT Daily Precipitation Estimates and Estimates derived from spatial interpolation
of Precipitation in the Khuzestan province. J. Water Soil. 28: 3. 626-638. (In Persian)
7.Javanmard, S., Badagh Jamali, J., and Pirhayati, M.K. 2011. Development of Daily Gridded
precipitation Data Sets with High Spatial and temporal Resolution Over Iran Country. The
First National Conference on drought and climate change.
8.Mair, A., and Fares, A. 2011. Comparison of Rainfall Interpolation Methods in a Mountainous
Region of a Tropical Island. J. Hydrol. Engin. 16: 4. 371-383.
9.Mir Mousavi, H., Mazidi, A., and Khosravi, Y. 2010. Determine the best methods of
Geostatistics to estimate the distribution of rainfall using GIS. (Case study: Esfahan
province). J. Geograph. Space. 30: 10. 105-120. (In Persian)
10.Nadi, M., Jamei, M., and Bazrafshan, M.J. 2012. Evaluation of Different Methods for
Interpolation of Mean Monthly and Annual Precipitation Data (Case Study: Khuzestan
Province). J. Physic. Geograph. Res. Quar. 44: 4. 117-130. (In Persian)
11.Nadi, M., Khalili, A., Pourtahmasi, K., and Bazrafshan, J. 2013. Comparing the Various
Interpolation Techniques of Climatic Data for Determining the Most Important Factors
Affecting the Trees Growth in the Elevated Areas of Chaharbagh, Gorgan. J. For. Wood Prod.
66: 1. 83-95. (In Persian)
12.Ono, K., and So, K. 2011. Analysis of extreme daily rainfall in Southeast Asia with a gridded
daily rainfall data set. Hydro-climatology, Variability and Change conference, Melbourne,
Australia, Pp: 169-175.
13.Rajeevan, M., and Bhate, J. 2009. A high resolution daily gridded rainfall dataset
(1971-2005) for meso-scale meteorological studies. Curr. Sci. 96: 558-562.
14.Raziei, T., Azizi, Gh., Mohamadi, H., and Khoshakhlagh, F. 2010. 500 Hpa Wintertime
Daily Circulation Types over Iran and the Middle East. J. Physic. Geograph. Res. Quar.
42: 4. 17-34. (In Persian)
15.Raziei, T., Mofidi A., Santos, J., and Bordi, I. 2011.Spatial patterns and regimes of daily
precipitation in Iran in relation to large-scale atmospheric circulation. Inter. J. Climatol.
32: 8. 1226-1237.
16.Saghafiyan, B., Razmkhah, H., and Ghermezcheshm, B. 2011. Investigation of Regional
variations of annual precipitation using geostatistical methods (Case study: Fars province).
J. Manage. Syst. 4: 9. 29-38. (In Persian)
17.Vu, M.T., Raghavan, S.V., and Liong, S.Y. 2012. SWAT use of gridded observations
for simulating runoff – a Vietnam river basin study Hydrology and Earth System Sciences.
16: 2801-2811.
18.Yatagai, A., Kamiguchi, K., Arakawa, O., Hamada, A., Yasutomi, N., and Kitoh, A. 2012.
APHRODITE: Constructing a Long-Term Daily Gridded Precipitation Dataset for Asia
Based on a Dense Network of Rain Gauges. Bulltion of American Meteorological Society.
9: 1401-1415.

آمار
تعداد مشاهده مقاله: 510
تعداد دریافت فایل اصل مقاله: 344


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب