منابع تحقیق درمورد سازي، شبيه، دادههاي، متغير

دانلود پایان نامه ارشد

گراد)
2100-2070
2069-2040
2039-2010
دورة پايه (1990-1961)
دوره

سناريو
حداقل مطلق
حداكثر مطلق
متوسط
حداقل مطلق
حداكثر مطلق
متوسط
حداقل مطلق
حداكثر مطلق
متوسط
حداقل مطلق
حداكثر مطلق
دماي متوسط سالانه










30-
48
1/16
دورة پايه (1990-1961)
4/23-
8/57
24
9/21-
5/55
17/20
40/22-
5/53
5/18
6/23-
80/51
9/15
مقدارشاخص
CGCM
6/6-
8/9
9/7
1/8-
5/7
1/4
6/7
5/5
4/2
6/6-
21/0
8/3
9/7
2/0
2/1
مقدارتغييرات
درصدتغييرات نسبت به زمان پايه

2/19-
6/56
65/20
2/20-
2/54
9/18
2/21-
3/52
6/17
4/20-
3/49
5/16
مقدارشاخص
A2
8/10
6/8
55/4
8/9-
2/6
8/2
8/8-
3/4
5/1
6/9-
3/1
7/2
4/0
4/2
مقدارتغييرات
درصدتغييرات نسبت به زمان پايه

7/19-
5/45
6/19
4/20-
6-53
53/18
7/20-
1/52
54/17
4/20
51
5/16
مقدارشاخص
B2
3/10-
5/6
5/3
6/9-
6-5
43/2
3/9-
1/4
4/1
6/9-
3
2/6
4/0
4/2
مقدارتغييرات
درصدتغييرات نسبت به زمان پايه

4-1-1-10- انتخاب مناسبترين مدل و سناريو به منظور شبيه سازي درجه حرارت
بررسيهاي حاصل از معيارهاي گرافيکي و آماري در دوره کاليبراسيون، دوره ارزيابي و دوره پايه حکايت از آن دارد که مدل HadCM3 در مقايسه با مدل CGCM شاخصهاي دمايي خصوصا متوسط درجه حرارت روزانه (بعنوان يکي از وروديهای مدل هيدرولوژي HELP) را بهتر شبيهسازي ميکند. هر دو سناريو A2 و B2 متوسط دما را در دوره پايه تقريبا مشابه هم شبيهسازي ميکنند. جدول(4-8) خطا مطلق و انحراف معيار را به تفکيک ماه براي دو سناريو نشان ميدهد. اما از آنجایی که سناريوي A2 وقايع حدي را

شکل(4-19 ) متوسط درجه حرارت مشاهدهاي در دوره پايه و شبيهسازي( الف) دهه2020، (ب) دهه2050، (د) دهه2080، (ر) حداکثرمطلق درجه حرارت در دوره پايه و دهه 2080 و (ز)حداقل مطلق درجه حرارت در دوه پايه ودهه 2080به تفکيک مدل

بهتر از سناريو B2 شبيه سازي ميکند و نتايج آن در دوره پايه براي دادههاي بازسازي شده بهتر از سناريوي B2 ميباشد. در نهايت سناريو A2 از مدل HadCM3 براي شبيه سازي متوسط درجه حرارت روزانه در دورههاي آتي انتخاب گرديد. اشکال (4-20 تا 4-22) متوسط درجه حرارت، واريانس متوسط درجه حرارت و متوسط حداقل درجه حرارت ماهانه دادههاي مشاهدهاي و شبيه سازي شده تحت سناريو A2 مدل HadCM3 را در دوره پايه نشان ميدهند. براساس اين اشکال مدل درجه حرارت ماههاي فصل زمستان و پاييز را به خوبي شبيه سازي مينمايد. اما ماههاي فصل تابستان را کمي بيش از مقدار واقعي برآورد ميکند. شکل(4-23) اختلاف مطلق درجه حرارت مشاهدهاي و شبيه سازي تحت سناريوي A2 را در دورههاي آتي نشان ميدهد. در تمام ماهها افزايش دما را داريم اما بيشترين آن مربوط به ماه اوت ميباشد.

شکل (4-20 ) متوسط درجه حرارت ماهانه سناريو A2 مدل HadCM3 و داده هاي مشاهده اي در دوره پايه
4-1-2- شبيه سازي بارش
مراحل شبيه سازي بارش مانند شبيه سازي شاخصهاي دمايي صورت گرفت( دراين بخش به منظور خوداري از تکرار مطالب از ارائه توضيحاتي که در بخش 4-1-1 آمده است خوداري ميشود و فقط به نتايج پرداخته ميشود). با اين تفاوت که هيچکدام از متغيرهاي مستقل مدل CGCM با متغير وابسته بارش ارتباط معني داري نداشتند. لذا شبيه سازي فقط با استفاده از مدل HadCM3 صورت گرفت. همچنين
جدول (4-8 ) خطاي مطلق و انحراف معيار متوسط درجه حرارت دو سناريو A2 و B2
مدل HadCM3 دردوره پايه(1990-1961) (درجهسانتيگراد)
ماه
A2
B2

انحراف معيار
خطاي مطلق
انحراف معيار
خطاي مطلق
ژانويه
0.10
0.09
0.11
0.18
فوريه
0.08
0.09
0.59
0.62
مارس
0.10
0.07
0.85
0.82
آوريل
0.10
0.08
0.75
0.68
مي
0.08
0.08
0.12
0.19
ژوئن
0.10
0.10
0.96
0.88
جولاي
0.09
0.11
2.22
2.24
اوت
0.12
0.10
3.66
3.59
سپتامبر
0.11
0.11
0.57
0.61
اکتبر
0.09
0.09
0.35
0.41
نوامبر
0.09
0.09
0.01
0.03
دسامبر
0.08
0.09
0.28
0.25
زمستان
0.05
0.05
0.30
0.32
بهار
0.05
0.05
0.50
0.44
تابستان
0.07
0.06
2.27
2.23
پاييز
0.06
0.05
0.31
0.33
سالانه
0.03
0.03
0.40
0.40
ميانگين خطاي مطلق

073/0

0.83

شکل (4-21 ) واريانس متوسط درجه حرارت سناريو A2 مدل HadCM3 و داده هاي مشاهده اي در دوره پايه

شکل (4-22 ) متوسط حداقل درجه حرارت ماهانه سناريو A2 مدل HadCM3 و دادههاي مشاهدهاي در دوره پايه

شکل (4-23 ) اختلاف مطلق متوسط درجه حرات دورههاي آتي با دادههاي مشاهدهاي تحت سناريو A2 مدل HadCM3 در ايستگاه کرمان

حالتهاي مختلف تبديل دادههاي بارش (لگاريتمي،توان2، ريشههاي دوم، سوم و چهارم ) با روش سعي و خطا به منظور بهترين استفاده از شکل دادهها انجام شد که در نهايت دادهها بصورت خام (بدون تغيير) بهترين نتايج را داشتند بنابراين شبيه سازي با دادهاي اصلي صورت گرفت.

