آزاده محمدیان

تشخیص و تحلیل داده های پرت یکی از گام های ابتدایی مهم در تحلیل داده هاست. یک داده پرت در سری های هواشناسی می تواند نشان دهنده ی یک رخداد فرین باشد یا خطای ناشی از اندازه گیری، مشاهده و ثبت است. اگر داده ها ی پرتی که حاصل خطای انسانی یا نقص تجهیزات اندازه گیری هستند شناسایی نشده و حذف نگردند، به عنوان داده ی فرین ثبت خواهند شد و موجب اریبی در نتایج مطالعات اقلیمی می شوند. در این مقاله، داده های پرت سری های زمانی سرعت باد و فشار برای 14۳ ایستگاه هواشناسی کشور در دوره نرمال اقلیمی 1991- 2020 مورد تحلیل قرار گرفت. برای این منظور ابتدا داده های پرت مکانی با استفاده از الگوریتم کلایماتول مشخص شد و در مرحله دوم با تحلیل های زمانی و هواشناختی، خطاها شناسایی شدند. در مرحله اول برای پارامترهای فشار ایستگاه، فشار تبدیل شده ایستگاه به سطح دریا، فشار بخار، سرعت باد و سرعت باد ماکزیمم به ترتیب 40، 42، 93، 52 و 41 داده پرت شناسایی شد و در مرحله دوم به ترتیب 20، 10، 56، 20 و 27 تعداد از این داده ها خطا تشخیص داده شدند. این نتایج به تفکیک ایستگاه و تاریخ گزارش شده اند، تا مورد استفاده محققان در سایر مطالعات، بویژه مطالعات تغییراقلیم، قرار بگیرند.

پژوهش کمی حاضر به بررسی ارتباط عوامل فردی با رفتارهای مالی پرداخته است. روش پژوهش توصیفی همبستگی بوده و مشارکت کنندگان 200 نفر از سرمایه گذاران بورس اوراق بهادار بوده اند. ابزار جمع آوری داده ها شامل پرسشنامه های استاندارد بوده است. برای توصیف داده ها از آمار توصیفی و استنباطی شامل آزمون همبستگی پیرسون استفاده شده که این امر از طریق نرم افزار SPSS صورت گرفته شده است. عوامل فردی در دو بعد هوش هیجانی و مرکز کنترل درونی مطرح شده است. تجزیه و تحلیل داده ها نشان داد که بین عوامل فردی و رفتارهای مالی سرمایه گذاران بورس اوراق بهادار ارتباط مثبت و معناداری وجود دارد. همچنین نتایج نشان داد که هوش هیجانی و مرکز کنترل درونی نیز با رفتارهای مالی سرمایه گذاران در ارتباط هستند و عامل هوش هیجانی به دلیل ضریب همبستگی بالاتر، از اهمیت بیشتری نسبت به مرکز کنترل درونی برخوردار است.

تبخیر تعرق گیاه مرجع متغیری است که مهم ترین جزء چرخه هیدرولوژی محسوب می شود. با توجه به ارتباط مستقیم تبخیر تعرق مرجع با متغیرهای اقلیمی، انتظار می رود افزایش دمای هوا و تغییرات فراسنج های مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت داده های شبکه ای CRU در برآورد میانگین سالیانه سه متغیر دمای کمینه، بیشینه و تبخیر تعرق در استان خراسان رضوی، پیش نگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برون داد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دوره آینده نزدیک (2050-2021) و آینده میانی (2080-2051) بررسی شد. نتایج نشان داد داده های CRU دارای مهارت مناسبی در شبیه سازی دما در منطقه اند. میانگین سالیانه دمای کمینه، در دوره 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دوره 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانه دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دوره میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسه مقادیر ETo مشاهداتی با برون داد چهار مدل اقلیمی در تمامی نقاط شبکه برای دوره پایه نشان داد، به رغم تفاوت در مقدار، نحوه پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی هم خوانی مناسبی دارد. براساس نتایج به دست آمده، طی دو دوره مورد بررسی، این متغیر افزایش خواهد یافت و همان طور که انتظار می رود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است. [1] Reference Evapotranspiration (ETo)