اصلاح و کاربرد مدل های ساده رگرسیونی برای پیش بینی بارندگی سالانه در دو ایستگاه شهرکرد و یزد

آب و خاک

مقاله 14، دوره 30، شماره 1 - شماره پیاپی 45، اردیبهشت 1395، صفحه 312-321   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v30i1.41933

نویسندگان

نسیمه خلیلی سامانی^{* 1}؛ ابوالفضل عزیزیان²

¹دانشگاه اردکان

²اردکان

چکیده

منابع آبی زمین به بارندگی به عنوان یکی از عناصر متغیر اقلیمی وابسته است. وجود مدل هایی برای پیش بینی بارندگی و به تبع آن مدیریت منابع آب، چه در مناطق پر بارش و چه در مناطق خشک و نیمه خشک، امری مفید است. در این پژوهش با استفاده از آمار درازمدت بارندگی روزانه دو ایستگاه شهرکرد و یزد، مدل‌های ساده رگرسیونی که برای برآورد بارندگی سالانه (Pa) در استان‌های خوزستان، کرمان و استان‌های جنوبی و غربی ارائه شده بود، مورد ارزیابی قرار گرفت. در این مدل ها Pa وابسته به فاصله زمانی وقوع 5/42 و 5/47 میلی متر بارندگی از ابتدای پاییز (t42.5،t47.5 ) و میانگین درازمدت بارندگی (Pm) بود. نتایج نشان داد که روابط معکوس و خطی مرتبط با t42.5و t47.5 قادر به برآورد بارندگی سالانه در شهرکرد نمی باشد، در حالی که مدل ساده رگرسیونی با به‌کارگیری t42.5،t47.5 و میانگین درازمدت بارندگی، در صورت اصلاح ضرایب، با دقت قابل قبولی (با جذر میانگین مربعات خطای نرمال کمتر از 30/0 یا شاخص توافق بیشتر از 90/0) قادر به پیش بینی بارندگی در دو ایستگاه شهرکرد و یزد می باشد.

کلیدواژه‌ها

بارش؛ برآورد؛ روابط رگرسیونی؛ کالیبراسیون؛ منابع آبی

مراجع

1-Khalili N., Khodashenas S.r., Davari K., and Mousavi Bayeghi M. 2007. Monthly precipitation forecasting using artificial neural networks in Mashhad Synoptic Weather Station. Journal of Agricultural Science and Technology, Transaction of soil and water, (1) 22: 89-99. )in Persian with English abstract(.

2- Davoudi M., Mohammadi H., and Bay N. 2009. Analysis and prediction of some climatic elements of Mashhad. Nivar, 71-70: 35-46. )in Persian with English abstract.(

3-Fatemi Amin S.R., and Mortezai A. 2013. Guidline plan of food chain products. Vice President of Planning, Ministry of Industry, Mine and Trade. Jihad-Daneshgahi Press, University of Shahid-Beheshti. Tehran.

4- Ghasemi m.m., and Sepaskhah A.R. 2004. Predicting of annual precipitation in Khuzestan Province based on early rain events in fall. Journal of Sciences and Technology of Agriculture and Natural Resources, Water and Soil Science, 8(1): 1-9. (in Persian with English abstract)

5-Karimi gughari sh., and sepaskhah A. R. 2006. A Model for prediction of annual precipitation in Kerman Province. Iran-Water Resources Research, 2(1): 54-60. (in Persian with English abstract)

6-‌‌ Meteorological Organization of Chaharmahal-Bakhtiari Province. Available at http: ̸ ̸ www.chaharmahalmet.ir ̸ c1.asp (Visited 23 November 2014)

7- Meteorological Organization of Yazd Province. Meteorological report of Yazd synoptic Weather Station. Available at http://www.yazdmet.ir (Visited 27 November 2014)

8-Ansari H. 2013. Forecasting Seasonal and Annual Rainfall Based on Nonlinear Modeling with Gamma Test in North of Iran. International Journal of Engineering Practical Research, 2(1):16-29.

9-Ma L., Li X., and Wang J. 2012. Hybrid Neural Network Model Application in Annual Precipitation Forecast. International Journal of U-& E-Service, Science & Technology, 5(4):21-30.

10-Munot A. A., and Kumar K. K. 2007. Long range prediction of Indian summer monsoon rainfall. Journal of Earth System Science, 116(1):73-79.

11-Rahman M. M., Rafiuddin M., and Alam M. M. 2013. Seasonal forecasting of Bangladesh summer monsoon rainfall using simple multiple regression model. Journal of Earth System Science, 122(2):551-558.

12-Sepaskhah A. R., and Taghvaee A. R. 2006. A simple model for prediction of annual precipitation in the southern and western provinces of Iran. Iran Agriculture Research,23(2):60-69.

13-Stewart J. I. 1988. Response farming In rainfed agriculture. WHARF Foundation Press. Davis California.