4-1-2-1- انتخاب متغير هاي پيشبينيکننده مناسب
اشکال(4-24) تا (4-27) ضرايب تعيين، ضريب همبستگي جزيي و ماتريس همبستگي را براي 26 متغير اتمسفري بازسازي شده دو مدل جهاني مورد استفاده دراين تحقيق نشان ميدهند. براساس اين اشکال بيشترين ضريب همبستگي بين بارش و متغيرهاي بازسازي شده مدل HadCM3 مربوط به رطوبت نسبي در سطح زمين و رطوبت نسبي در ارتفاع معادل 850 هکتوپاسکال ميباشد. همانطور که از شکل (4-25) مشخص است ضريب تعيين بين متغيرهاي مستقل و بارش در مدل CGCM در تمام ماهها کمتر از 01/0 ميباشد. به همين دليل استفاده از اين مدل در همين مرحله متوقف و ادامه تحقيق فقط با استفاده ازدادههاي مدل HadCM3 صورتگرفت. اگرچه متغيرها رطوبت نسبي در سطح زمين و در ارتفاع معادل500 و850 پاسکال ارتباط نسبتا مناسبي با بارش خصوصا در ماهها فصل زمستان دارند. اما ماتريس همبستگي بين اين متغيرها نشان ميدهد که اين سه متغير با هم داراي ضريب همبستگي بالايي ميباشد در نتيجه شرط عدم وابستگي متغيرهاي مستقل تامين نميشود. ضريب همبستگي بين رطوبت نسبي در سطح زمين و ارتفاع معادل850 هکتوپاسکال برابر يک است (شکل4-25). بنابراين امکان استفاده از هر دو اين متغير بطور همزمان صحيح نميباشد. لذا تنها با استفاده از متغير رطوبت نسبي در نزديکي سطح زمين مراحل ريز مفياسنمايي صورت گرفت. نکته قابل توجه ديگر اينکه اگرچه ضريب تعيين بين متغير وابسته و مستقل براي اکثر ماهها کم است اما ذکر اين نکته ضروري است اولا بدليل زياد بودن تعداد داده ها (10957) اين ضريب براي ماههايي از سال که بارش داريم معني دارخواهد بود. نگاهي به شکل(4-24) مشخص ميشود که ضريب همبستگي بين متغير وابسته (بارش) ومتغير مستقل (رطوبت نسبي روزانه در نزديکي سطح زمين) با ماههاي تر سال رابطه مستقيم دارد . در ادامه خواهيم ديد که در ماههايي هم که ضريب هبستگي پايين است در واقع بارش نداريم و مدل به خوبي عدم وجود بارش در اين ماهها را نشان خواهد داد. بنابراين رطوبت نسبي بعنوان مناسبترين متغير پيشبيني کننده براي ريزمقايسنمايي بارش در ايستگاه کرمان انتخاب گرديد.

4-1-2-2- کاليبره كردن مدل SDSM
بعد از تعيين متغير مستقل مناسب، نسبت به كاليبره كردن و تشکيل ساختار مدل اقدام شد. چنانچه قبلا هم گفته شد به منطور کاليبره نمودن مدل از آمار روزانه بارش( 1975-1961 ) استفاده شد. شکل(4-26) نمودار پراکنش متغير وابسته در مقابل متغير مستقل و شکل(4-28) مقادير باقيمانده در مقابل متغير وابسته را نشان ميدهد. براساس اين اشکال رابطه بين متغير مستقل و وابسته نسبتا مناسب ميباشد. همچنين پراکنش مقادير باقي مانده حول محور افقي دلالت بر برآورد مناسب بارش توسط مدل دارد.

شکل (4-24 ) ضريب تعيين بين متغيرهاي اتمسفري و بارش روزانه در ايستگاه کرمان (مدل HadCM3 )

شکل (4-25 ) ماتريس همبستگي بين متغيرهاي اتمسفري و بارش در ايستگاه کرمان

شکل (4-26 ) نمودار پراکنش متغير وابسته در مقابل متغير مستقل (بارش) در ايستگاه کرمان

شکل (4-27 ) ضريب تعيين بين متغير هاي اتمسفر و بارش روزانه در ايستگاه کرمان مدل CGCM

شکل (4-28 ) نمودار پراکنش متغير وابسته (بارش) در مقابل باقي ماندهها در ايستگاه کرمان

4-1-2-3- بررسي معيارهاي توانايي مدل در شبيهسازي در دوره ارزيابي
4-1-2-3- 1- معيارهاي گرافيکي
شکل(4-29 ) نمودار پراکنش مقادير مشاهدهاي و شبيهسازي شده توسط مدل در دوره ارزيابي را نشان ميدهد. همچنين شکل (4-30) فراواني دادههاي مشاهدهاي و شبيه سازي شده را نشان ميدهد. همانطور که مشخص است فراواني دادههاي مشاهدهاي عموما در نزديکي عدد صفر ميباشند. بدین معنا است که مدل بخوبي تعداد روزهاي با بارش کم که از مشخصه هاي اصلي ايستگاه مورد مطالعه ميباشد را نشان ميدهد. مضاف بر اين نمودار مذکور عدم توانايي مدل در شبیهسازی وقايع حدي را به خوبي به تصوير ميکشد. شکل(4-31) سري زماني دادههاي مشاهدهاي و شبيه سازي شده را در دهه (1990-1980) نشان ميدهد. براساس اين شکل مدل در شبيه سازي ميانگين روزانه بارش داراي توانايي مناسب اما در شبيه سازي بارشهاي سنگين از دقت لازم برخورد ار نيست.

شکل (4-29) پراکنش دادههاي مشاهدهاي(بارش) درمقابل دادههاي شبيه سازي در دوره ارزيابي در ايستگاه کرمان

شکل (4-30 ) فراواني دادههاي مشاهدهاي وشبيه سازي (بارش) در دوره ارزيابي (اعداد سمت راست تعداد دفعات شبيه سازي است که در اين اينجا 20دفعه ميباشد)

شکل (4-31 ) سري زماني دادههاي مشاهدهاي و شبيه سازي شده (بارش) در دهه (1990-1980) در ايستگاه کرمان

4-1-2-3- 2- ويژگيهاي آماري دادهها در دوره ارزيابي
شکل(4-32) ميانگين، واريانس و حداکثر مقدار بارش در 5 روز متوالي را براي دادههاي مشاهدهاي و شبيه سازي نشان ميدهند. چنانچه از اين اشکال مشخص است اگر چه اختلاف ناچيزي بين مقادير مشاهدهاي و شبيه سازي وجود دارد. اما مدل به خوبي روند تغييرات را نشان ميدهد. به عنوان مثال روند واريانس دادههاي مشاهدهاي و شبيه سازي شده کاملا در يک جهت است اما کوچک بودن واريانس دادههای شبیهسازی نسبت به دادههای مشاهدهای خصوصا در ماهاي تر (ژانويه تا مي) در منطقه مورد مطالعه را مي توان ناشي از عدم توانايي مدل در شبيه سازي وقايع حدي دانست خصوصا بارش هاي رگباري فصل بهار که به دليل ناپايداري شرايط جوي حاکم بر منطقه مدل در شبيه سازي آنها ناتوان است. به همين دليل ميزان اختلاف واريانس دادههای شبیهسازی نسبت به دادههای مشاهدهای در ماههاي، آوريل و مي به حداکثر مقدار خود ميرسد. اين موضوع بخوبي در شکل4-32 (ج)، مشخص ميگردد که بيشترين اختلاف در مجموع بارش 5 روزه بين دادههاي مدل و مشاهدهاي ديده ميشود (اختلاف بين دادههاي مشاهدهاي وشبيه سازي شده در ماه مي بالغ بر27 ميليمتر مي باشد)..

(الف)

(ب)

(ج)
شکل (4-32 ) ( الف ) ميانگين، (ب)، واريانس و (ج) حداکثرمقدار بارش 5 روز متوالي دادههاي مشاهدهاي و شبيه سازي در دوره ارزيابي در ايستگاه کرمان
به همين ترتيب بيشترين اختلاف در ميانگين بارش روزانه به مقدار 3/. ميليمتر مربوط به ماه آوریل ميباشد .

4-1-2-4- شبيه سازي بارش در دوره پايه (1990-1961)
شبيه سازي بارش در دوره پايه با استفاده از سه پايگاه دادهاي (دادههاي بازسازي شده مرکز ملي پيش بيني دادههاي محيطي کانادا، دادههاي مدل جهاني HadCM3 تحت دو سناريوي A2 و B2 ) انجام شد. نتايج حاصل ازاين شبيه سازي همرا با دادههاي مشاهدهاي و خطاي مطلق در جدول(4-9) آورده شده است. چنانچه از دادههاي اين جدول مشخص ميگردد.

پایان نامه
Previous Entries منابع تحقیق درمورد دوره بازگشت Next Entries منابع تحقیق درمورد مقدار خطا