مطالب مرتبط با کلید واژه " دمای هوا "


۱.

برآورد بارش به کمک شبکه عصبی مصنوعی با داده های هواشناسی غیربارشی در سه منطقه شیراز، مشهد و کرمان

کلید واژه ها: شبکه عصبی مصنوعیرطوبت نسبیبارش سالانهنمای هرستپیرسوندمای هوا

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا جغرافیای طبیعی آب و هواشناسی
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی روش های کمی در جغرافیا
تعداد بازدید : ۵۷۴ تعداد دانلود : ۲۶۲
عنصر بارش ماهیت آشوبناکی و تصادفی داشته و از این نظر دارای تغییرات ساختاری در زمان­های مختلف است. در این راستا به­دلیل عدم قطعیت­هایی که وجود دارد، نوسان­های زیادی در مقدار بارش ایجاد می­شود که پیش­بینی این کمیت مهم را با مشکل مواجه نموده است. در این مقاله با تکنیک مقیاس­بندی مجدد (R/S) و محاسبه نمای هرست (H) پیش­بینی­پذیری بارش در سه منطقه شیراز، کرمان و مشهد انجام شد. نمای هرست نشان داد که پارامتر بارش قابلیت پیش­بینی­پذیری را دارد، زیرا H از 5/0 بزرگ­تر بوده و بمراتب به­مقدار 1 نزدیک­تر است. به­طوری­که نمای هرست از حداقل 8/0 در ایستگاه مشهد تا حداکثر 92/0 در ایستگاه شیراز در نوسان بود. به منظور پیش­بینی بارش از شبکه­های عصبی مصنوعی استفاده شد. نوع پارامترهای ورودی براساس آزمون همبستگی پیرسون از بین داده­های غیربارشی، ترکیبی از داده­های دمایی و رطوبتی بودند. تعداد پارامترهای ورودی، تعداد لایه­های میانی و سایر اطلاعات مربوط به شبکه عصبی مصنوعی به صورت تصادفی انتخاب و پیشنهاد شدند. در مجموع از شبکه­های عصبی پرسپترون چند لایه برای برآورد بارش استفاده شد. مقایسه عملکرد شبکه­های عصبی، نشان داد که استفاده از 3 و 4 پارامتر هواشناسی، بهترین رتبه برآوردگری را داشته­اند. آرایش­های پیشنهادی برای ایستگاه شیراز، 1-21-21-3، کرمان 1-25-25-3 و مشهد 1-19-19-4 دارای ضریب همبستگی بیش از 91 درصد شد. اعتبارسـنجی مدل­های بارش نشان داد که شـبکه­های طراحی شـده برای پارامتر بارش در ایستگاه­های مشهد، شیراز و کرمان به ترتیب با خطای 4، 11 و 14 درصد، دارای بهترین عملکرد بوده­اند. در مجموع نتایج نشان می­دهند که استفاده از روش شبکه عصبی با درنظر گرفتن اطلاعات دمایی و رطوبتی، نتایج مناسبی برای توصیف فرآیند و ترکیب آن­ها در پیش­بینی، به­دست می­دهند.
۲.

تأثیر پدیده ی انسو بر تغییرات دمای ماهانه و فصلی نیمه ی جنوبی کشور

کلید واژه ها: النینودمای هواپدیده ی انسوشاخص انتقالی انسوشاخص نوسان های جنوبینیمه ی جنوبی کشور

حوزه های تخصصی:
تعداد بازدید : ۳۸۱ تعداد دانلود : ۲۰۱
این مطالعه با هدف بررسی ارتباط بین پدیده ی انسو با میانگین دمای هوای ماهانه و فصلی نیمه ی جنوبی کشور، طیّ دوره ی 55 ساله (2005-1951) انجام شد. برای این کار از داده های دمای 12 ایستگاه سینوپتیک کشور، داده های شاخص نوسان های جنوبی (SOI) و شاخص انتقالی انسو (TNI) استفاده شد. ابتدا میزان همبستگی بین دمای هوا با هر دو شاخص انسو در دو گام زمانی ماهانه و فصلی بررسی و سپس تأثیرپذیری دمای هوا از فازهای گرم (النینو) و سرد (لانینا) پدیده ی انسو، به کمک شاخص درصد تغییرات دما بررسی شد. نتایج نشان داد، تعداد ایستگاه های دارای همبستگی معنادار دمای هوا با شاخص TNI، به مراتب بیش از شاخص SOI بود. همچنین در هر دو مقیاس زمانی، بیشترین همبستگی های معنادار از نوع منفی بود که بیانگر کاهش دمای هوا با افزایش مقادیر شاخص های انسو است. از سویی، براساس شاخص TNI، دمای هوای ماه ژانویه و برمبنای شاخص SOI، دمای هوای ماه اکتبر به عنوان ماه های تأثیرپذیر از پدیده ی انسو معرّفی شدند. در مقیاس فصلی نیز، در فصل تابستان اکثر ایستگاه ها همبستگی معناداری با شاخص انسو داشتند. حدود دامنه ی همبستگی میان مقادیر شاخص SOI با دما در تمامی ماه ها از حدّاقل 549/0- برای آگوست تا حدّاکثر 463/0+ در ماه اکتبر و 458/0- در ماه های آگوست و سپتامبر تا 512/0+ در ماه سپتامبر برای شاخص TNI بود. در مقیاس فصلی نیز دامنه ی همبستگی های SOI و TNI به ترتیب از 365/0- در فصل بهار تا 459/0+ در فصل پاییز و 530/0- تا 384/0 در فصل تابستان متغیّر بود. با مبنا قرار دادن شاخص TNI، درصد تغییرات دمای ایستگاه ها در هر یک از فازها نشان داد، در مقیاس فصلی، فاز لانینا منجر به افزایش 4 درصدی دمای فصل زمستان و در مقیاس ماهانه، فاز لانینا منجر به افزایش 8 درصدی دمای ماه دسامبر شد. در مجموع نتایج مؤیّد تأثیرپذیری قابل ملاحظه ی دمای هوا از پدیده ی انسو بود.
۳.

ارزیابی مدل های تجربی برآورد تابش خورشیدی روزانه بر پایه دمای هوا در چهار منطقه آب و هوایی ایران

کلید واژه ها: ایراندمای هواتابش خورشیدی روزانهمدل تجربیمناطق آب و هوایی

حوزه های تخصصی:
تعداد بازدید : ۲۸۴ تعداد دانلود : ۱۱۶
تابش خورشیدی روزانه یکی از پارامترهای مهم در زمینه کاربرد انرژی خورشیدی می باشد. با توجه به اینکه، اندازه گیری تابش خورشیدی نیازمند ابزار و تجهیزات پیشرفته است، داده های اندازه گیری شده تابش خورشیدی در کل ایام سال و برای بازه طولانی در تمامی ایستگاه های هواشناسی کشور موجود نمی باشد. یک روش معمول برای تخمین میزان تابش روزانه خورشید استفاده از مدل های تجربی و بر اساس داده های هواشناسی در دسترس مانند ساعات آفتابی و یا دمای هوا می باشد. هدف از این مطالعه ارزیابی عملکرد پنج مدل تجربی تخمین میزان تابش خورشیدی روزانه بر اساس تفاوت بین دمای حداکثر و حداقل (مدل های بریستو- کمپبل، هارگریوز، سامانی، لی و چن) می باشد. با استفاده از آزمون آماری خطا، عملکرد مدل ها با استفاده از داده های اندازه گیری شده در 12 ایستگاه هواشناسی ایران واقع در چهار منطقه آب و هوایی مرطوب، نیمه مرطوب، نیمه خشک و خشک با یکدیگر مقایسه گردید. نتایج نشان داد این مدل ها دارای دقت بیشتری در مناطق خشک نسبت به مناطق مرطوب می باشند. بنابراین استفاده از این مدل ها برای تخمین تابش خورشیدی روزانه در مناطق خشک ایران که تنها داده های دمای هوا در دسترس می باشد، توصیه می شود.
۴.

اثرات باد گرمش بر وضعیت جوی ایستگاه همدیدی رشت

کلید واژه ها: رشترطوبت نسبیرشته کوه البرزدمای هوابادگرمش

حوزه های تخصصی:
تعداد بازدید : ۳۷۶ تعداد دانلود : ۱۷۳
گرمش بادی گرم و خشک است که بیشتر در فصل سرد سال، در شمال رشته کوه البرز می وزد. علت اصلی ایجاد باد گرمش استقرار سامانه پرفشار و یا زبانه آن بر روی فلات ایران و سامانه کم فشار و یا زبانه آن بر روی جنوب دریای کاسپین است. باد گرمش باعث افزایش پتانسیل آتش سوزی جنگل ها، آلودگی هوا، ذوب برف، ایجاد حساسیت و بیماری، تنش گرمایی بر روی محصولات کشاورزی و باغی، افزایش تبخیر و تعرق، از جا کندن درختان و در برخی موارد نیز سبب تخریب سازه ها و غیره می شود. در این مطالعه به بررسی دامنه تغییرات عناصر جوی در زمان رخداد باد گرمش در رشت در دوره آماری 1982 لغایت 2010 پرداخته شده است. نتایج بدست آمده نشان داد که، با شروع باد گرمش میانگین دمای هوا در ایستگاه رشت 9 درجه سلسیوس افزایش و میانگین رطوبت نسبی 47% کاهش پیداکرده است. باد غالب در گلباد گرمش، دارای سمت جنوبی بوده و به طور میانگین سرعت متوسط آن در دوره آماری پیش گفته از 2 متر بر ثانیه به 5 متر بر ثانیه افزایش یافته است. بیشترین فراوانی رخداد باد گرمش در رشت برای ماه های دسامبر و ژانویه و در ساعات 09 و 12 گرینویچ ثبت شده است. در طی رخداد این پدیده دید افقی افزایش قابل ملاحظه می یابد و در بیش از 40% موارد آسمان صاف تا کمی ابری است. ابرهای ظاهر شده در زمان رخداد باد گرمش بیشتر از نوع ابرهای سطوح بالا و متوسط هستند، ابر صدفی شکل نیز از ابر های شاخص در زمان باد گرمش در رشت مشاهده شده است.
۵.

تخمین دمای هوا بر اساس پارامترهای محیطی با استفاده از داده های سنجش از دور

کلید واژه ها: دمای هوادمای سطح زمینکاربری اراضیمدلهای تخمین دمای هوارگرسیون

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا جغرافیای طبیعی آب و هواشناسی
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی سنجش از راه دور GIS
تعداد بازدید : ۱۰۳ تعداد دانلود : ۹۳
هدف این مطالعه تخمین دمای هوای میانگین ماهانه با استفاده ازداده های دمای سطح زمین، شاخص تفاضلی نرمال شده پوشش گیاهی، عرض جغرافیایی، ارتفاع، شیب و کاربری اراضی در دوره زمانی 2015-2001 است. علیرغم برخی تشابهات فضایی بین الگوهای فضایی دمای هوا و دمای سطح زمین، این دو متغیر تغییرپذیری کاملا متفاوتی دارند بطوریکه ضریب تغییرپذیری دمای هوا چهار برابر دمای سطح زمین به دست آمد. همچنین نتایج تحلیل حاکی از این است که در زمستان ارتفاع نقش کلیدی را در توزیع پراکندگی اختلافات دمای سطح زمین ودمای هوا دارد، در حالیکه در دیگر فصول نقش شیب و پوشش گیاهی مشخص تر است. پس از مشخص کردن الگوهای فضایی دمای سطح زمین و دمای هوا، اقدام به تخمین دمای هوا از طریق مدل های رگرسیون با وضوح فضایی 0.125 درجه گردید. پایین ترین مقدار خطا در ماه های نوامبر و دسامبر با ضریب تبیین 70 درصد و خطای استاندارد 1 درجه سانتیگراد به دست آمد. همچنین حداکثر خطا در فاصله ماه های می تا آگوست با ضریب تبیین 59 تا 63 درصد و خطای استاندارد 1.6 درجه سانتیگراد محاسبه گردید که در سطوح 0.05 معنی دار هستند. به علاوه نتایج حاصل از ارزیابی هر ماه نشان داد که تخمین دمای هوا در ماه های سرد (نوامبر، دسامبر، ژانویه، و فوریه و مارس) دارای دقت بیشتری است. با در نظر گرفتن کاربری های مختلف، بالاترین ضریب تبیین به مناطق آبی و شهری با ضریب تبیین 96 تا 99 درصد در ماه های گرم و پایین ترین ضریب تبیین به جنگل مخلوط و علفزار با ضریب تبیین 15 تا 36 درصد در ماه های سرد مربوط است.
۶.

واکاوی ساختار دمای ایران مبتنی بر برون داد پایگاه داده مرکز پیش بینی میان مدت هواسپهر اروپایی (ECMWF) نسخه ERA Interim

تعداد بازدید : ۲۱ تعداد دانلود : ۱۸
هدف از این پژوهش پایشِ دمایِ هوا با رهیافتی آماری بر اساس برون داد پایگاه داده بازواکاوی شده (ECMWF) نسخه ERA Interim برای دوره زمانی 1979 2015 با تفکیک مکانی 125/0×125/0 درجه قوسی و هم سنجی آن با پایگاه ملی اسفزاری و پیمونگاه های همدید کشور است. از سنجه های RMSE و R2 برای اعتبارسنجی نتایج و از بُعد فرکتالی برای دگردیسی زمانی استفاده شد. نتایج اعتبارسنجی پایگاه ECMWF نشان دهنده توانایی و دقت زیاد آن در برآورد دمای هوا بوده است. هم سنجی پایگاه ECMWF با پایگاه ملی اسفزاری و پیمونگاه های همدید از نتایج مطلوبی برخوردار است؛ این نتایج در شش ماهه دوم یا نیمه گرم سال، به سبب تباین کمتر دمایی، از نتایج بسیار مطلوب تری برخوردار است. بُعد فرکتالی دما در دوره گرم سال (دارای دگرگونی کوتاه مدت) افزایش یافته و در دوره سرد سال (دارای دگرگونی بلندمدت) کاهش یافته است. توزیع فضایی دمای هوا نشان داد در ایجاد الگوی دمای هوا در بام ایران عامل عرض جغرافیایی بیشترین نقش را ایفا می کند. کانون گرم ترین نواحی در مناطقِ کویر لوت، جنوب شرق، و نوار جنوب کشور است. مناطق خنک و سرد نیز منطبق بر نواحی مرتفع و پیکر بندی ناهمواری های بام ایران است.