منابع تحقیق درمورد مقدار خطا

دانلود پایان نامه ارشد

شبيه سازي در دوره پايه تا حدود زيادي از دوره ارزيابي پيروي ميکند (پيش بيني ميشود در دورههاي آتي هم همين روند وجود داشته باشد). همانطورکه معلوم است نتايج حاصل از ريزمقياسنمايي تحت سناريوي A2 ودادههاي بازسازي شده (NCEP) در مقياس سالانه بارش را به خوبي شبيه سازي نمودهاند. مقدار اين متغير براي دادههاي مشاهدهاي، سناريو A2 و B2 و دادههاي بازسازي شده به ترتيب برابر با 5/141، 7/140، 1/120 و 8/142 ميليمتر ميباشد. در مقياس فصلي بيشترين مقدارخطا مطلق مربوط به فصل بهار ميباشد. مقدار خطاي مطلق براي سه پايگاه دادهاي مذکور در فصل بهار به ترتيب برابر با 16، 19 و 16 ميليمتر ميباشد. همانطور که قبلا هم بيان شد اين موضوع ناشي از آشفتگي هاي آب هوايي حاکم بر منطقه مطالعاتي ميباشد فصل تابستان به دليل عدم وجود بارش کمترين مقدار خطا مطلق را دارد مقدار اين معيار براي هرسه پايگاه دادهاي برابربا 1 ميباشد. نتايج حاصل از شبيه سازي براي فصل زمستان تا حدودي متفاوت ميباشد مقدار ميانگين خطاي مطلق براي سه پايگاه دادهاي دراين فصل بترتيب برابر با 11، 0 و 9 ميليمتر است بنابراين سناريوي B2 مقدار بارش فصل زمستان را دقيقا منطبق بر داده هاي مشاهدهاي شبيه سازي ميکند. اما با توجه به ميزان بارش بالا در اين فصل نتايج هر سه پايگاه رضايت بخش است. ميانگين کل خطاي مطلق براي داده هاي مذکور به ترتيب برابر با 4، 5 و4ميليمتر است. نتايج حاصل از اين جدول نشان ميدهد که رفتار سناريو A2 با دادههاي NCEP تقريبا مشابه ميباشد. جدول(4-10) مقدار واريانس و درصد تغييرات واريانس دادههاي شبيهسازي شده را به تفکيک پايگاه دادهها نشان ميدهد. براساس اين جدول به غير از ماه مي درصد تغييرات واريانس دادههاي شبيه سازي شده به دادههاي مشاهدهاي در تمام موارد کمتر از 40 درصد ميباشد. ميانگين کل درصد تغييرات براي هر سه پايگاه دادهاي 18 درصد است. طبق تحقيقات صورت گرفته در ريز مقياس نمايي داده هاي بارش چنانچه ميانگين درصد تغييرات واريانس دادهها مشاهدهاي و شبيه سازي شده کمتر از 40 درصد باشد نتايج قابل قبول مي باشد(صمدي 1388).

جدول (4-9) مقدار بارش(مشاهدهاي و شبيه ساز) و خطاي مطلق به تفکيک پايگاه دادهها در دوره پايه در ايستگاه کرمان
ماه
مقدار بارش (ميليمتر )
خطاي مطلق (ميليمتر)

مشاهدهاي
A2
B2
NCEP
A2
B2
NCEP
ژانويه
30.5
29.0
26.9
29.5
1
4
1
فوريه
25.0
35.5
31.8
33.4
10
7
8
مارس
31.3
23.2
22.9
23.1
8
8
8
آوريل
18.3
9.2
9.5
10.3
9
9
8
مي
8.8
10.3
6.9
8.5
1
2
0
ژوئن
0.4
0.2
0.2
0.1
0
0
0
جولاي
0.8
0.0
0.0
0.1
1
1
1
اوت
0.5
0.2
0.0
0.5
0
0
0
سپتامبر
0.1
1.2
0.3
2.4
1
0
2
اکتبر
1.7
4.0
2.0
6.7
2
0
5
نوامبر
6.1
8.1
4.9
7.6
2
1
1
دسامبر
18.0
19.9
14.6
20.4
2
3
2
زمستان
71.1
81.7
71.0
80.6
11
0
9
بهار
58.4
42.6
39.2
41.9
16
19
16
تابستان
1.7
0.3
0.2
0.8
1
1
1
پاييز
8.0
13.3
7.2
16.7
5
1
9
سالانه
141.5
140.7
120.1
142.8
1
21
1
ميانگين خطاي مطلق




4
5
4

بنابراين بطورکلي نتايج حاصل از شبيه سازي بارش براي ريز مقياسنمايي قابل قبول بوده و امکان ريز مقياس نمايي دادههاي بارش با استفاده از داده هاي مدل هاي جهاني مورد استفاده در اين تحقيق در دوره هاي آتي وجود دارد. اشکال(4-33) و (4-34) متوسط بارش روزانه و واريانس دادههاي مشاهدهاي و شبيه سازي شده را نشان ميدهند. بررسي اشکال نشان ميدهد که مدل توانايي مناسبي براي شبيه سازي متوسط بارش در مقیاس روزانه را دارد. اما وقايع حدي را به خوبي نميتواتد شبيه سازي کند.

4-1-2-5- شبيه سازي بارش در دوره هاي آتي
جدول(4-11) مقدار بارش شبيه سازي شده در دهههاي 2020، 2050 و2080 را تحت سناريو هاي A2 و B2، مدل HadCM3 همراه با دادههاي مشاهدهاي در دوره پايه نشان ميدهد.

جدول (4-10) واريانس و درصد تغييرات واريانس شبيه سازي به مشاهدهاي، بارش در دوره پايه در ايستگاه کرمان
ماه
مقدار واريانس
درصد تغييرات واريانس شبيه ساز به مشاهدهاي

مشاهدهاي
NCEP
سناريوA2
سناريوي B2
NCEP/OB
A2/OB
B2/OB
ژانويه
39
20
16
16
39
39
39
فوريه
41
26
23
22
40
40
40
مارس
24
12
12
12
24
24
24
آوريل
19
8
7
7
18
18
18
مي
47
38
35
33
46
46
46
ژوئن
2
1
1
2
1
1
1
جولاي
3
1
0
0
3
3
3
اوت
3
0
0
0
3
3
3
سپتامبر
0
1
0
0
1
0
0
اکتبر
5
4
3
3
4
5
5
نوامبر
10
8
7
7
9
9
9
دسامبر
24
15
14
15
23
23
23
زمستان
36
21
19
19
35
35
35
بهار
26
16
15
14
26
26
26
تابستان
3
1
1
2
3
3
2
پاييز
8
5
5
6
8
8
8
سالانه
29
17
16
16
28
28
28
ميانگين
19
11
10
10
18
18
18

براساس دادههاي اين جدول به غير از سناريوي B2 در دهه 2020 (دوره 2039-2010) که ميزان بارش حدود 10ميليمتر(معادل5/7درصد) نسبت به دوره پايه افزايش نشان ميدهد در ساير موارد روند کاهش بارش در ايستگاه کرمان را خواهيم داشت. بيشترين کاهش مربوط به سناريو A2 و در دهه 2080 معادل 25 ميليمتر(18درصد) نسبت به دوره پايه ميباشد. از نظر فصلي کاهش ميزان بارش عموما مربوط به فصل بهار است. در ساير فصول کاهش بارش بسيار کم يا اصلا کاهش وجود ندارد. به عنوان مثال درتمام موارد در فصل زمستان افزايش بارش را خواهيم داشت. البته نسبت کاهش بارش درفصل تابستان بسيار زياد ميباشد اما مقدار آن قابل ملاحظه نيست زيرا کل مقدار نزولات آسماني در اين فصل ناچيز است (ميانگين مشاهدهاي 30 ساله 7/1 ميليمتر است). براساس نتايج حاصل از اين جدول پيشبيني ميشود در دورههاي آتي و تحت سناريوهاي تغيير اقليم براساس ميزان باش بر شدت خشکي فصول خشک افزوده شود. بيشترين مقدار کاهش بارش مربوط به ماه آوريل ميباشد. که در دهه 2080 نسبت به دوره پايه بيش از 50 درصد کاهش نشان ميدهد. البته بخشي از اين کاهش ناشي از توانايي مدل در شبيه سازي بارش در فصل بهار است که تمايل به برآورد کاهش بارش156 در اين فصل دارد. لازم به ذکر است که مدل در دوره پايه و دوره ارزيابي خصوصا تحت سناريو A2 کل بارش سالانه را با دقت بالا شبيه سازي نموده است. بنابراين نمي توان کاهش قابل توجه بارش سالانه را ناشي از خطای مدل دانست. شکل(4-35) مقدار بارش ماهانه مشاهدهاي و شبيهسازي شده تحت سناريو A2 در دوره پايه، و شکل(3-36) درصد تغييرات بارش دورههاي آتي را نسبت به دوره پايه نشان ميدهد. براساس اين اشکال افزايش بارش در ماه هاي اول فصل زمستان ( ژانويه و فوريه) و پايان فصل تابستان يا اوايل فصل پاييز (سپتامبر) در هر سه دهه آتي به خوبي مشاهده ميشود. لازم به ذکر است اگر چه درصد افزايش در ماه سپتامبر در هرسه دهه آتي قابل ملاحظه است. اما بدليل کمبودميزان مطلق بارش در اين ماه (1/0ميليمتر در دوره مشاهدهاي) تاثير چنداني در بارش سالانه نخواهد داشت. اما کاهش بارش در اوايل فصول بهار و تابستان سبب خشکي بيش از حد منطقه در دوره هاي آتي خواهدشد. بطورکلي از ماه مارس تا اوت در هرسه دوره آتي با کاهش بارش روبر هستيم که روند کاهش در حال افزايش است و در دهه 2080 به حداکثر خود ميرسد.

4-1-2-6- انتخاب مدل و سناريو مناسب
با توجه به ارزيابيهاي انجام شده در دوره کاليبراسيون، ارزيابي و پايه طبق آنچه که ارائه شد مدل HadCM3 تحت سناريو A2 بعنوان مدل مناسب جهت شبيه سازي بارش روزانه (بعنوان دادههاي ورودي به مدل تغذيه) انتخاب شد. سپس با استفاده از اين مدل بارش روزانه براي سه دوره 30 ساله آتي (2039-2010)، 2069-2040) و (2098-2070) شبيه سازي و ميانگين 30 ساله بارش روزانه به همراه ساير متغيرها در مدل تغذيه (HELP) مورد استفاده قرار گرفت.

4-1-3- شبيه سازي تشعشات خورشيدي
دادههاي تعشعشات خورشيدي برخلاف دو متغير دما و بارش که از سال 1961 در دسترس بودند. تنها براي يک دوره 4ساله (2001-1997) قابل دسترس مي باشند. خارج از اين محدوده زماني يا دادهها از درجه اطمينان کافي برخوردار نبودند و يا اينکه اصلا وجود نداشتند. البته دادههاي ازسال 2001 تا سال 2012 در در ايستگاه کرمان با درجه اطمينان بالا در دسترس ميباشد. اما بدليل عدم وجود داده هاي بازسازي شده (NCEP) براي کاليبره نمودن مدل، استفاده از داده ها تشعشات بعداز سال 2001 عملا غير قابل استفاده ميباشد( داده هاي NCEP فقط از سال 2001-1961 موجود میباشد). اما از طرفي به دليل پيوستگي آمار تشعشا ت خورشيدي روزانه از يکطرف و وجود،1690 داده قابل اطمينان از طرف ديگر، پيکربندي مدل رگرسيوني چند متغيره با استفاده از دادههاي مذکور منطقي به نظر ميرسد. بنابراين

(الف)

(ب)
(ج)
شکل (4-33) توسط بارش روزانه مشاهدهاي و شبيه سازي به تفکيک ماه در دوره پايه، (الف)NCEP، (ب)سناريو A2 و (ج) سناريوي B2 در ايستگاه کرمان

(الف)

(ب)

(ج)
شکل (4-34) واريانس بارش روزانه مشاهدهاي و شبيه سازي به تفکيک ماه در دوره پايه، (الف)NCEP (ب)سناريو A2 (ج) سناريوي B2 در ايستگاه کرمان

جدول (4-11) ميزان بارش مشاهدهاي و شبيه سازي شده در دوره هاي آتي در ايستگاه کرمان
ماه
دوره پايه
A2
B

1990-1961
2039-2010
2069-2040
2098-2070
2039-2010
2069-2040
2098-2070
ژانويه
30.5
31.3
27.6
28.7
35.0
28.2
28.4
فوريه
25.0
35.5
31.7
32.1
40.1
35.0
31.1
مارس
31.3
21.8
22.1
21.6
27.9
23.8
21.5
آوريل
18.3
8.9
7.9
8.4
10.9
8.5
8.3
مي
8.8
7.1
6.8
5.7
8.9
6.8
8.2
ژوئن
0.4
0.1
0.1
0.0
0.1
0.1
0.1
جولاي
0.8
0.0
0.0
0.0
0.0
0.0
0.0
اوت
0.5
0.1
0.0
0.1
0.1
0.1
0.1
سپتامبر
0.1
0.4
0.3
0.3
0.8
0.4
0.9
اکتبر
1.7
2.0
2.7
1.7
3.1
2.4
3.0
نوامبر
6.1
5.7
5.5
3.2
7.1
5.7
5.9
دسامبر
18.0
17.1
15.7
14.4
17.9
15.8
16.8
زمستان
71.1
81.2
72.5
72.7
90.0
76.4
73.7
بهار
58.4
37.8
36.8
35.7
47.7
39.1
38.0
تابستان
1.7
0.2
0.1
0.1
0.2
0.2
0.2
پاييز
8.0
8.1
8.5
5.3
11.1
8.4
9.8
سالانه
141.5
130.1
120.4
116.3
151.9
126.7
124.2

کاليبراسيون مدل با همين دادهها صورت گرفت. ساير موارد شبيه سازي دراين بخش مانند متغيرهاي دما و بارش صورت گرفت. (لذا از توضيحات مشترک و عمومي در اين بخش خوداري ميشود).

4-1-3-1- انتخاب متغيرهاي پيشبيني کننده مناسب
براساس روشهاي ارائه شده در بخشهاي مربوط به متغيرهاي دما و بارش که قبلا توضيح داده شد. دراين بخش 7 متغير پيشبيني کننده براي کاليبره نمودن مدل SDSM به منظور پيشبيني تشعشات خورشيدي با استفاده از داده هاي بازسازي شده مدل HadCM3 انتخاب شد که عبارتند از :
– ميانگين فشار در سطح دريا
– ميزان همگرايي سطحي
– جهت باد سطحي
– واگرايي سطحي
– سرعت نصفالنهاري در ارتفاع معادل 500 هکتوپاسکال
– ژئوپتانسيل در ارتفاع معادل 500 هکتوپاسکال
-رطوبت نسبي در ارتفاع معادل 500 هکتوپاسکال

(الف)

(ب)

(ج)
شکل (4-35 ) بارش ماهانه مشاهدهاي در دوره پايه، و شبيه سازي شده تحت سناريو A2(الف) دهه 2020، (ب) دهه 2050 و (ج) دهه 2080

شکل (4-36) در صد تغييرات بارش در دهههاي 2020، 2050 و2080 نسبت به دادههاي مشاهدهاي دوره پايه (تحت سناريوي A2 مدل HadCM3) در ايستگا کرمان

(لازم به ذکر است که هيچکدام از متغيرهاي بازسازي شده مدل CGCM رابطه معني داري با متغير وابسته نداشتند). شکل (4-37) ضريب تعيين، خطاي استاندارد هفت متغير

پایان نامه
Previous Entries منابع تحقیق درمورد سازي، شبيه، دادههاي، متغير Next Entries منابع تحقیق درمورد تشعشات، سازي، شبيه، مشاهدهاي