اشتراک آموزش کاربردی سامانه نمایش و تحلیل شبکه در هوا و اقلیم (GrADS)

بستن

پیشنهاد شگفت انگیـــــز 14.3% تخفیف

آموزش کاربردی سامانه نمایش و تحلیل شبکه در هوا و اقلیم (GrADS)

No English Name Available
میانگین امتیاز کاربران : 0 / از 5
توضیحات کوتاه

آموزش کاربردی سامانه نمایش و تحلیل شبکه در هوا و اقلیم (GrADS)

در جهان روبه پیشرفت امروزی، بکارگیری فن­آوری­های نرم­افزاری و سخت­افزاری سبب انجام سریعتر کارها و خدمات شده است. در برخی از رشته­های علوم به­خصوص شاخه هواشناسی و اقلیم شناسی، کاربرد این فن­آوری­های نوین و از طرفی دسترسی آسان به داده­های گوناگون هواشناسی و محیط­زیستی در پهنه کره­زمین درهای جدیدی را در دنیای این علم به روی ما گشاده است. نرم­افزار سامانه نمایش و تحلیل شبکه (GrADS) به عنوان یک نرم­افزار تخصصی پردازش و نمایش داده­های هواشناسی، اقلیم­شناسی و محیط­زیستی می­باشد که یادگیری آن امکان تجزیه و تحلیل داده­های هواشناسی را برای هر نقطه از کره پهناور زمین به ما می­دهد. ما علاقمند هستیم در چهارچوب این کتاب، دانشجویان رشته­های گوناگون علم هوا و اقلیم شناسی را با چگونکی کار با نرم­افزار نمایش و تحلیل شبکه آشنا کنیم تا آنها بتوانند در پیشبرد هرچه سریعتر پژوهش­های خود این نرم­افزار را به کار بگیرند. در هر کشوری میزان استفاده از دستگاه­های خودکار و اتوماتیک به عنوان یک شاخص توسعه تلقی می­گردد. کشورهای جهان سوم درگیر هستند تا کارها و خدمات خود را به سمت الکترونیک شدن پیش ببرند. زیرا تکنولوژی شبکه­های کامپیوتری و اینترنت موجب کاهش حمل و نقل و آسانی ارتباط و دسترسی راحت به اطلاعات و امکانات می­گردد و از سوی دیگر موجب صرف هزینه کمتر می­شود. در این راستا داده­ها و اطلاعات گوناگون مربوط به منابع آبی، محیط زیست و هواشناسی با دوره ثبت قابل توجه گاهی اوقات تا بیش از 60 سال به صورت روزانه از طریق پایگاه­های اینترنتی معتبر از نظر علمی در دسترس هستند. نکته قابل توجه در آن، نوع فایل­های موجود است که این فایل­ها تنها توسط نرم­افزارهای ویژه­ای قابلیت خوانده­شدن و تحلیل را دارند. نرم­افزار سامانه نمایش و تحلیل شبکه (GrADS[1]) که به طور رایگان در اختیار کاربران مراکز پژوهشی قرار می­گیرد، امکان تجزیه و تحلیل داده­های هواشناسی و محیط زیستی را فراهم می­نماید. داده­های هواشناسی در مراکز جهانی جمع­آوری داده­ها همچون شبکه اقلیم شناسی تاریخی جهانی (GHCN[2]) جمع­آوری شده و از طریق اداره ملی جوی-اقیانوسی ((NOAA[3] منتشر می­شوند. در این کتاب سعی بر آموزش و نحوه استفاده از این نرم­افزار و دسترسی آسان به داده­های هواشناسی را خواهیم داشت. دانشجویان رشته­های مربوط به علوم آب همانند آبیاری، هواشناسی، هواشناسی کشاورزی، اقلیم­شناسی، زهکشی­، سازه­های آبی و محیط زیست با یادگیری نرم­افزار GrADS و کسب مهارت تجزیه و تحلیل داده­های هواشناسی می­توانند در پروژه­های مختلف آبیاری، هواشناسی کشاورزی و اقليمي از بانک داده­های هواشناسی جهانی بهره ببرند. مطالعات هواشناسی منحصر به مطالعه داده­های هواشناسی داخل کشور نبوده و در بیشتر موارد نیازمند به مطالعه وضعیت جوی سایر نقاط دنیا می­باشد. به عنوان مثال، مطالعه فراوانی عبور سیستم­های فشاری که از غرب کشور وارد می­شوند و مطالعه اثرات آنها بر وضعیت جوی کشور، مطالعه دماهای کمینه و بیشینه و پدیده سرمازدگی در پهنه کشور و حتی در پهنه کره زمین و همچنین مطالعه تاثیر دمای آب اقیانوسها بر بارش کشور مواردی هستند که نیاز به داده­ها در مقیاس سینوپتیکی دارند. بنابراین در پژوهش­های هواشناسی و اقلیم شناسی و علوم آب، مقیاس مکانی موثر همان مقیاس درشت (مقیاس جهانی و مقیاس منطقه­ای) است. از سوی دیگر، تعداد ایستگاه­های جو بالا در کشورهای در حال توسعه مانند ایران کم بوده و داده­های آنها به ندرت قابل دسترس می­باشند. از این رو، اگر فردی نیازمند به مطالعه داده­های جو بالا مثل پروفیل باد و دما در پهنه کشور باشد، ملزم به استفاده از داده­های سازمان مدیریت جوی-اقیانوسی آمریکا (NOAA) می­باشد. همان­طور که گفته شد داده­های این مرکز فقط از طریق نرم­افزار GrADS قابل خواندن و تجزیه و تحلیل می­باشند. و در نهایت مهمترین ضرورت استفاده از این نرم­افزار این است که با کمک آن می­توانیم به داده­های هواشناسی به­روز تمام نقاط دنیا دسترسی داشته باشیم. در بسیاری از موارد عدم آشنایی با یک نرم­افزار تخصصی منجر به این می­شود که دانشجویان مدت زمان زیادی را صرف تجزیه و تحلیل داده­ها با یک نرم­افزار غیر تخصصی صرف کنند. آشنایی با نرم­افزار GrADS به دانشجویان رشته­های گوناگون هواشناسی این امکان را می­دهد که به راحتی به تمامی داده­های هواشناسی دسترسی داشته باشند و تجزیه و تحلیل­های مورد نظر را روی این داده­ها انجام داده و نتایج را به صورت نقشه ها و یا داده‌های عددی ارائه دهند. [1] - Grid Analysis and Display System [2] - Global Historical Climatological Network [3] - National Ocean and Atmospheric Administration

توضیحات

گردش­های بزرگ مقیاس نیوار (جو) که در مقیاس سیاره­ای عمل می­کنند؛ شرایط منطقه­ای و محلی آن را مشخص می­کنند. بسیاری از فرآیندهای مرتبط با معضلات محیطی و محلی نظیر آلودگی هوا، باران­های اسیدی، ریزگردها، طوفان­های گردوخاک، یخبندان­ها و امواج سرد وگرم و….. به شدت تحت تأثیر گردش­های جوی هستند(یارنال، ۱۳۸۵: ۱). در آب وهواشناسی سینوپتیکی(همدیدی) گردش­های بزرگ مقیاس جوی و تأثیر آنها بر آب وهوای نواحی مورد بررسی قرار می­گیرد. از آنجا که ایران با گسترش وسیع در جهت عرض جغرافیایی در ایام سال به تناوب در محدوده گردش­های سیاره­ای متفاوتی قرار می­گیرد؛ از آب وهوای متغیّر و پیچیده­ای برخوردار است.

در علم آب­وهواشناسی سینوپتیک علاوه بر بررسی اعداد و ارقام جمع­آوری شده توسط ایستگاه­های هواشناسی، به داده­ها و نقشه­های تهیه شده توسط سازمان­های جهانی اهمیت داده شده است. با گسترش مراکز و پایگاه­های داده­ای آب­وهواشناسی در سطح جهان این علم روز بروز شکوفاتر می­شود. آب­وهواشناسی شاخه­های مختلفی دارد یکی از آنها آب­وهواشناسی سینوپتیک است؛ که اوضاع جوی یک منطقه را هم­زمان در ترازهای مختلف مطالعه می­کند و نوسانات پارامترهای جوی به ویژه تغییرات فشار را در سطوح متفاوت در نظر می­گیرد.

