ارزیابی قابلیت استفاده از داده های پایگاه AgMERRA در شرایط کمبود داده در ایستگاه های سینوپتیک دشت سیستان
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 257
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CCR-3-9_006
تاریخ نمایه سازی: 16 خرداد 1401
چکیده مقاله:
در مطالعات اقلیم شناسی و محیط زیستی گاهی با شرایط کمبود یا نقص داده مواجه هستیم، بنابراین تولید داده های هواشناسی قابل اطمینان در مقیاس های مختلف زمانی-مکانی اهمیت دارد. به همین دلیل گروه های مختلفی در سطح جهان اقدام به جمع آوری داده های هواشناسی از منابع مختلف زمینی و ماهواره ای و بازتولید داده ها کرده اند که ارزیابی این داده ها به منظور استفاده آنها در مطالعات مختلف ضروری است. در این مطالعه قابلیت پایگاه داده ی AgMERRA با منشا ماهواره-ایستگاهی برای پر کردن خلا داده و با هدف نهایی تولید داده های اقلیمی قابل استناد در مطالعه تالاب بین المللی هامون مورد ارزیابی قرار گرفت. در این پژوهش داده های روزانه ی پارامترهای دمای حداکثر، حداقل و میانگین و بارش سه ایستگاه سینوپتیک زابل، زهک و زاهدان واقع در دشت سیستان از سازمان هواشناسی ایران تهیه شد. داده های AgMERRA از سایت ناسا بارگیری و با نرم افزار Netcdf Extractor استخراج شد. سپس، پنج سنجه ی نکویی برازش برای تعیین میزان همبستگی بین داده های مشاهداتی و شبیه سازی شده در سه مقیاس روزانه، ۱۴ روزه و ماهانه محاسبه شد. به طور کلی AgMERRA توانایی مناسبی برای پرکردن کمبود داده های دمایی در ایستگاه های مطالعاتی دارد. شاخص های نکویی برازش RMSE، NRMSE، MBE و d همبستگی بالایی را بین داده های مشاهداتی دما و مدل نشان دادند. همچنین، ضریب R۲ در هر سه مقیاس زمانی برای داده های دما بالا بود (۹/۰<). ضریب تبیین برای بارش روزانه و ۱۴ روزه پایین و به ترتیب <۵/۰ و< ۶/۰ محاسبه شد و برای بارش ماهانه در هر سه ایستگاه بالاتر از ۷/۰ بود که قابل قبول و قابل استفاده است.
کلیدواژه ها:
نویسندگان
رقیه کرمی
استادیار گروه مدیریت اکوسیستم های طبیعی، پژوهشکد ی تالاب بین المللی هامون دانشگاه زابل
عبدالرسول سلمان ماهینی
استاد گروه محیط زیست دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :