:: دوره 9، شماره 35 - ( 1397 ) ::
جلد 9 شماره 35 صفحات 47-39 برگشت به فهرست نسخه ها
بررسی روش‌های درون‌یابی بر داده‌های بارش و دما حوزه جنوب دریای خزر (فصل‌های تابستان و زمستان)
محبوبه مولوی عربشاهی ، کوثر شاولی کوه‌شوری
دانشگاه علم و صنعت ، molavi@iust.ac.ir
چکیده:   (6482 مشاهده)
DOR: 98.1000/1562-1057.1397.9.39.0.35.1576.41

هدف از پژوهش حاضر بررسی روش‌های درون­یابی برای تخمین و بازسازی داده‌های اقلیمی است. باتوجه به این که دو عامل بارندگی و دما در تصمیم‌گیری‌های کاربردی بسیاری به عنوان تاثیرگذارترین پارامتر‌ها شناخته می‌شوند و در بسیاری از مطالعات فیزیک زمین‏، کشاورزی‏، هیدرولیکی و... از داده‌های اقلیمی استفاده می‌شوند؛ اما همواره داده‌های اقلیمی یا در تمامی بازه‌ها موجود نیستند و یا پژوهشگران نیازمند داده‌های هواشناسی برای پیش‌بینی شرایط اقلیمی هستند. در این موارد از روش‌های مختلف درون­یابی استفاده می‌شود. لذا در این پژوهش روش‌های موجود برای درون­یابی داده‌های دما و بارش در سه ایستگاه سینوپتیک رامسر‏، بابلسر‏ و بندر انزلی طی دوره آماری سال­های 1951 تا 2017 مورد ارزیابی قرار گرفتند. نتایج پژوهش حاکی از آن است که درون­یابی‌های نویل و اسپیلاین برای تمامی ایستگاه‌های مورد مطالعه‏، تقریب دقیق‌تری را ارائه می‌دهند. از دیگر یافته‌های پژوهش این است که درون­یابی دما برای ماه‌های فصل تابستان نسبت به فصل زمستان دارای خطای کمتری است. همچنین تفاوت معنی­داری بین درون­یابی برای ایستگاه‌های مختلف دیده نشد.
واژه‌های کلیدی: درون یابی، دما، بارش، دریای خزر.
متن کامل [PDF 1048 kb]   (1465 دریافت)    
نوع مطالعه: كاربردی | موضوع مقاله: هواشناسی دريا / تغییرات اقلیمی
دریافت: 1397/4/6 | ویرایش نهایی: 1397/11/17 | پذیرش: 1397/7/23 | انتشار الکترونیک: 1397/9/24
فهرست منابع
1. Atkinson, K.E., 2008. An introduction to numerical analysis. (2nd edition), Wiley-India, 486P.
2. Dirks, K.N.; Hay, J.E.; Stow, C.D.; Harris, D., 1998. High-resolution studies of rainfall on Norfolk Island Part II: Interpolation of rainfall data. Journal of Hydrology, 208(3-4): 187-193. [DOI:10.1016/S0022-1694(98)00155-3]
3. Francisco, J.M., 2010. Comparison of different geostatistical approaches to map climate variables: application to precipitation. International Journal of Climatology, 30: 620-631.
4. Jeffrey, S.J.; Carter, J.O.; Moodie, K.B.; Beswick, A.R., 2001. Using spatial interpolation to construct a comprehensive archive of Australian climate data. Environmental Modelling and Software, 16: 309-330. [DOI:10.1016/S1364-8152(01)00008-1]
5. Kotlyakov, V.M.; Serebryanny, L.R.; Solomina, O.N., 1991. Climate change and glacier fluctuation during the last 1000 years in the Southern Mountains of the USSR. Mountain Research and Development, 11(1): 1-12. [DOI:10.2307/3673523]
6. Phillips, D.L.; Dolph, J.; Marks, D., 1992. A comparison of geostatistical procedures for spatial analysis of precipitation in mountainous terrain. Agricultural and Forest Meteorology, 58: 119-141. [DOI:10.1016/0168-1923(92)90114-J]
7. Price, D.T.; McKenney, D.W.; Nalder, L.A.; Hutchinson, M.F.; Kesteven, J.L., 2000. A comparison of two statistical methods for spatial interpolation of Canadian monthly mean climate data. Agricultural and Forest Meteorology, 101: 81-94. [DOI:10.1016/S0168-1923(99)00169-0]
8. Touchan, R.; Meko, D.M.; Aloui, A., 2008. Precipitation reconstruction for Northwestern Tunisia from tree rings. Journal of Arid Environments, 72: 1887-1896. [DOI:10.1016/j.jaridenv.2008.05.010]



XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 9، شماره 35 - ( 1397 ) برگشت به فهرست نسخه ها