مطالب مرتبط با کلیدواژه

ClimGen


۱.

ارزیابی روش شبیه‌سازی تصادفی برای تولید داده‌های هواشناسی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مولد هواشناسی ClimGen دماهای بیشینه و کمینه

حوزه های تخصصی:
تعداد بازدید : ۱۹۰۲ تعداد دانلود : ۹۸۳
داده‌های تاریخی هواشناسی بلند مدت، برای به کارگیری مدل‌های شبیه سازی رشد گیاهان لازم و ضروری می باشند. داده‌های شبیه سازی شده زمانی استفاده می شوند که داده های تاریخی موجود نبوده و یا قابل اعتماد نمی باشند و یا اینکه داده های آتی مورد نیاز می باشند. برای شبه سازی می توان از روش‌های تصادفی که فقط از میانگین‌های بلند مدت اقلیمی اسنفاده می کنند و یا از روشهای غیر تصادفی که بر اساس مقدار یک متغیر و البته، مقدار متغیر مورد نظر را تخمین می زنند، استفاده کرد. هدف از این مطالعه شبیه سازی تصادفی دماهای بیشینه و کمینه بود و از یک مولد هواشناسی به نام ClimGen برای تولید داده های دما استفاده شد. تولید داده های دما برای 10 ایستگاه هواشناسی ایران با شرایط اقلیمی متفاوت صورت گرفت و از داده های تاریخی ثبت شده در ایستگاه های فوق برای بررسی نتایج حاصل استفاده شد. در نهایت از سنجه های آماری مانند جذر میانگین مربعات خطا (RMSE)، میانگین خطای تقریبی (MBE) و همچنین ضریب همبستگی (R)، شیب (b) و عرض از مبدأ خط رگرسیون برای مقایسه داده های تولید شده و داده های تاریخی استفاده شد. بر اساس سنجده های فوق، مقادیر شبیه سازی شده و تاریخی دارای توافق خوبی با هم بودند.
۲.

ارزیابی عدم قطعیت بارش شبیه سازی شده با استفاده از مدل های آماری (مطالعه موردی: شمال غرب ایران)(مقاله علمی وزارت علوم)

نویسنده:

کلیدواژه‌ها: عدم قطعیت بارش LARS-WG ClimGen بوت استراپ شمال غرب ایران

حوزه های تخصصی:
تعداد بازدید : ۳۰ تعداد دانلود : ۲۴
در این پژوهش، داده های مورد نیاز بارش ایستگاه های همدید منطقه مورد مطالعه طی دوره آماری 1981-2015 از مرکز آمار سازمان هواشناسی اخذ گردید. جهت پیش بینی و تولید داده های آماری دوره 2026 تا 2065 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.