مطالعه تطبیقی دقت مدل های زمین آماری و رگرسیونی جهت پهنه بندی دما در مرکز و شمال ایران
محل انتشار: دو فصلنامه هواشناسی کشاورزی، دوره: 6، شماره: 2
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 361
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AGRIMET-6-2_005
تاریخ نمایه سازی: 20 خرداد 1398
چکیده مقاله:
دمای هوا از مهم ترین متغیرهای مورد نیاز در مطالعات اقلیم شناسی کشاورزی است. داده های دیدبانی شده دما ماهیت نقطه ای دارند و جهت برآورد منطقه ای این کمیت نیاز به کاربرد روش های درون یابی است که تغییرات دما بر حسب ارتفاع و عرض جغرافیایی را برآورد کنند. در این پژوهش، کارایی روشهای کریجینگ، کوکریجینگ، رگرسیون وزندار جغرافیایی و رگرسیون چندمتغیره خطی برای پهنه بندی میانگین ماهانه دما 56 ایستگاه همدیدی واقع در مرکز و شمال ایران، مورد ارزیابی قرارگرفته است. تحلیل آماری نتایج نشان داد که رگرسیون وزن دار جغرافیایی در ماه دسامبر بیش ترین اختلاف را با دیگر روش های مورد مطالعه دارد به طوری که ریشه میانگین مربعات خطا در این روش برابر 83/0 درجه سانتی گراد میباشد، در حالی که این مقدار در روش کوکریجینگ که در رتبه بعدی قرار دارد برابر با 38/2 درجه سانتی گراد است. کم ترین میانگین مقادیر RMSE تمام ماه های سال، متعلق به روش رگرسیون وزندار جغرافیایی به میزان 2/1 درجه سانتی گراد و پس از آن به ترتیب روشهای رگرسیون چند متغیره خطی (24/2 درجه سانتی گراد)، کریجینگ (52/2 درجه سانتی گراد) و کوکریجینگ (86/2 درجه سانتی گراد) در اولویت های بعدی قرار دارند، لذا روش وزن دار جغرافیایی برای پهنهبندی دما در این منطقه، مناسب تر می باشد. این رهیافت، به دلیل در نظر گرفتن گرادیانهای محلی ارتفاعی، مقادیر دما در مناطق مرتفع فاقد ایستگاه هواشناسی را دقیق تر پیش بینی می کند.
کلیدواژه ها:
نویسندگان
زهرا آقاشریعتمداری
استادیار گروه آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
مهسا اتحادی
گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران
خلیل قربانی
گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :