ارGIS بـر اسـاس متوسـط فاصـله بـین نقـاط و نـیمتغییرنمای بدون جهت صورت گرفت.
وجود یا عدم وجود روند در دادهها با استفاده از ترسیم نیم تغییرنما بررسی شد. بهمنظور انتخاب مناسبترین مدل برازش داده شده به نیم تغییرنمای تجربی از اعتبارسنجی متقاطع استفاده شد. بدین منظور، مدلهای مختلف با پارامترهای متفاوت انتخاب و هر یک از مدلها که پس از اجرای روش کریجینگ دارای خطای برآورد کمتری بود بهعنوان مدل بهینه نیم تغییرنما انتخاب شد.

انتخاب روش درونیابی بـرای داده هـای اقلیمـی و زیسـتاقلیمی
انتخاب بهترین روش درونیابی در واقـع نـوعی آزمـون هزینـه منفعت بین کـارایی و پیچیـدگی مـدل اسـت . اکثـر روشهـای درونیابی از یا رابطه 2 بـرای محاسـبه نقـاط مجهـول اسـتفاده میکنند. تفـاوت هـای روشهـای مختلـف درونیـابی ، در وزن اختصاص داده شده (λ i ) به هر ایستگاه است. در ایـن مطالعـه از روشهای IDW، کریجینگ، کوکریجینگ، کریجینگ با روند خارجی و پنج روش توابع شعاع محور برای مدلسازی مکـانی دادههای اقلیمی و زیست اقیمی استفاده شد
Z* =∑n λiZ(x )i [3]
i=1
ارزیابی روشهای درونیابی بهمنظور انتخاب بهتـری ن روش برای دادههای اقلیمی و زیستاقلیمی
از روش اعتبارسنجی متقاطع برای ارزیابی روشهای مختلف درونیابی استفاده شد. در این روش برای هر یک از نقاط مشاهده شده، برآورد تخمینی با بهکارگیری روش درونیابی موردنظر انجام میگیرد. معیارهای مختلفی برای مقایسه مقادیر مشاهدهای و برآورد شده وجود دارد که در این مطالعه از دو روش میانگین انحراف خطا (MBE) و ریشه دوم مربع میانگین خطا (RMSE) استفاده شد.

بررسی امکان سنجی اجرای روشهای درونیابی و بهینهسازی پارامترها در هر روش
بهمنظور امکان استفاده از هر یک از 9 مـدل بـه بررسـی رونـد،همبستگی مکانی و ناهمسانگـردی داده هـا پرداختـه شـد و درنهایت مدلهای قابل اجرا انتخاب شدند. توان فاصله (Power)، تعداد نقـاط همسـایگی (Neighbor point)، شـعاع همسـایگی (Neighbor distance) و پارامتر هموارسازی از جمله مهمترین پارامترهایی بودند که قبل از اجرای مدل، بهینهسـازی شـدند . از روش اعتبارسنجی متقاطع پارامترهـای هـر مـدل بهینـهشـده وپارامتری که کمترین میزان خطا را داشت بهعنوان پـارامتر بهینـهآن مدل انتخاب شد.

روش معکوس فاصله وزنی
در روش IDW که از جمله روشهای زمین آمار قطعـی اسـت،مقدار نقاط مجهول (0S) از طریق ترکیب خطی نقاط معلوم (Si) در اطراف نقطه مجهول با استفاده از رابطه 3 محاسبه شد.
Z(S )0 = λ∑miZ(S )i [3]
1268732170556

Downloaded from ijae.iut.ac.ir at 16:18 IRST on Saturday October 28th 2017

در این سایت فقط تکه هایی از این مطلب با شماره بندی انتهای صفحه درج می شود که ممکن است هنگام انتقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

Downloaded from ijae.iut.ac.ir at 16:18 IRST on Saturday October 28th 2017

وزن هر نقطه معلوم (l i ) بر اساس فاصله آن تا نز 1دی=iکترین
۵۹
1268732170556

Downloaded from ijae.iut.ac.ir at 16:18 IRST on Saturday October 28th 2017

Downloaded from ijae.iut.ac.ir at 16:18 IRST on Saturday October 28th 2017

نقطه معلوم بعدی با استفاده از یک تابع فاصلهای غیرخطی زیر محاسبه شد (رابطه 4) (23).
326136195639

λ =imdi−0p, ∑m λ =i 1 [4]
303784-7461

pi=1
0
در رابطه 4، di0 فاصله بین نقطه معلوم تا نقطه مجهول1 =iرا نشان میدهد. از روش IDW تا کنون در رابطـه بـا مطالعـات اقلیمـیزیادی استفاده شده است (7 و 18). روش IDW برای منـاطقیکه تعداد دادههای معلوم زیاد نباشد، روش مناسبی اسـت (22). بهدلیل گستردگی منطقه موردمطالعه و پراکندگی کم ایستگاههای هواشناســی در مرکــز کشــور، از ایــن روش بــرای درون یــابی متغیرهای زیستاقلیمی استفاده شد. قبل از اجـرای مـدل، سـه پارامتر توان فاصله، شعاع همسایگی و نقاط همسایگی با استفاده از روش ارزیابی متقاطع بهینه شد.

روش کریجینگ، کریجینگ با روند خارجی و کوکریجینگ روش کریجینگ با روند خارجی در مواردی استفاده میشود که متغیر اصلی با یک متغیر کمکی، ارتباط مکانی خطی داشته باشد. در این روش نخست روند موجود در دادهها با استفاده از نیم تغییرنما محاسبه شد. برای اجرای روش کوکریجینگ نیم تغییرنمای متغیر کمکی (ارتفاع) و نیم تغییرنمای متقابل متغیر اصلی و متغیر کمکی نیز ترسیم گردید.

روش توابع شعاع محور( RBF)
قبل از اجرای روش RBF پارامترهای این روش بهینه شدند.در این مطالعه پنج مدل مختلف از RBF مورد ارزیابی قرار گرفت و بر اساس میزان ریشه دوم میانگین مربع خطا و همچنین میانگین انحراف خطا بهترین مدل RBF برای درونیابی دو متغیر دما و بارندگی انتخاب شد. تمامی آنالیزهای آماری با استفاده از نرم افزار SPSS و درونیابی دادهها در محیط Arc GIS انجام شد.

نتایج
تجزیه و تحلیل دادههای بارش سالانه و دمای میانگین سالانه آمارههای توصیفی 20 متغیر زیست اقلیمی در منطقه موردمطالعه ۶۰
در جدول 2 نشان داده شدهاست. نتایج بررسی نرمال بودن داده-ها نشان داد که هر دو متغیـر بارنـدگی سـالانه (792/0KS P =) و دمای متوسط سالانه (692/0KS P =) از توزیع نرمـال پیـروی
میکنند (شکل 2). نتایج بررسی هـمبسـتگی نشـان داد کـه بـین متوسـط دمـای سـالانه و ارتفـاع (00/0R =0/926 ، P=) در منطقـه مورد- مطالعه هـم بسـتگی معنـیداری وجـود دارد . امـا میـزان هـم- بستگی بـین بارنـدگی و ارتفـاع (01/0R =0/483 ، P=) چنـدانزیاد نبود همچنین معادله گرادیـان بارنـدگی و ارتفـاع (X 07/0 +33/36 Y=) و گرادیــان دمــا و ارتفــاع (X 007/0+ 20/28 Y=)بدست آمد.

بررسی نیم تغییرنما، روند و همبستگی مکانی متغیرها نتایج محاسبه نیم تغییر نمای بدون جهت برای سه مدل گوسی، نمایی و کروی در جدول 3 آورده شده است. بـر اسـاس روش ارزیابی متقابل، مدل نمایی کمترین میزان خطا را بـرای هـر دو متغیر دما و بارش نشان داد. لذا از این مدل بـرای انجـام روش کریجینگ استفاده شد. بعـد از بهینـه کـردن بهتـرین مـدل نـیم تغییرنما، ترسیم نیم تغیرنما برای دو متغیـر دمـا و بارنـدگی بـر اساس مدل نمایی انجام شد (شکل 3). همـان طـور کـه در ایـن شکل نشان داده شده است، ترسیم نیم تغییرنمای تجربی نشـان از وجود همبستگی مکـانی در دو متغیـر دمـا و بارنـدگی دارد.
علاوه بر این، شیب کم نیم تغییرنما در نزدیک مبدأ، وجود همبستگی مکانی را تائید میکند. از طرف دیگر، با توجه به اینکـه میـزان نیم تغییرنما با افزایش فاصله، افزایش و سپس به سـقف معینـی میرسد، عدم وجود روند و یا ارتباط خطی مستقیم بـین متغیـراصلی و کمکی در دو متغیر دما و بارندگی مشهود است. بـه منظـور بررسی امکان استفاده از مدل کوکریجینگ، نیم تغییرنمای متقابل بارندگی و ارتفاع و همچنین دما و ارتفاع ترسیم شد (شکل 3).
دما و ارتفاع در نیم تغییرنما همبستگی مکانی نشان دادنـد، لـذا امکان استفاده از روش کوکریجینگ وجود داشت، بهدل یـل عـدم وجود همبستگی مکانی بین بارندگی و ارتفاع امکان اسـتفاده از روش کوکریجینگ در محدوده موردمطالعه وجود نداشت.
1268732170556

Downloaded from ijae.iut.ac.ir at 16:18 IRST on Saturday October 28th 2017

Downloaded from ijae.iut.ac.ir at 16:18 IRST on Saturday October 28th 2017

جدول 2. میانگین، میانه، مینیمم و ماکزیمم 20 متغیر زیستاقلیمی در محدوده مورد مطالعه (°C)
میانه میانگین ماکزیمم مینیمم توصیف متغیر
17/59 17/90 26/89 10/93 دمای متوسط سالانه Bio١٠
14/54 14/59 17/79 9/45 متوسط سالانه دامنه روزانه دما Bio٢٠
37/72 37/58 45/76 26/44 ایزوترمالی (همدمایی) Bio٣٠
39/03 38/76 42/75 34/67 دامنه سالانه دما Bio۴٠
37/67 37/72 44/08 31/01 حداکثر دمای گرمترین ماه Bio۵٠
-1/15 -1/04 8/55 -8/11 حداقل دمای سردترین ماه Bio۶٠
126/16 134/37 328/98 51/45 بارش سالانه Bio٧٠
24/34 28/47 62/75 12/16 بارش مرطوبترین ماه Bio٨٠
0/14 0/35 1/32 0/00 بارش خشکترین ماه Bio٩٠
8/95 8/93 10/13 7/99 رژیم دما (انحراف معیار) Bio١٠
3/09 3/07 3/47 2/76 رژیم دما (ضریب تغییرات) Bio١١
85/39 87/82 111/58 75/41 رژیم بارش Bio١٢
59/58 67/71 145/72 26/08 بارش سردترین فصل Bio١٣
1/45 2/22 11/12 0/11 بارش خشکترین فصل Bio١۴
28/01 28/73 36/52 22/16 میانگین دمای گرم ترین فصل Bio١۵

  • 2