ارزیابی مدلهای سری زمانی در پیشبینی بارش فصلی مبتنی بر دادههای سنجش از دور (مطالعه موردی: اقلیمهای خشک و نیمه خشک)
نویسندگان
1 دانشجوی دکتری هواشناسی کشاورزی گروه مهندسی آب، دانشگاه فردوسی مشهد
2 استاد گروه علوم و مهندسی آب- دانشکده کشاورزی- دانشگاه فردوسی مشهد
3 استادیار گروه آمار دانشگاه فردوسی مشهد
doi
چکیده
بارندگی ازجمله متغیرهایاقلیمی استکهدرمدیریتمنابعآبوکشاورزیدارایاهمیت میباشد. بر این اساس، هدفاینپژوهشمدلسازی پیشبینیدادههایبارش ماهوارهای TMPA(3B43)دراقلیمهایخشک و نیمه خشک ایرانبا استفاده از مدل SARIMAدرمقیاس فصلیبودهاست. پس از تصحیح دادههای ماهانه ماهوارهای، مدلسازی بارش انجام شد. پس از ایستاسازی در واریانس و حذف روند فصلی، با کمک نمودارهای خودهمبستگی و خودهمبستگی جزئی، مدلهای مناسب به دست آمد. تغییرات ضریب همبستگی بر پایه دادههای ماهانه از 81/0 تا 9/0 در مناطق مورد مطالعه، تأیید کننده دقت مناسب مدلسازی بر اساس تکنیکSARIMAدر این پایه زمانی برای پیشبینی فصلی میباشد. نتایج شاخصهای ارزیابی بین مقادیر واقعی و دادههای حاصل از مدلهای انتخابی نشان داد اگر دادههای ماهانه پیشبینی شده سپس به داده فصلی تبدیل شود؛ نسبت به استفاده از دادههای فصلی برای پیشبینی فصلی، دارای دقت بالاتری هستند. پسازواسنجیوارزیابیمدلهاینهایی، بارش فصلی بر پایه مقیاس ماهانهبرای دوره (2021-2018) پیشبینی و با دوره پایه مقایسه شد. در فصل زمستان بر خلاف فصلهای بهار و پاییز، 3 منطقه کاهش بارش و یک منطقه افزایش بارش داشته و در فصل تابستان در تمامی نقاط، ثبات نسبی و عدم تغییر بارش مشاهده شد. با توجه به متوسط بارش سالانه 4 منطقه مورد مطالعه، در دوره چهار ساله پیشبینی به طور میانگین حدود یک درصد کاهش بارش سالانه پیشبینی میشود. به صورت تفکیکی تغییرات بارش سالانه در پیکسلهای متناظر مناطق کاشان، سیرجان، بهبهان و زرقان به ترتیب برابر 3/1-، 1/1، 1- و 8/1- درصد خواهد بود.