آب وهوا یکی از پدیده­های کاملاً پویای طبیعی است. این پدیده به عرض جغرافیایی، دوری و نزدیکی به دریا، ارتفاع، شرایط محلی و سیستم­های بزرگ گردش منطقه­ای و سیاره­ای بستگی دارد. معمولاً نواحی داخلی و شرقی قاره­های بزرگ دارای آب­وهوای خشک و قاره­ای، که ویژگی آنها بارش کمتر، رطوبت پایین و دامنه تغییرات دمای شبانه روزی بالا است، می­باشد. جزایر اقیانوسی و بخش­های غربی قاره­ها دارای بارش زیاد، رطوبت بالا و دماهای نسبتاً یکنواخت هستند. در منطقه حاره شرایط جوی کوتاه مدت با اوضاع دراز مدت آن تفاوت چندانی ندارد ولی به طرف قطب­ها و بویژه به طرف منطقه وزش بادهای غربی شرایط بسیار متغیّری حاکم است. برای شناسایی آب­و­هوا سه ویژگی اساسی را باید در نظر گرفت. الف- ویژگی حرارتی دمای سطح زمین، آب، خشکی و یخ ب- ویژگی جنبشی (باد ، جریان­های اقیانوسی، حرکات عمودی وحرکات توده­ها هوا ج- ویژگی­های استاتیک( فشار،چگالی هوا و….). این ویژگی­ها با فرآیندهای فیزیکی گوناگون مثل ابرناکی، بارندگی و طوفان همراه است. تعاریف متفاوتی از آب­وهوا ارائه شده است. در تعریفی بیان شده که معمولاً در هر مکان مشخص، در طول سال یک هوای معین به دفعات بیشتری تکرار می شود، به طوری که از نظر فراوانی، این هوا در آن مکان نمود بیشتری می­یابد. این هوا در هر منطقه، آب وهوای آن منطقه به حساب می­آید. پس آب و هوا عبارتست ازهوای غالب در یک محل در دراز مدت (علیجانی و کاویانی،۱۳۸۴).

در تعریف کلی سینوپتیک به معنای همدیده­بانی است اما در هواشناسی این اصطلاح بطور اخص به معنای استفاده از تمام داده­های هواشناسی جهت درک هرچه بهتر و ارائه تصویری همزمان از وضعیت جوّی در یک ناحیۀ معین است(ذوالفقاری، ۱۳۸۳: ۱۹۷). ­آب­وهواشناسی سینوپتیکی ارتباط شرایط جوی منطقه­ای و محلی را با گردش جوی بررسی می­کند. مطالعه آب­وهواشناسی سینوپتیکی مطالعه آب­وهواشناسی سیستم­های جوی است. در این نوع آب­وهواشناسی بنا به اصل پیوستگی، تمام تغییرات آب­وهوایی روی زمین از طریق حرکت قائم با سیستم­های جوی سطح بالا ارتباط دارد (باری وپری،۱۹۸۷: ۲۱ ). در آب­وهوا­شناسی سینوپتیک ابتدا آب­وهوا مورد توصیف و سپس توسط پراکندگی فشار مورد تبیین قرار می­گیرد(علیجانی، ۱۳۸۱: ۶). یارنال می­گوید”آب وهوا شناسی سینوپتیک علمی است که رابطه میان گردش­های جوی را با محیط سطحی یک منطقه بررسی می­کند. همچنین آب­وهواشناسی سینوپتیک به نوعی آب­وهواشناسی کاربردی محسوب می­شود، چرا که انگیزه مطالعات سینوپتیک روشن ساختن چگونگی تاثیر تغییرات گردش های جوی بر سطح زمین، یعنی زیست­گاه جوامع بشری است”(یارنال، ۱۳۸۵: ۲).

