ارزیابی عملکرد الگوریتم بیشینه T و F تاوانیده در کنترل کیفی سری‌های زمانی اقلیمی ماهانه و روزانه در سواحل جنوب‌غربی دریای خزر

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران

2 دانشیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران

3 استادیار گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران.

چکیده

با توجه به کاربرد وسیع داده‌های بلند مدت هواشناسی در علوم مختلف و نیاز به پیش‌بینی تغییرات احتمالی آن‌ها در مقیاس‌های محلی و جهانی، اطمینان از صحت و همگنی این‌گونه داده‌ها بسیار مهم است. به منظور کنترل کیفی فراسنج‌های اقلیمی نیمه غربی منطقه خزری در مقیاس روزانه و ماهانه، از آزمون‌های بیشینه T و F تاوانیده در بسته‌ نرم‌افزاری Rhtests استفاده شد. داده‎های مورد استفاده در این بررسی شامل بارش، بیشینه و کمینه دما، سرعت باد، رطوبت نسبی و همچنین ساعت آفتابی، طی دوره آماری 1979-2017 در ایستگاه‌های بندرانزلی، رشت و رامسر بود. برآورد داده‎های مفقود، با در نظر گرفتن استانداردهای سازمان هواشناسی جهانی و با استفاده از روش نزدیک‌ترین همسایگی K انجام شد. در بررسی سری‎های زمانی ماهانه، 23 نقطه تغییر شناسایی شد که در دو مرحله قبل و بعد از بازسازی، همگن‌سازی گردید. روش نرمال استاندارد با شناسایی 9 نقطه تغییر، از حساسیت کمتری نسبت به روش بیشینه F تاوانیده برخوردار بود. سپس، داده‌های روزانه فراسنج‌های مذکور، مورد آزمون همگنی قرار گرفت که در مجموع با شناسایی 32 نقطه تغییر، همگن‌سازی شد. با این وجود، امکان همگن‌سازی کامل متغیر ساعت آفتابی به‌علت وجود داده‌های مفقود متوالی، میسر نشد. همگن‌سازی داده‎ها باعث تغییر روند 33 درصد از موارد شد. بر اساس نتایج بدست آمده، روش مورد بررسی دارای نتایج قابل قبولی در همگن‌سازی داده‌های هواشناسی در منطقه مورد مطالعه بود.

کلیدواژه‌ها


اوجی، روح‌اله (1392). تحلیل عدم قطعیت روش‌های تک ایستگاهی و چند ایستگاهی در ریزگردانی مقادیر حدی دما و بارش غرب میانی ایران. رساله دکتری، دانشکده علوم انسانی دانشگاه تربیت مدرس. ص 212 .
بازگیر، سعید؛ عباسی، فائزه؛ اسعدی اسکویی، ابراهیم؛ حقیقت، مسعود و رضازاده، پرویز (1398). تحلیل همگنی داده های دما و بارش در ایران با رویکرد اقلیمی. تحلیل فضایی مخاطرات محیطی، 1(6): ص 70-51.
خورشید‌دوست، علی‌محمد؛ رسولی، علی‌اکبر؛ سلاجقه، علی و نساجی زواره، مجتبی (1395). ارزیابی همگنی سری‌های زمانی دمای بیشینه و کمینه سالانه و فصلی (مطالعه موردی ناحیه خزر). نشریه جغرافیا و برنامه‌ریزی، 57(20): ص 149-133.
رحیم‎زاده، فاطمه؛ هدایت دزفولی، اکرم و پوراصغریان، آرزو (1390). ارزیابی روند و جهش نمایه های حدی دما و بارش در استان هرمزگان. مجله جغرافیا و توسعه. 21: ص 116-97.
رحیم‌زاده، فاطمه و نساجی‌زواره، مجتبی (1393). روند و تغییرپذیری دما در ایران در دوره 2010-1960 پس از تعدیل ناهمگنی‎های غیرطبیعی موجود در داده ها. نشریه تحقیقات جغرافیایی، 4(29)، (پیاپی 115): ص 196-181.
رضازاده‌جودی، علی و ستاری، محمدتقی (1395). ارزیابی عملکرد روش‌های مختلف در بازسازی داده‌های بارش ماهانه. نشریه تحقیقات کاربردی علوم جغرافیایی، سال 16، شماره 42، ص 176-155.
رفعتی، سمیه و کریمی، مصطفی (1397). بررسی همگنی داده‌های اقلیمی و روند تغییر دما، فیزیک زمین و فضا، شماره 1،‎ ص 214-199.
ستاری، محمدتقی و رضازاده جودی، علی (1397). مدل‌سازی رواناب ماهانه با استفاده از روش‌های داده‌کاوی براساس الگوریتم‌های انتخاب ویژگی. نشریه حفاظت منابع آب و خاک، 4(7): ص 54-39.
قاجارنیا، نوید؛ لیاقت، عبدالمجید و دانش‌کار‌آراسته، پیمان (1393). صحت‌سنجی داده‌های بارندگی ایستگاه‌های غیرثبات سازمان هواشناسی و تماب در حوضه آبریز دریاچه ارومیه. نشریه حفاظت منابع آب و خاک، 1(4): ص 109-91.
کوهی، منصوره؛ موسوی بایگی، محمد؛ فرید‌حسینی، علیرضا؛ ثنایی‌نژاد، سید حسین و جباری‌نوقابی، هادی (1391). ریزمقیاس‌نمایی آماری و ارایه سناریو‌های آتی رویداد‌های حدی بارش در حوضه کشف رود. نشریه پژوهش‌های اقلیم شناسی، 3(12): ص 53-35.
Aguilar, E., P. Llanso (2003). Guidelines on climate metadata and homogenization. WMO.
Alexandersson, H. (1986). A homogeneity test applied to precipitation data. International Journal of Climatology, 6: 661–675.
Cao, L.J., Z.W. Yan (2012). Progress in research on homogenization of climate data. Adv. Clim. Change Res., 3(2), doi: 10.3724/SP.J.1248.2012.00059.
Conrad, V., L.W. Pollak (1950). Methods in climatology (No. QC981 C714 1950).
Costa, A.C., A. Soares (2009). Homogenization of climate data: review and new perspectives using geostatistics. Math. Geosci. 41 (3): 291–305, from https://doi.org/10.1007/s11004-008-9203-3.
Gower, J.C. (1971). A general coefficient of similarity and some of its properties. Biometrics, pp. 857–871.
Helsel, D.R., R.M.  Hirsch (2002). Statistical methods in water resources (Vol. 323). Reston, VA: US Geological Survey.
https://www.climate.gov/maps-data/climate-data-primer/how-do-weather-observations-become-climate-dataKendall, M.G. (1938). A new measure of rank correlation: Biometrika 30: 81-93.
Kendall, M.G. (1975). Rank correlation methods. 4th ed. Charles Griffin, London, 202 p.
Kowarik.A., M. Templ (2016). Imputation with the R Package VIM. Journal of Statistical Software, Volume 74, Issue 7. doi: 10.18637/jss.v074.i07.
Mann, H.B. (1945). Non-parametric tests against trend. Econometrica, 13: 245-259.
Marcolini, G.; A. Bellin, and G. Chiogna. 2017. Performance of the Standard Normal Homogeneity Test for the homogenization of mean seasonal snow depth time series. International Journal of Climatology, 37: 1267-1277.
Peterson, T.C. (2013). Introduction to Quality Control, Nanjing Workshop, Nanjing University, China, 6 March.
Peterson, T.C., D.R. Easterling, T.R. Karl, P. Groisman, N. Nicholls, N. Plummer, S. Torok. I. Auer, R. BoehmD. Gullett, L. Vincent, R. Heino, H. Tuomenvirta, O. MestreT. Szentimrey J. Salinger, E.J. FørlandI.H. Bauer, H. Alexandersson, P. Jones, D. Parker (1998). Homogeneity adjustments of in situ atmospheric climate data: A review. Int. J. Climatol., 18: 1493-1517.
Rahimzadeh, F., M. Nassaji Zavareh (2014). Effects of adjustment for non-climatic discontinuities on determination of temperature trends and variability over Iran. Int. J. Climatol. 34: 2079–2096.
Ribeiro, S., J. Caineta, A.C. Costa (2015). Review and discussion of homogenization methods for climate data. Physics and Chemistry of the Earth, Parts A/B/C 94, 167-179.
Si. P., Ch. Luo, D. Liang (2018). Homogenization of Tianjin monthly near surface wind speed using RHtestsV4 for 1951–2014. Theor Appl Climatol, 132: 1303–1320.
Szentimrey, T., L. Hoffmann, M. Lakatos (2017). Abstract book. 9th Seminar for Homogenization and Quality Control in Climatological Databases and 4th Conference on Spatial Interpolation Techniques in Climatology and Meteorology. Hungarian Meteorological Service (OMSZ), Budapest. ISBN 978-963-7702-96-9
Tsinko, Y., A. Bakhshaii, E.A. Johnson, E.Y. Martin (2018). Comparisons of fire weather indices using Canadian raw and homogenized weather data. Agricultural and Forest Meteorology, 262: 110–119.
Venema, V.K.C., O. Mestre, E. Aguilar, I. Auer, J.A. Guijarro, P. Domonkos, et al., (2012). Benchmarking homogenization algorithms for monthly data. Climate Past, 8 (1): 89–115.
Vincent, L.A., X.L. Wang, E.J. Milewska, H. Wan, F. Yang, V. Swail (2012). A second generation of homogenized Canadian monthly surface air temperature for climate trend analysis. J. Geophys. Res.: Atmos. 117 (D18110). https://doi.org/10.1029/2012JD017859.
Wang, X.L. (2008a). Accounting for autocorrelation in detecting mean shifts in climate data series using the penalized maximal t or F test. J. Appl. Meteorol. Climatol. 47 (9): 2423–2444.
Wang, X.L. (2008b). Penalized maximal F-test for detecting undocumented mean-shifts without trend-change. J. Atmos. Oceanic Tech., 25 (No.3), 368-384. DOI:10.1175/2007/JTECHA982.1.
Wang, X.L., H. Chen, Y. Wu, Y. Feng, Q. Pu (2010). New techniques for the detection and adjustment of shifts in daily precipitation data series. J. Appl. Meteorol. Climatol. 49(12): 2416–2436. https://doi.org/10.1175/2010JAMC2376.1.
Wang, X.L., Q.H. Wen, Y. Wu (2007). Penalized maximal t test for detecting undocumented mean change in climate data series. J. Appl. Meteor. Climatol., 46: 916–931, https://doi.org/10.1175/JAM2504.1
Wang, X.L., Y. Feng (2015). Overview of the RHtests_dlyPrcp software package for homogenization of daily precipitation. EMS 2015, Sofia, Bulgaria, 7-11.
WMO (2003). Global ozone research and monitoring project, in Scientific Assessment of Ozone Depletion: 2002, Rep. 47, Geneva.
WMO (2008). Guide to Meteorological Instruments and Methods of Observation, 7th Ed., WMO No. 8, World Meteorological Organization, Geneva, Switzerland.
WMO (2002). Scientific assessment of ozone depletion. Global Ozone Research and Monitoring Project. Report no. 47. World Meteorological Organization.
Yozgatligil, C., C. Yazici (2016). Comparison of homogeneity tests for temperature using a simulation study. Int. J. Climatol. 36: 62–81.