استفاده از داده‌های اقلیمی جهانی برای بازسازی خلأهای آماری داده‌های دما و بارش (مطالعۀ موردی: ایستگاه‌های حوزۀ آبخیز خانمیرزا)

Authors

  • صالحی, ابوذر دانش‌آموخته کارشناسی ارشد گروه مهندسی منابع آب، دانشگاه تبریز
Abstract:

Introduction: Due to importance of data quality, issues relating to filling the missing data has found a great deal of interest. Regeneration methods for missing data can be classified into two kinds of classical and modern categories. Application of statistical methods such as relationship with nearby stations and approaches on the base of hydrological, climatological or physiographical similarity are among the common techniques for gap filling. For such cases, correlation with elevation is one of the common techniques. The modern methods make use of approaches such as data mining, ANN, fuzzy arithmetic and so on to improve the completeness of data. Typically, the output of climate models is used for future predictions/assessment. After development of climate model like general circulation model (GCM) several researchers have reported a good correlation between global atmosphere or ocean and local station data. This correlation has a potential usage for estimation of missing data at local scale.   Materials and methods: Two types of data, including meteorological data and climatic data outputs, were used in this study. Reconstruction of two key variables at monthly scale, temperature and precipitation, were investigated over a period of 20 years (1995-2016). Climate data for these two climatic parameters downloaded from Canadian website site (GCM / RCM), were used as an auxiliary variable for data reconstruction. The least squares error method was applied to determine the scenario with the most realistic site-based conditions. The coefficient of determination was used as a measure to assess how well scenarios was able predicts observed data. For this purpose, four scenarios that generally showed either a high linear or non-linear correlation were selected. Then, by means of cross validation and the evaluating relationship between these two series of data and observation were tested. The outcome at this stage was 4 out of climate scenarios which show a high correlation with local station. Cross validation was employed the final scenario. Here the correlation between climate data and station data was utilized as an auxiliary variable for reconstruction of missing values. The outputs of new method were compared with elevation-based method.   Results: The established relationship between observations and climatic data (climate model output) by the least squares error method showed a high correlation for the selected models, thus ECHO-G and NCARCCSM3 models were selected for rainfall and temperature respectively. The performance of these predictive models was tested by evaluating them after assuming each row data as missing data. The observational data was re-organized into monthly, seasonal and annual time interval. The obtained coefficients were successfully verified against observed data by eliminating the data for each month and establishing a new relationship. Four scenarios including ECHO-G (SR-A1B), ECHO-G (SR-A2), NCARCCSM3 (SR-A2) and NCARCCSM3 (SR-B1), showed a high correlation between climatic and calculated data. Although the correlation coefficient between rainfall and the climatic model output was low but a good correlation between the combination factor of rainfall and temperature with observed data was found in the study area (r=0.98). The established relationships for local station even can be used for future (up to 2050) predictions. A comparison of the developed method with the elevation-based method showed a better performance at monthly scale.   Discussion and conclusion: Awareness of climatic conditions is a helpful strategy to reduce the damage caused by natural disasters. This most often requires an extensive and continuous data sets. Traditionally, correlation with elevation was used as an auxiliary variable to fill the gaps in rainfall and temperature data. Previous studies have reported a strong correlation between the local data of stations and climatic data. This study was conducted to investigate the possibility of using downloaded data from Canadian climate site (GCM / RCM for filling temperature and precipitation meteorological data. The results of the new method were more consistent with observed data. Cross validation indicates the applicability of using climate model as an auxiliary variable for regenerating missing rainfall and temperature data or predicting these variables in the area of interest. In addition to fill the missing data, the common advantage the use of climate model output is that, it could be used as future predictor. On the other hand, the comparison of the above mentioned method with the elevation-based method with observational data indicated that the new approach provide a solution especially for the case that there exist no or limited number of neighboring stations.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی مقایسه‌ای روش‌های تحلیل فراوانی و هیدرو اقلیمی برای برآورد دبی حداکثر سیل (مطالعۀ موردی: حوزۀ آبخیز بختیاری)

