- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 283 |
| تعداد نشریات سازمان | 81 |
| تعداد شماره‌ها | 2,727 |
| تعداد مقالات | 31,054 |
| تعداد مشاهده مقاله | 28,247,205 |
| تعداد دریافت فایل اصل مقاله | 16,264,249 |
ارزیابی چند مدل در پیشبینی سریهای زمانی شاخص بارندگی استاندارد | ||
| پژوهش آب در کشاورزی | ||
| دوره 27، شماره 3، آذر 1392، صفحه 429-454 اصل مقاله (298.07 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/jwra.2013.128847 | ||
| نویسندگان | ||
| سمیه حجابی* 1؛ جواد بذرافشان2 | ||
| 1دانشجوی دکترای هواشناسی‌کشاورزی دانشگاه تهران؛ | ||
| 2عضو هیئت علمی | ||
| چکیده | ||
| خشکسالی یک رخداد هواشناسی تکرارشونده و موقتی است که ناشی از کاهش بارندگی نسبت به میانگین بلندمدت آن میباشد. با توجه به اهمیت پیشبینی خشکسالی و نقش آن در مدیریت منابع آب، در این مطالعه به ارزیابی مهارت شش نوع مدل استوکاستیک (AR، MA، ARMA، ARIMA غیرفصلی، ARIMA فصلی و ARIMA مکثّر) در مدلسازی و پیشبینی سریهای زمانی شاخص بارندگی استاندارد شده (SPI) پرداخته شد. برای دستیابی به این هدف، از داده های بارندگی ماهانه ی 10 ایستگاه سینوپتیک با اقلیم های خیلی مرطوب تا فراخشک (دورهی آماری 2007-1973) استفاده شد. ابتدا از طریق انتقال احتمال تجمعی توزیع بهینه بارندگی به توزیع احتمال تجمعی نرمال استاندارد، مقادیر SPI در مقیاسهای زمانی 3، 6 و 12 ماهه محاسبه شد. سپس، در یک فرآیند چند مرحله‌ای (شناسایی، برآورد پارامتر و آزمون کفایت مدل) توسعه ی مدلها بر روی مقادیر SPI مربوط به دورهی 1973 تا 2000 صورت گرفت و از بین مدلهای داوطلب، مناسبترین مدل استوکاستیک برای هر یک از مقیاسهای زمانی تعیین شد. به منظور صحت سنجی مدل های منتخب، پس از انجام پیش بینی های یک تا دوازده گام به جلو مقادیر SPI برای دورهی 2001 تا 2007، به مقایسهی مقادیر و طبقات مشاهده شده و پیش بینی شده ی SPI پرداخته شد. نتایج ارزیابی دقت مدلها در پیشبینی مقادیر SPI در ایستگاههای منتخب نشان داد در پیش بینی یک گام به جلو، در مقیاس 3 ماهه، مدل استوکاستیک ایستگاه بوشهر (0/70=r و 0/66=RMSE) و در مقیاس 6 ماهه و 12 ماهه، مدل استوکاستیک ایستگاه همدان نوژه (مقیاس 6 ماهه: 0/84=r و 0/41=RMSE؛ مقیاس 12 ماهه: 0/93=r و 0/30=RMSE) دارای بیشترین دقت در مقایسه با مدل استوکاستیک سایر ایستگاهها میباشد. همچنین با افزایش مقیاس زمانی، خطای پیشبینی به میزان قابل توجهی کاهش مییابد و با افزایش گام زمانی دقت پیش بینی کاهش مییابد. نتایج ارزیابی دقت مدلها در پیشبینی طبقات SPI بر مبنای آمارهی کاپا (K) نشان داد حداکثر توافق طبقات مشاهده شده و پیش بینی شدهی یک گام به جلو در مورد SPI3، SPI6 و SPI12 به ترتیب مربوط به ایستگاه بوشهر (0/46=K)، ایستگاه گرگان (0/66=K) و ایستگاه زاهدان (0/81=K) میباشد. همچنین با افزایش مقیاس زمانی، میزان توافق طبقات مشاهده شده و پیش بینی شده افزایش مییابد و با افزایش گام زمانی میزان توافق طبقات مشاهده شده و پیش بینی شده کاهش مییابد. | ||
| کلیدواژه‌ها | ||
| آماره کاپا؛ پیشبینی؛ شاخص بارندگی استاندارد شده؛ مدلهای استوکاستیک | ||
| عنوان مقاله [English] | ||
| Evaluation of Six Types of Stochastic Models Skill in Modeling and Forecasting the Standardized Precipitation Index Time Series | ||
| نویسندگان [English] | ||
| Somayeh Hejabi1؛ Javad Bazrafshan2 | ||
| چکیده [English] | ||
| Drought is a temporary and recurring meteorological event, which originates from the lack of precipitation relative to its long-term average. Since drought forecasting has a critical role in water resources management, in this study, six types of stochastic models (AR, MA, ARMA, non-seasonal ARIMA, seasonal ARIMA and multiplicative ARIMA) skill in modeling and forecasting the Standardized Precipitation Index (SPI) time series was evaluated. For reaching this purpose, the monthly total precipitation data related to ten synoptic stations with hyper humid to very dry climates (1973-2007) were used. At first, by transferring the optimum distribution cumulative probability of precipitation to cumulative probability distribution of standard normal, the SPI values in three time scales of 3, 6 and 12 months were calculated. Then, the development of models was done on SPI values related to period of 1973 to 2000, over a multi stage process (Identification, Parameter estimation, Diagnostic check) and the most appropriate stochastic model was determined for each time series from the candidate models. In order to validate the chosen models, at first, one to twelve lead times ahead forecasting was done for period of 2001 to 2007.Then, the values and the classes of the observed and the forecasted SPI were compared. The results of evaluating the models accuracy in forecasting the SPI values over chosen stations showed that in one month lead time ahead drought forecasting, over 3-month time scale, the stochastic model of Bushehr station (r=0.70, RMSE= 0.66) and over 6 and 12-month time scales, the stochastic model of Hamedan Nojeh station (6-month time scale: r=0.84, RMSE=0.41; 12-month time scale: r=0.93, RMSE=0.30) have the most accuracy comparing with stochastic model of other stations. Moreover, the forecasting error decreases with increasing the time scale and the forecasting accuracy decreases with increasing the lead time. The results of evaluating the models accuracy in forecasting the SPI classes based on Kappa statistic (K), showed that the maximum agreement of the observed and the forecasted classes for one lead time ahead forecasting, about 3, 6 and 12-month time scales is related to Bushehr (K=0.46), Gorgan (K=0.66) and Zahedan (K=0.81), respectively. Moreover, the agreement of the observed and the forecasted classes increases with increasing the time scale and the agreement of the observed and the forecasted classes decreases with increasing the lead time. | ||
| کلیدواژه‌ها [English] | ||
| Forecasting, Kappa statistic, Standardized Precipitation Index, Stochastic Models | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 58 تعداد دریافت فایل اصل مقاله: 51 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب