ارزیابی عدم قطعیت بارش شبیه سازی شده با استفاده از مدل های آماری (مطالعه موردی: شمال غرب ایران)
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 44
فایل این مقاله در 19 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_JARGS-13-50_006
تاریخ نمایه سازی: 12 شهریور 1402
چکیده مقاله:
در این پژوهش، داده های مورد نیاز بارش ایستگاه های همدید منطقه مورد مطالعه طی دوره آماری ۱۹۸۱-۲۰۱۵ از مرکز آمار سازمان هواشناسی اخذ گردید. جهت پیش بینی و تولید داده های آماری دوره ۲۰۲۶ تا ۲۰۶۵ از مدل LARS-WG و CLIMGEN استفاده شد. در این مطالعه از روش بوت استراپ جهت ارزیابی عدم قطعیت بارش استفاده شد. همبستگی بین داده های بارش ماهانه مشاهداتی و شبیه سازی شده نشان دهنده این است که مدل CLIMGEN داده های مصنوعی بارش را با دقت بیشتری شبیه سازی می کند. کم ترین خطای RMSE و MAE در هر دو مدل مربوطه به ایستگاه جلفا است و بیشترین خطا در هر دو مدل در ایستگاه سردشت اندازه گیری شده است. برآورد مقادیر خروجی بارش (میانگین بارش) توسط مدل LARS-WG با روش بوت استراپ نشان دهنده عدم قطعیت بالاتر مدل LARS-WG نسبت به مدل CLIMGEN است. واریانس بارش مشاهداتی نیز نشان دهنده تغییرات زیاد فاصله اطمینان در ماه های فصل بهار و پاییز است. بنابراین با توجه به مطالب فوق می توان گفت که در رابطه با بارش، مدل LARS-WG عدم قطعیت بیشتری را نسبت به مدل CLIMGEN در اکثر ایستگاه های مطالعاتی منطقه مورد مطالعه نشان می دهد. قدر مطلق خطای بارش سالانه با خروجی مدل CLIMGEN مقدار کمتری را نسبت به قدر مطلق خطا با خروجی مدل LARS-WG نشان می دهد. که این امر نشان دهنده مقدار خطای کمتر مدل CLIMGEN در عدم قطعیت مکانی بارش شبیه سازی شده نسبت به مدل LARS-WG در منطقه شمال غرب ایران است.
کلیدواژه ها:
نویسندگان
سعید زنگنه
دکترای مخاطرات اقلیمی، دانشگاه تبریز، تبریز، ایران
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 :