روش‌های زیادی برای تخمین دبی حداکثر سیل اعم از روش‌های تحلیل فراوانی وجود دارد و مطالعۀ خطر سازه‌های آبی مبتنی بر تحلیل فراوانی سیل، غالباً نسبت به مشاهدات و توزیع آماری منتخب حساسیت دارد که باعث بروز خطا در طراحی می‌شود. از آنجایی‌که بارش‌های سنگین عامل اصلی سیل‌ها هستند و داده‌های بارش نسبت به داده‌های جریان دارای طول دوره آماری بیشتری هستند، از این رو در این تحقیق از آمار درازمدت بارش در ایست...

full text

بازیابی پروفیل بومی اتمسفر از دادههای مادون قرمز حرارتی طول موج بلند سنجنده ماهوارهای MODIS به جای دادههای رادیوسوند

در کاربردهای مختلف ارسال و دریافت اطلاعات سکوهای هواپایه و فضاپایه، شناخت پروفیل اتمسفری محلی بسیار پراهمیت است. در بسیاری از نواحی دستیابی به این پروفیل از دادههای محلی امکانپذیر نیست. هدف این پژوهش، محاسبه و بازیابی پروفیل اتمسفری در ایستگاه سینوپتیک مهرآباد تهران با استفاده از دادههای ماهوارهای سنجنده MODIS است. در این تحقیق، دادههای رادیوسوند برای دو فصل سرد)دی، بهمن و اسفند( و گرم )تیر، مر...

full text

پیش‌بینی بارش ماهانه با استفاده از شاخص‏ های اقلیمی پیوند از دور با استفاده از شبکۀ عصبی مصنوعی و مدل‏ آماری (‌مطالعۀ موردی: ایستگاه‌های هم‌جوار ششده و قره‌بلاغ)

بسیاری از متغیرهای هواشناسی از جمله بارش به‌شدت به گردش‏های جوّی‌ـ اقیانوسی بزرگ‌مقیاس وابسته‌اند. در پژوهش حاضر تأثیر سیگنال‏های اقلیمی بر میانگین بارش ماهانۀ ایستگاه‏های مجاور مناطق ششده و قره‌بلاغ طی دورۀ آماری 25 ساله از 1364 تا 1388 بررسی شده است. شبیه‌سازی بارش با استفاده از مدل‏های آماری و شبکۀ عصبی انجام شده است. همبستگی سیگنال‏های اقلیمی با بارش در حالت‏های مختلف بدون تأخیر و با تأخیرها...

full text

پهنه‌بندی خطر زمین‌لغزش با استفاده از تئوری دمپستر-شفر مطالعۀ موردی: حوزۀ آبخیز زیارت، استان گلستان

هدف از این پژوهش ارزیابی خطر زمین‌لغزش حوزۀ آبخیز زیارت استان گلستان با استفاده از تئوری دمپستر-شفر در سیستم اطلاعات جغرافیایی است. در گام اول با استفاده از گزارشات موجود و تفسیر عکس‌های هوایی نقشه پراکنش نقاط لغزشی منطقۀ بررسی شده تهیه شد. از کل نقاط لغزشی (50 نقطه) 35 نقطه آن (70 درصد) برای تهیه نقشه پهنه­بندی خطر و نقاط باقی­مانده (30 درصد) برای ارزیابی مدل در نظر گرفته شد. در گام دوم 12 عام...

full text

بررسی عمق لایه آلاینده )گازدار( با استفاده از دادههای هیدروژئوشیمیایی و ژئوالکتریک در دشت چهاردولی

محدوده مورد مطالعه در جنوبشرقی شهرستان قروه و 40کیلومتری شمالغرب همدان واقع شده است. از جمله مسائل زیست محیطی کهدر چند سال اخیر در دشت چهاردولی پدید آمده است، معضل آلودگی منابع آب زیرزمینی به وسیله گاز دی اکسیدکربن میباشد. این پدیدهموجب تخریب و تعطیلی چاههای منطقه شده که به نوبه خود مشکلات کشاورزی و معیشتی عمدهای را بهبار آورده است. بدیهی است کهادامه این شرایط منجر به از بین رفتن آبخوان و کیفیت...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 18

pages  63- 79

publication date 2018-06

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023