ارزیابی چند مدل در پیش‌بینی سری‌های زمانی شاخص بارندگی استاندارد

نویسندگان

1 دانشجوی دکترای هواشناسی‌کشاورزی دانشگاه تهران؛

2 عضو هیئت علمی

doi
10.22092/jwra.2013.128847
چکیده

خشکسالی یک رخداد هواشناسی تکرار­شونده و موقتی است که ناشی از کاهش بارندگی نسبت به میانگین بلندمدت آن می­باشد. با توجه به اهمیت پیش­بینی خشکسالی و نقش آن در مدیریت منابع آب، در این مطالعه به ارزیابی مهارت شش نوع مدل استوکاستیک (AR، MA، ARMA، ARIMA غیرفصلی، ARIMA فصلی و ARIMA مکثّر) در مدلسازی و پیش­بینی سری­های زمانی شاخص بارندگی استاندارد شده (SPI) پرداخته شد. برای دستیابی به این هدف، از داده­ های بارندگی ماهانه­ ی 10 ایستگاه سینوپتیک با اقلیم ­های خیلی مرطوب تا فراخشک (دوره­ی آماری 2007-1973) استفاده شد. ابتدا از طریق انتقال احتمال تجمعی توزیع بهینه بارندگی به توزیع احتمال تجمعی نرمال استاندارد، مقادیر SPI در مقیاس­های زمانی 3، 6 و 12 ماهه محاسبه شد. سپس، در یک فرآیند چند مرحله‌ای (شناسایی، برآورد پارامتر و آزمون کفایت مدل) توسعه­ ی مدل­ها بر روی مقادیر SPI مربوط به دوره­ی 1973 تا 2000 صورت گرفت و از بین مدل­های داوطلب، مناسب­ترین مدل استوکاستیک برای هر یک از مقیاس‌های زمانی تعیین شد. به منظور صحت­ سنجی مدل­ های منتخب، پس از انجام پیش ­بینی­ های یک تا دوازده گام به جلو مقادیر SPI برای دوره­ی 2001 تا 2007، به مقایسه­ی مقادیر و طبقات مشاهده­ شده و پیش­ بینی­ شده ­ی SPI پرداخته شد. نتایج ارزیابی دقت مدل‌ها در پیش‌بینی‌ مقادیر SPI در ایستگاه­های منتخب نشان داد در پیش ­بینی یک گام به جلو، در مقیاس 3 ماهه، مدل استوکاستیک ایستگاه بوشهر (0/70=r و 0/66=RMSE) و در مقیاس 6 ماهه و 12 ماهه، مدل استوکاستیک ایستگاه همدان نوژه (مقیاس 6 ماهه: 0/84=r و 0/41=RMSE؛ مقیاس 12 ماهه: 0/93=r و 0/30=RMSE) دارای بیشترین دقت در مقایسه با مدل استوکاستیک سایر ایستگاه­ها می­باشد. همچنین با افزایش مقیاس زمانی، خطای پیش‌بینی به میزان قابل توجهی کاهش می‌یابد و با افزایش گام زمانی دقت پیش ­بینی کاهش می­یابد. نتایج ارزیابی دقت مدل‌ها در پیش‌بینی‌ طبقات SPI بر مبنای آماره­ی کاپا (K) نشان داد حداکثر توافق طبقات مشاهده ­شده و پیش ­بینی شده­ی یک گام به جلو در مورد SPI3، SPI6 و SPI12 به ترتیب مربوط به ایستگاه بوشهر (0/46=K)، ایستگاه گرگان (0/66=K) و ایستگاه زاهدان (0/81=K) می­باشد. همچنین با افزایش مقیاس زمانی، میزان توافق طبقات مشاهده ­شده و پیش ­بینی ­شده افزایش می­یابد و با افزایش گام زمانی میزان توافق طبقات مشاهده­ شده و پیش ­بینی­ شده کاهش می­یابد.