شبیه سازی تصادفی بارش روزانه با استفاده از مدل‌های خطی تعمیم یافته در اقلیم نیمه خشک

نویسندگان

  • بیژن قهرمان استاد گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد، ایران
  • حنانه باروتی دانشجوی دکترای گروه علوم ومهندسی آب دانشگاه فردوسی مشهد، ایران
  • کاظم اسماعیلی دانشیار، گروه علوم ومهندسی آب ، دانشگاه فردوسی مشهد، ایران
چکیده مقاله:

تغییرپذیری بالای بارش، پراکندگی شبکه باران­سنجی فعال و نیز کیفیت پایین مقادیر بارش ثبت شده، کاربرد مدل­های تصادفی زمانی- مکانی بارش در مناطق خشک و نیمه خشک را همواره با چالش روبه­رو کرده است. در این پژوهش، از مدل خطی تعمیم یافته به­منظور تکمیل و توسعه­ی سری زمانی داده­های ثبت شده­ی بارش روزانه­ی 11 ایستگاه سینوپتیک نسبتاً پراکنده ­در زیرحوضه­ی رود شور با وسعت 67/22066 کیلومتر مربع (که یکی از زیر حوضه­های دریاچه نمک می­باشد) در دوره آماری 1991 تا 2010 میلادی استفاده شد، تا بتواند برای مدل­های هیدرولوژیکی بکار رود. جهت بیان ساختار زمانی- مکانی بارش از مدل توزیع لجستیک برای رخداد بارش و از توزیع گاما برای مدل کردن مقدار بارش استفاده گردید. صحت سنجی زمانی و مکانی در  یک دوره زمانی مجزا و نیز استفاده از ایستگاه­هایی که در برازش مدل وارد  نشده بودند، انجام  آنگاه  تغییر پذیری زمانی- مکانی بارش آزموده شد. اثرات فصلی  بر تغییرات زمانی- مکانی بارش ، همبستگی بارش روزانه و نیز طول، عرض جفرافیایی و ارتفاع ایستگاه­های باران­سنجی شناسایی شدند که از آن مدل توانست به­خوبی ویژگی­های بارش را در منطقه مطالعاتی نشان دهد. در هر دو مدل رخداد و مقادیر، اثرات مکانی از مهمترین پیش­بینی کننده­های بارش و بعد از آن در بین اثرات زمانی، میانگین بارش در یک روز قبل مهمترین متغیر پیش­بینی کننده بارش در حوضه شناخته شده است. به ­علاوه محرک­های بارندگی در مقیاس بزرگ (دما و رطوبت نسبی) تا حدودی باعث بیان بهتر تغییرات در هرسال شده و نیز ارتباط بین متغیرهای بزرگ مقیاس و بارش،  زمینه­ی ریزمقیاس نمایی خروجی­های مدل­های جهانی اقلیم را فراهم می­نماید. در واقع مدل­های تصادفی با رویکرد توسعه­ی مجموعه داده­های مشاهداتی در ایستگاه­های باران­سنجی و ریزمقیاس نمایی سناریوهای اقلیمی در مقیاس منطقه­ای و جهانی پایه­گذاری شده است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شناساپذیری در مدل های خطی تعمیم یافته با اثرهای تصادفی

شناساپذیری یکی از ویژگی‌های لازم برای کفایت یک مدل آماری است. وقتی مدلی شناساپذیر نباشد، با هیچ اندازه‌ای از نمونه، نمی‌توان پارامتر حقیقی مدل را تعیین کرد. در این مقاله، مروری بر مفهوم مشهور شناساپذیری و ویژگی‌های آن شده است. به‌علاوه از آن‌جایی که مشکل شناساناپذیری در مدل‌های خطی تعمیم‌یافته‌ با اثرهای تصادفی بسیار رایج است، تمرکز اصلی ما بر روی این گونه از مدل‌ها بوده است. از سوی دیگر، معمول...

متن کامل

شناساپذیری در مدل های خطی تعمیم یافته با اثرهای تصادفی

شناساپذیری یکی از ویژگی های لازم برای کفایت یک مدل آماری است. وقتی مدلی شناساپذیر نباشد، با هیچ اندازه ای از نمونه، نمی توان پارامتر حقیقی مدل را تعیین کرد. در این مقاله، مروری بر مفهوم مشهور شناساپذیری و ویژگی های آن شده است. به علاوه از آن جایی که مشکل شناساناپذیری در مدل های خطی تعمیم یافته با اثرهای تصادفی بسیار رایج است، تمرکز اصلی ما بر روی این گونه از مدل ها بوده است. از سوی دیگر، معمولاً...

متن کامل

اثرات تصادفی چوله گاوسی در مدلهای خطی تعمیم یافته فضایی

مدل های آمیخته خطی تعمیم یافته فضایی برای مدل بندی پاسخ های فضایی گسسته به کار می روند، که در آنها ساختار همبستگی فضایی داده ها از طریق متغیرهای پنهان با توزیع نرمال در نظر گرفته می شود. هر چند فرض نرمال بودن توزیع متغیرهای پنهان موجب سهولت محاسبات می شود، اما در عمل به دلیل غیرقابل مشاهده بودن متغیرهای پنهان، بررسی نرمال بودن این متغیرها مقدور نیست و پذیرش ناصحیح این فرض می تواند روی دقت برآور...

15 صفحه اول

تهیه نقشه حساسیت سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی و مدل خطی تعمیم یافته بیزین

امروزه پدیده­ی سیل یکی از پیچیده­ترین رخدادهای مخاطره­آمیز است که بیش از سایر بلایای طبیعی دیگر، همه‌ساله در نقاط مختلف دنیا منجر به ایجاد خسارت­های جانی و مالی و تخریب اراضی کشاورزی می­شود؛ بنابراین تهیه نقشه حساسیت به وقوع سیلاب نخستین گام در برنامه مدیریت سیلاب است. هدف از این پژوهش شناسایی مناطق حساس به سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی (RF) و خطی تعمیم‌یافته بیزین (GLMbaye...

متن کامل

اسپلاین در مدلهای خطی تعمیم یافته

تجزیه و تحلیل رگرسیون روشی برای تعیین بین متغیر پاسخ و متغیرهای مستقل می باشد. برای مواردی که ارتباط بین متغیرها خطی نیست ، مدلهای رگرسیون غیرخطی مورد استفاده قرار می گیرد. عمدتا در این روشها برای نیل به یک پاسخ منحصر به فرد، فرض های محدودکننده ای در نظر گرفته می شود. برای تقلیل اینگونه فرض ها نظریه مدلهای خطی تعمیم یافته نیز بطور قابل ملاحظه ای بسط و گسترش یافته اند. در بسیاری از مواقع نوع ارت...

15 صفحه اول

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 1398  شماره 37

صفحات  1- 20

تاریخ انتشار 2020-01-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023