ارزیابی کارایی مدلNEW Locclim با روش نزدیکترین فاصله همسایگی جهت بازسازی داده های هواشناسی در شرایط کمبود داده در راستای توسعه پایدار منابع آب

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,171

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CCASD01_235

تاریخ نمایه سازی: 10 شهریور 1393

چکیده مقاله:

مهمترین سری های زمانی در مدیریت بهینه منابع محدود آب و کاربری های هیدرولوژیکی، اکولوژیکی و زراعی مربوط به دمای حداکثر و حداقل، سرعت باد، ساعات آفتابی و بارندگی است. این پارامترها در برآورد تبخیر و تعرق روزانه، تعیین بیلان آبی و مطالعات تغییر اقلیم کاربرد دارد. تعداد سال های آماری متفاوت، نواقص آماری و خطای اندازه گیری باعث ایجاد سری های زمانی با پایه زمانی غیر مشترک می گردد که این پارامترها در صورت ن بودن ایستگاه سینوپتیک در منطقه غیرقابل برداشت می باشد. لذا بازسازی داده های آماری امری لازم و ضروری است. بدین منظور مدل های متعددی برای درون یابی داده های اقلیمی هر منطقه از بین ایستگاه های اطراف ارائه شده است. هدف این پژوهش برآورد داده های هواشناسی در شرایط کمبود داده در منطقه شاوور واقع در استان خوزستان به وسیله نرم افزار New Locclim و به روش فاصله همسایگی می باشد. برای این منظور ابتدا این نرم افزار برای ایستگاه های دارای آمار نرمال مورد ارزیابی قرار گرفت. نتایج حاصل نشان داد کاربرد این نرم افزار با روش فاصله همسایگی در برآورد داده های نظیر دمای حداقل، حداکثر و ساعات آفتابی روزانه در منطقه با R(2)=0/9775 از دقت بالایی برخوردار است. همچنین در برآورد پارامترهای سرعت باد و بارندگی با R(2)=0/7982 دارای دقت قابل قبول می باشد. پس از اطمینان از کارایی بالایی روش بیان شده بر اساس نتایج حاصله، این نرم افزار برای پیش بینی و بازسازی پارامترهای هواشناسی ایستگاه منطقه شاوور در شرایط کمبود داده مورد استفاده قرار گرفت.

نویسندگان

امید رحمتی

دانشجوی کارشناسی ارشد، پردیس ابوریحان، دانشگاه تهران

جابر سلطانی

استادیار گروه آبیاری و زهکشی پردیس ابوریحان، دانشگاه تهران

محمود مشعل

دانشیار گروه آبیاری و زهکشی پردیس ابوریحان، دانشگاه تهران

محی الدین گوشه

مربی پژوهشی مرکز تحقیقات کشاورزی اهواز

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 :
  • خورشید دوست، ع.نساجی، م. قرمز جشمه، ب. 1390. بازسازی سری‌های ...
  • سید کابلی، ح. آخوندعلی، ع. مساح، ع. رادمنش، ف. 1391. ...
  • ارزیابی مدلهای نزدیکترین همسایه (KNN ) برای تولید داده های هواشناسی، مطالعه موردی :ایستگاه قزوین [مقاله کنفرانسی]
  • Bannayan, M and Hoogenboom G. , 2008. "Predicting realizations of ...
  • Brandsma T, K:onen GP. (2006), "Application of ne arest-neighbor resampling ...
  • Coulibaly P. N. D. Evora, (2007), "Comparison of neural network ...
  • Lall, U., and Sharma, A. _1996_. _ nearest neighbour bootstrap ...
  • Nicks, A. D., and Harp, J. F. _1980_. "Stochastic generation ...
  • Rackso, P., Szeidi, L., and Semenov, M. _1991_.، A serial ...
  • Rajagopalan, B., and Lall, U. _1999_.، A k-nearest neighbour simulatorfor ...
  • Richardson, C. W., and Wright, D. A. _1984_. _ A ...
  • Semenov, M. A, and Barrow, E. M. _1997_. _ of ...
  • Sergio M. V icente-Serrano, Santiago Begueria, Juan I. Lopez-Moreno , ...
  • Sharif M, Bur DDH. 2007." Improved K-nearest neighbor weather generating ...
  • نمایش کامل مراجع