الگوهای کاربردی جدید برآورد میانگین دمای روزانه در نواحی مختلف اقلیمی ایران

آب و خاک

مقاله 10، دوره 34، شماره 5 - شماره پیاپی 73، زمستان 1399، صفحه 1141-1156  

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v34i5.76165

نویسندگان

بهاره میرکماندار ¹؛ سید حسین ثنائی نژاد²؛ حجت رضائی پژند³؛ محبوبه فرزندی⁴

¹دانشجوی دکتری سازه‌های آبی، دانشگاه شهید باهنر کرمان

²دانشیار، دانشکده کشاورزی، دانشگاه فردوسی مشهد

³عضو هیات علمی، دانشگاه آزاد اسلامی واحد مشهد

⁴دکتری هواشناسی کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد

چکیده

تأثیر اقلیم بر الگوهای رفتاری تغییرات دما در روش­های موجود مورد توجه قرار نگرفته است. با رسم دقیق منحنی تغییرات روزانه­ی دما در یک روز عادی نشان می­دهد که توزیع این متغیر نرمال نیست و یک منحنی چوله به راست است. بنابراین استفاده از ضرایب مساوی برای برآورد میانگین دمای روزانه خطا دارد. این مقاله الگوهای جدیدی را برای برآورد میانگین دمای روزانه درسه ناحیه مختلف اقلیمی ایران و ایستگاه‌های نمونه مربوطه ارائه داده است. به این منظور خوشه­بندی اقلیمی که مطابق آن کشور ایران به سه خوشه ساحلی، کوهستانی و بیابانی و نیمه بیابانی تقسیم شده، انتخاب و نمونه‌گیری سیستماتیک برای تعیین ایستگاه‌های منتخب صورت گرفت. سپس الگوی­های رگرسیونی خطی پس از غربال و آماده سازی  بر داده­ها برازش داده شد. نتایج ارائه شده وجود عرض از مبدأ را در تمام الگوها تأیید می­کند. که دامنه آن برای سه خوشه و ایستگاه‌های نمونه از 735/1- تا 26/0 می‌باشد. ضریب استاندارد شده (Beta) متغیرهای پیشگو، بیانگر نابرابری وزن این متغیرها در تمامی الگوها است. این ضریب در الگوی برآورد میانگین دمای روزانه خوشه ساحلی برای متغیرهای دمای کمینه و بیشینه به ترتیب 2/48% و 8/51% می‌باشد. این مقادیر نشان می‌دهد دمای بیشینه نسبت به دمای کمینه حساس­تر است. بیشترین تأثیر دمای بیشینه با مقدار 1/63% در خوشه کوهستانی برای برآورد میانگین دمای روزانه دیده می‌شود. واسنجی و قیاس الگوهای ارائه شده در این مقاله با الگوی مرسوم برآورد میانگین دمای روزانه نشان از توانایی بالای الگوهای پیشنهادی در برآورد این میانگین دارد. میانگین مربع خطا (MSE) معیار واسنجی و مقایسه الگوهاست. بیشترین اختلاف برآورد میانگین دمای روزانه میان الگوی مرسوم با الگوی ارائه شده برای خوشه کوهستانی بوده که 24% می‌باشد.

کلیدواژه‌ها

الگوی رگرسیونی؛ دمای بیشینه؛ دمای کمینه؛ میانگین دمای روزانه؛ نمونه گیری سیستماتیک

مراجع

1. 1. Ball G., and Hall D. 1967. A clustering technique for summarizing multivariate data. Behavioral Science 12: 153–155.
   2. Eccel E. 2012. Estimate air humidity from temperature and precipitation measures for modelling applications. Meteorological Applications 19: 118-128.
   3. Ephrath J.E., Goudriaan J., and Marani A. 1996. Modelling diurnal patterns of air temperature, radiation, wind speed & relative humidity by equations from daily charactristics. Agricultural Systems 377-393.
   4. Farris J.S. 1969. On the cophenetic correlation coefficient. Systematic Zoology 18: 279–285.
   5. Floyd R.B., and Braddock R.D. 1984. A simple method for fitting average diurnal temperature curves. Agriculture and Forest Meteorology 32: 107-119.
   6. Farzandi M., Rezaee-Pazhand H., and Seyyed nejad Golkhatmi N. 2012. Patterns to estimate the average daily temperature in arid and semiarid regions of Iran, International desert Research Center, university of Tehran.
   7. Kelley K., and Maxwell S.E. 2003. Sample size for multiple regression: Obtaining regression coefficients that are accurate, not simply significant. Psychological Methods 8(3): 305-321.
   8. Kimball B.A., and Bellamy L.A. 1986. Generation of diurnal solar radiation, temperature and humidity patterns. Energy in Agricalture 5: 185-97.
   9. Kimball J.S., Running S.W., and Nemani R. 1996. An improved method for estimating surface humidity from daily minimum temperature NTSG School of Forestry. University of Montana, Missoula MT 59812, USA.
   10. Kristi A., Gebhart S.C., and William C.M. 2001. Diurnal & seasonal patterns in light scattering, extinction and relative humidity, Atmospheric Enviroment 35: 5177-5191.
   11.  Kukal M., and Irmak S. 2016. Long-term patterns of air temperatures, daily temperature range, precipitation, grass-reference evapotranspiration and aridity index in the USA great plain. Journal of Hydrology 542: 978-1001.
   12. Mehdizadeh S., Behmanesh J., and Khalili K. 2016. Application of gene expression programming to predict daily dew point temperature. Applied Thermal Engineering 9383: 1-26.
   13. Peter E.,Thornton H.H., and Michael A.W. 2000. Simultaneous estimation of daily solar radiation and humidityfrom observed temperature and precipitation: an application over complex terrain in Austria. School of Forestry, University of Montana, Missoula, MT 59812, USA.
   14. Parton W.J., and Logan J.A. 1981. A model for diurnal variation in soil and air temperature. Journal of Agriculture Meteorology 23: 205-216.
   15. Runing S.W., Nemani R.R., and Hunger Ford R.D. 1987. Extrapolation of Synoptic meteorological data in mountainous terrain and its use for simulating forest evapotranspiration and photosynthesis. 17: 472-483.
   16. Rezaee-Pazhand H., Habibi M., and Farzandi M. 2008. Mean daily temperature for arid and semi-arid zones in Iran. Iran water Resources Research 4(1): 70-74. (In Persian with English abstract)