“در آب­وهواشناسی سینوپتیکی بر روی رابطه میان گردش­های جوی با آب­وهوای سطحی تاکید می­شود” این جمله­ای بود که کورت در۱۹۵۷ عنوان نمود. او تفاوت­های میان آب­وهواشناسی دینامیکی و آب­وهواشناسی سینوپتیکی را این­گونه بیان می­کند. نخستین تفاوت مربوط به مقیاس است، در دهه ۱۹۵۰ آب­وهواشناسی دینامیک، در مقیاس­های سینوپتیک بزرگ تا سیاره­ای (در حدی فراتر از چند هزار کیلومتر در بعد افقی )کار می­کرد در صورتی که در آب­وهواشناسی سینوپتیکی مقیاس­های افقی کوچکتری مورد بررسی قرار می­گرفت. این تفاوت با گذشت زمان اندک اندک کم رنگ شد. با رشد توان محاسباتی کامپیوترها و ایجاد پایگاه داده­های کامپیوتری، در آب­وهوا شناسی سینوپتیک نیز مطالعه در مقیاس سیاره­ای معمول شده است. تفاوت دوم این بود که در زمان کورت در آب­وهوا­شناسی دینامیک اغلب از متغیرهایی مانند سرعت بالقوه، تکانه، انرژی، همگرایی، واگرایی و تاوایی استفاده می­شد؛ در حالی که در آب­وهواشناسی سینوپتیک از مفاهیمی مانند الگوی فشار، جریان توده هوا و الگوهای نقشه­ها استفاده می­شد. سومین تفاوتی که کورت به آن اشاره کرده آن است که در آب­وهواشناسی سینوپتیک برروی رابطه میان گردش­های جو با آب­وهوای سطحی تاکید می­شود در حالی که در آب­وهواشناسی دینامیک به ندرت رابطه میان آب­وهوای سطحی با جریان هوا در جو آزاد مورد توجه قرار می­گیرد(یارنال،۱۳۸۵: ۶).

لیدولف(۱۹۵۷) در تکمله­ای که بر مقاله کورت نوشته گفته است آب­وهواشناسی دینامیک می­کوشد توضیح کاملی از حالات جو بدست دهد؛ در صورتی که آب­وهوا­شناسی سینوپتیک می­کوشد با توجه به حالات معین جوی وضع هوای هر محل را توضیح دهد. او معتقد است که آب­وهوا­شناسان یک پیوستار را مطالعه می­کنند که در یک سوی آن نیروهای ترمودینامیکی هدایت کننده آب­وهوا قرار گرفته­اند و در سوی دیگر آن آب­وهوای سطحی که حاصل عملکرد این نیروهاست قرار دارد(همان منبع ، ۶).

جاکوبس (۱۹۴۷) آب­وهواشناسی سینوپتیک را مطالعه همزمان همه عناصر هوای یک مکان و کشف رابطه آنها با الگوهای پراکندگی فشار یا گردش هوا تعریف کرد. به نظر وی آب­وهوا­شناسی سینوپتیک یک علم کاربردی است؛ زیرا با کشف رابطه بین تغییرات ویژگی­های محیط زیست با الگوهای فشار، حدوث آنها را پیش­بینی و از بروز خسارت جلوگیری می­کند. جاکوبس پیشنهاد کرد که برای مطالعه آب­وهواشناسی سینوپتیک یک منطقه باید آن را به واحدهایی تقسیم و سپس فراوانی زمانی عناصر آب­وهوا و الگوهای جریان را در هر واحد محاسبه کرد. واحدهای مطالعه می­تواند در ابعاد هزار کیلومتر باشد(علیجانی، ۱۳۸۱: ۶).

در جای دیگری آب­­وهوا­ به این صورت تعریف می­شود: “آب­وهوا عبارت است از تحولاتی که در دستگاه هواسپهر کره زمین در ارتباط با بقیه دستگاه­های کره زمین، آب­سپهر، یخ­سپهر، سنگ­سپهر و زیست­سپهر وجود دارد. اگر در یکی از این دستگاه­ها تغییری پدید آید دیگر دستگاه­ها به سرعت یا به آرامی خود را با آن هماهنگ می­سازند”(مسعودیان،۱۳۸۶: ۱).

