توسعة مدل مولد اقلیم برای حفظ همبستگی مکانی بین ایستگاه‌های مجاور

نوع مقاله: مقاله پژوهشی

نویسندگان

1 فارغ‌التحصیل دکتری آبیاری و زهکشی، گروه مهندسی آبیاری و آبادانی، دانشکدة مهندسی و فناوری کشاورزی، دانشگاه تهران

2 دانشیار گروه مهندسی آبیاری و آبادانی، دانشکدة مهندسی و فناوری کشاورزی، دانشگاه تهران

چکیده

با توجه به اهمیت حفظ همبستگی مکانی بین ایستگاه‌های مجاور در بسیاری از مطالعات حوزة منابع آب و کشاورزی در مقیاس زمانی روزانه، در این مطالعه، یک مدل مولد اقلیم با هدف شبیه­سازی متغیرهای هواشناسی در ایستگاه­های مجاور با حفظ همبستگی مکانی بین ایستگاه­ها توسعه یافت. این مدل، برای بازتولید سری وقوع بارش، از یک مدل مارکوف توسعه یافته استفاده می­کند که می­تواند با دقت قابل قبول، همبستگی مکانی بین ایستگاه­های مجاور را بازسازی نماید. برای شبیه­سازی مقدار بارش در روزهای مرطوب و همچنین شبیه­سازی سایر متغیرهای هواشناسی، یک الگوریتم ناپارامتری پیشنهاد داده شد. عملکرد این الگوریتم در بازتولید میانگین و انحراف استاندارد متغیرهای هواشناسی، همبستگی و خودهمبستگی مرتبة یک روزانه و همبستگی مکانی بین ایستگاه­های مجاور با استفاده از شاخص­های آماری ضریب تعیین (R2)، مقادیر استانداردشدة ریشة میانگین مربع خطاها (SAME) و میانگین خطای مطلق (SMAE) مورد ارزیابی قرار گرفت. نتایج نشان داد که این مدل، قادر است با دقت قابل قبول، ویژگی­های آماری متغیرهای هواشناسی تاریخی ایستگاه­های مورد مطالعه را شبیه­سازی نماید. با این حال، برآورد مدل از مقادیر خودهمبستگی مرتبة یک متغیرها در اکثر موارد، نسبت به مقادیر مشاهداتی، کمتر است. ضمناً، با تغییر پارامترهای این مدل، امکان شبیه‌سازی سناریوهای تغییراقلیم همزمان با حفظ همبستگی بین ایستگاه‌های مجاور فراهم خواهد بود

کلیدواژه‌ها


عنوان مقاله [English]

Developing a Weather Generator Model to Preserve Spatial Correlations between Neighboring Stations

نویسندگان [English]

  • B Ababaei 1
  • F Mirzaei 2
  • T Sohrabi 2
چکیده [English]

Considering the importance of preserving spatial correlation between neighboring stations in many of the studies in the fields of agriculture and water resources on a daily time basis, in this research, a weather generator model (WG) was developed to simulate climatic variables in neighboring stations while preserving spatial correlations between these stations. This model uses an extended Markov model to generate precipitation occurrence series which is capable of simulating spatial correlations between neighboring stations with an acceptable performance. In order to simulate precipitation amounts on wet days and other climatic variables, a nonparametric algorithm was proposed. The performance of this algorithm was assessed in relation with the generation of daily mean and standard deviation, daily correlation and lag-1 autocorrelation of climatic variables and also spatial correlation between neighboring stations using Coefficient of Determination (R2), Standardized Root Mean Square Error (SRMSE) and Standardized Mean Absolute Error (SMAE) statistics. The results showed that this model was capable of reproducing statistical properties of historical time series with an acceptable accuracy, while the model underestimated the values of lag-1 autocorrelation coefficients. Moreover, climate change scenarios can be simulated by modifying model parameters while preserving spatial correlations between neighboring stations.

کلیدواژه‌ها [English]

  • Extended Markov model
  • Nonparametric algorithm
  • Weather generator
  • Spatial correlation