بررسی روش های مختلف میان یابی در تخمین داده های بارندگی ماهیانه در ناحیه مرکزی ایران

Authors

محمد حسین مهدیان

m. h. mahdian نجفقلی غیاثی

n. ghiasi سید محمود موسوی نژاد

s. m. mousavy nejad

abstract

داده های نقطه ای ایستگاه های هواشناسی به خودی خود از اهمیت چندانی برخوردار نیستند. بنابراین، لازم است که این داده های نقطه ای به داده های ناحیه ای تبدیل شوند. پراکنش و شمار ایستگاه های هواشناسی در سطح کشور در حدی نیست که دست یابی به داده های ناحیه ای به طور مستقیم امکان پذیر باشد، که این مهم منوط به تولید داده در منطقه مورد بررسی است. تولید داده به کمک روش های زمین-آمار سریع و آسان می باشد. بنابراین، برای تعمیم داده های نقطه ای به ناحیه ای نیاز به تولید داده (برآورد) است. هدف این پژوهش تعیین روش مناسب میان یابی برای برآورد بارندگی ماهیانه در ناحیه مرکزی ایران است. در این پژوهش از روش های کریجینگ (معمولی، با لگاریتم داده ها و با متغیر کمکی)، میانگین متحرک وزنی (با توان های 1 تا 5) و tpss (با توان های 2 و 3 ، با و بدون متغیر کمکی) استفاده شده است. برای ارزیابی روش ها از تکنیک تأیید متقابل استفاده شده است. بررسی نتایج پژوهش نشان می دهد که شعاع تأثیر بارندگی ماهیانه در ناحیه مرکزی ایران در حدود 450 کیلومتر است. هم چنین، نتایج نشان می دهند که روش tpss با توان 2 و با متغیر کمکی ارتفاع، مناسب ترین روش برای تولید داده های بارندگی ماهیانه است. با تقسیم ناحیه مرکزی ایران به مناطق هم اقلیم و اجرای روش انتخاب شده در این نواحی، دقت تولید داده در مقایسه با کل منطقه افزایش پیدا کرده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی روش‌های مختلف میان‌یابی در تخمین داده‌های بارندگی ماهیانه در ناحیه مرکزی ایران

Point data of weather stations are not important in and by themselves. Therefore, it is necessary to change these point data into regional information. Undesirable distribution of weather stations and their data deficiency hinder the direct determination of the regional information, unless sufficient data in the study area could be provided. Providing extra data using the geostatistical method...

full text

بررسی روش‌های مختلف میان‌یابی در تخمین داده‌های بارندگی ماهیانه در ناحیه مرکزی ایران

Point data of weather stations are not important in and by themselves. Therefore, it is necessary to change these point data into regional information. Undesirable distribution of weather stations and their data deficiency hinder the direct determination of the regional information, unless sufficient data in the study area could be provided. Providing extra data using the geostatistical method...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

مقایسه عملکرد مدل های استوکاستیک در تولید داده های ماهیانه جریان و بارندگی

مدل‌های تولید داده مصنوعی به عنوان ابزار مناسبی جهت پیش‌بینی و تولید سری ‌های زمانی جانشین یا یک سری بسیار طولانی مدت در مطالعات منابع آب شناخته شده و این مدل‌ها به طور وسیعی در سراسر دنیا توسط محققین مختلف مورد استفاده قرار می‌گیرد. این مدل‌ها برای تولید داده‌های مصنوعی سالیانه، ماهیانه و روزانه بارندگی یا جریان رودخانه ‏ای در طی دهه‌ های اخیر توسعه داده شده‌اند. در این میان مدل‌ های تولید داد...

full text

مقایسه عملکرد مدل های استوکاستیک در تولید داده های ماهیانه جریان و بارندگی

مدل های تولید داده مصنوعی به عنوان ابزار مناسبی جهت پیش بینی و تولید سری های زمانی جانشین یا یک سری بسیار طولانی مدت در مطالعات منابع آب شناخته شده و این مدل ها به طور وسیعی در سراسر دنیا توسط محققین مختلف مورد استفاده قرار می گیرد. این مدل ها برای تولید داده های مصنوعی سالیانه، ماهیانه و روزانه بارندگی یا جریان رودخانه ‏ای در طی دهه های اخیر توسعه داده شده اند. در این میان مدل های تولید داده م...

full text

My Resources

Save resource for easier access later


Journal title:
تولید محصولات زراعی و باغی

جلد ۷، شماره ۱، صفحات ۳۳-۴۵

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023