بازسازی داده های اقلیمی به منظور تکمیل داده های ناقص یا گمشده ایستگاه های هواشناسی انجام می شود. این فرایند با انتخاب ایستگاه های مشابه اقلیمی و محاسبه همبستگی داده ها با استفاده از نرمافزار SPSS و روش همبستگی پیرسون آغاز میشود. در صورت وجود همبستگی مناسب (بیش از 0.6)، دادههای مجهول با استفاده از روش رگرسیون برآورد منحنی، شامل 11 نوع مدل رگرسیونی غیرخطی، بازسازی میشوند. این روشها تضمین میکنند که داده های بازسازی شده با دقت بالایی به دادههای واقعی نزدیک باشند و اطلاعات اقلیمی دقیقی فراهم شود.
بازسازی داده های اقلیمی
جمع آوری آمار و اطلاعات ایستگاه های هواشناسی توسط سازمان هواشناسی و آب منطقه ای و نهاد های مربوطه جمع آوری می شود. ممکن است در یک دوره زمانی خاصی به هر دلیلی آمار مربوط به آن روز، ماه یا سال ثبت نشده باشد. حتی ممکن است به هر دلیلی مانند ایستگاهی تازه تاسیس یا جمع شده باشد و آمار قبل و بعد از آن موجود نباشد در اینجا از روش باز سازی استفاده می کنیم. در هر روش بازسازی داده ها، اولین و مهمترین بخش کار، تعیین ایستگاهی است که مشابهت اقلیمی با ایستگاهی که می خواهیم داده هایش را بازسازی کنیم.
برای تعیین ایستگاه های پایه از نرم افزار SPSS استفاده می شود. برای این کار آمار ایستگاهی در مجاور ایستگاه مجهول و آمار خود ایستگاه مجهول وارد نرم افزار SPSS و همبستگی آن را بدست می آوریم. در پژوهش حاضر از روش همبستگی پیرسون استفاده شد. در صورتی که همبستگی بین داده های هواشناسی دو ایستگاه مجاور و مجهول بیشتر از 6/0 شد، مثبت و ایستگاه انتخابی مناسب برای بازسازی و کمتر از 6/0 منفی و ایستگاه انتخابی نامناسب برای بازسازی می باشد . رابطه ی پیرسون به شرح زیر می باشد:
فرمت فایل: WORD
تعداد صفحات: 2
مطالب مرتبط