الگوی برآورد رطوبت متوسط روزانه در اقلیم بیابانی و نیمه بیابانی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 - دانشجوی دکتری هواشناسی کشاورزی، دانشگاه فردوسی مشهد.

2 دانشیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه فردوسی مشهد.

3 کارشناس ارشد هیدرولوژی، مربی، دانشگاه آزاد اسلامی واحد مشهد

4 استاد گروه مهندسی آب دانشکده کشاورزی، دانشگاه فردوسی مشهد

چکیده

الگوی برآورد رطوبت نسبی روزانه به کمک داده های رطوبت ساعت‌های استاندارد و پارامترهای بارش روزانه، دمای حداقل، حداکثر و میانگین روزانه در مناطق بیابانی و نیمه بیابانی موضوع بحث این مقاله است. ابتدا خوشه بندی 149 ایستگاه‌ همدید ایران با شش عامل هوا و اقلیم شناسی در دسترس (دما، بارش، تبخیر، رطوبت نسبی، دامنه تغییرات دمای سالانه، ارتفاع ایستگاه) و سه نمایه اقلیم‌بندی دومارتن، ایوانف و تورنت‌وایت انجام شد. تعداد 60 ایستگاه در خوشه بیابانی و نیمه بیابانی به روش خوشه بندی افرازی میانه محور قرار گرفت. طرح نمونه‌گیری سیستماتیک دوری برای انتخاب نمونه مناسب به کار رفت. الگوهای مختلف رگرسیونی خطی و غیرخطی بر نمونه انتخابی برازش و الگوهای برتر در مقیاس ماهانه و سالانه مشخص شدند. مقایسه الگوهای ارائه شده دراین مقاله با الگوهای مرسوم قدیمی نشان از دقت بیشتر الگوهای جدید دارد. معیار مقایسه میانگین مربع‌خطا است.

کلیدواژه‌ها


عنوان مقاله [English]

The pattern of estimated daily average relative humidity in desert and semi-desert climate of Iran

نویسندگان [English]

  • mahbobeh farzandi 1
  • hosein sanaeenezhad 2
  • hojat rezaee 3
  • bezhan ghahreman 4
چکیده [English]

The model of estimating   the daily relative humidity from the relative humidity of the local standard time Iran and the parameters of daily precipitation, minimum, maximum and average daily temperature in desert and semi-desert is the subject of this article. Clustering the149 stations by 9 available phenomena (temperature, precipitation, evaporation, relative humidity, range of annual temperature, altitude climate stations and three Indices Demartan, Ivanov and Torrent White) were done.  60 stations Clustered in the desert and semi-arid region by partitioning around mediods. Systematic sampling design for selecting a sample was used. Different patterns of linear and nonlinear regression fitted on the sample data and the best models were determined in monthly and annual scales. Calibration models presented in this paper and compared with conventional models of old patterns showed that the accuracy of new patterns is better.  Our criterion is Mean square errors

کلیدواژه‌ها [English]

  • Regression Model
  • average daily relative humidity
  • Clustering
  • Semi-arid desert regions
  • systematic sampling
  1.  

    1. بختیاری، سعید، 1383. اطلس گیتاشناسی استانهای ایران.  موسسه  جغرافیایی  و  کارتوگرافی گیتاشناسی.
    2. پایگاه اطلاع رسانی سازمان هواشناسی کشور (www.irimo.ir)
    3. توتونیان، فائزه. 1371. روش‌های محاسبات عددی برای رشته‌های کامپیوتر، مهندسی و ریاضی، انتشارات خراسان.
    4. حبیبی، محسن، حجت، رضایی پژند و محبوبه، فرزندی، 1387. الگوی برآورد دمای متوسط روزانه در مناطق خشک و نیمه خشک ایران. مجله علمی پژوهشی تحقیقات منابع آب ایران، 4 (1):70 تا 74.
    5. رضایی پژند، حجت و بزرگ نیا، ابوالقاسم، 1380، تحلیل رگرسیون غیرخطی و کاربردهای آن، انتشارات دانشگاه فردوسی مشهد.
    6. سالنامه های آماری، سازمان هواشناسی کشور.
    7. فرزندی، محبوبه، 1390، تصحیح الگوی برآورد متوسط رطوبت نسبی روزانه برای ماه­های مختلف در اقلیم­های متفاوت، پایان نامه کارشناسی ارشد هواشناسی کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد. 
    8. نیرومند، حسینعلی ، 1384 ، تحلیل رگرسیون با مثال، انتشارات دانشگاه فردوسی مشهد.
      1. Blanc, M. L. 1961, A Comparison of Methods for Computing Daily Mean Values of    66 Dry Bulb Temperatures, Dew Point, and  Relative Humidity, Monthly Weather Review, vol. 89, 10: 401-410.
      2. Corvallis, Oregon, USA, 2008, United States Average Monthly or Annual Relative Humidity, (SCAS/OSU).
      3. Court, Arnold. And David. Waco, 1956. Means and midranges of relative humidity. Monthly weather review vol. 93, 8: 517-522.
      4. Day, P. C. 1917, Relative humidities and Vapor Pressures over the United States, including a Discussion of Data from Recording University of Chicago Press, , 375 pp. (ref. on page 242).
      5. Hosking, Jonathan. R. M, Wallis, Jim. R., 1997. Regional frequency analysis: An approach based on L-moments. Cambridge University Press, New York.
      6. Rao, A. Ramachandra, Srinivas, V.V., 2008. Regionalization of watersheds: An approach based on cluster analysis, Springer Science.
      7. Romesburg, H., C. 2004. Cluster Analysis for Researchers. Lifetime Learning Publications, Belmont, C.A.
      8. Yao, A. Y. M. 1974. A Statistical Model for Relative Humidity, Environmental Data Service, NOAA, Washington, D.C.20235: 14-23.