رابطه متقابل میان دستگاه­های سازنده آب­وهوا از راه مبادله ماده، انرژی و اطلاعات تحقق می یابد. اگر می گوییم هواسپهر با آب­سپهر رابطه دارد یعنی بین این دو دستگاه ماده، انرژی و یا اطلاعات مبادله می­شود. اگر به هر دلیل دمای هوا سپهر افزایش یابد در این صورت گرما از جو به اقیانوس منتقل می شود (انتقال انرژی از جو به اقیانوس). با گرمتر شدن آب اقیانوس، تبخیر افزایش یافته و توان نگهداشت دی­اکسیدکربن در آب کاهش می­یابد. در نتیجه بخارآب و دی­اکسیدکربن از اقیانوس به جو منتقل می­شود (انتقال ماده از اقیانوس به جو). چون هر دوی این مواد (بخار آب و دی اکسیدکربن) ویژگی گلخانه­ای دارند جو گرمتر می­شود. به بیان دیگر نه تنها ماده (بخارآب ودی­اکسیدکربن) از اقیانوس به جو منتقل می­شود بلکه چون این دو گاز ویژگی گلخانه­ای دارند محتوای اطلاعاتی جو نیز دستخوش تغییر شده و جو در می­یابد که از این پس باید انرژی فرو سرخ بیشتری را جذب کند. برآیند همه اندرکنش­هایی که در درون و در بین دستگاه­های هواسپهر،آب­سپهر، یخ­سپهر سنگ­سپهر و زیست­سپهر بر قرار است آب­وهوای یک محل معین را می­سازد.

 

۱-۱- پیشینه آب و هوای شناسی سینوپتیک

پیشینه آب­وهواشناسی سینوپتیک به دهه ۱۹۴۰ برمی­گردد. انسان زمانی که نتوانست با استفاده از میانگین­ها و روش­های موجود آب­وهواشناسی، مشکلات خود را حل کند، به محاسبه و استفاده از فراوانی­های زمانی و مکانی عناصر آب­وهوایی روی آورد. بدین ترتیب آب­وهواشناسی سینوپتیکی پایه­گزاری شد. در واقع آب­وهواشناسی سینوپتیکی اصل کل­نگری وکل­شناسی دانش جغرافیا را عملی کرد و بدین جهت نزدیکترین شاخه آب­وهواشناسی به جغرافیاست(علیجانی، ۱:۱۳۸۱). اولین کتاب در زمینه این علم در سال ۱۹۷۳ م، به وسیله باری وپری[۱] منتشر شد. دربیست سال بعد (۱۹۹۳م) یارنال دومین کتاب در این زمینه را منتشر کرد. در کتاب وی بر نقش دانش آب­وهواشناسی در طبقه­بندی­های آب وهوایی و حل مسایل محیط زندگی انسان تاکید بیشتری شده است.

 

 

مطالعه دهه­های ۱۹۴۰و ۱۹۵۰ این تصور را به وجود آورد که شناخت ماهیت تغییرات روزمره هوا و الگوهای غالب آنها در دراز مدت، از طریق استناد به تغییرات تابش خورشید قابل توجیه و تبیین نیست. فقط بررسی فراوانی الگوهای فشار و جریان­های گردش هواست که می­تواند چنین تغییراتی را توجیه کند؛ مثلاً باریدن باران در هفته اول دی و قطع آن در هفته دوم یا سرمایش بسیار شدید هفته اول و گرمایش مجدد هوا در هفته دوم، با تغییرات تابش خورشید قابل تبیین نیست. اما الگوهای فشار ممکن است طی این دو هفته تغییر بکنند و سبب ورود هوای سرد از سیبری یا هوای معتدل و مرطوب از مدیترانه شوند. بدین دلیل در آب وهوا­شناسی سینوپتیک تمام تغییرات هوا یا آب وهوا بر اساس حرکات اتمسفری (عامل مستقیم) تبیین و توجیه می­شوند. با این نگرش می­توان تمام تغییرات شرایط محیط­زیست مانند سیلاب­ها، آلودگی­ها، آتش سوزی­ها و غیره را تبیین کرد(یارنال، ۱۳۸۵: ۹).

در سال­های اول شکل­گیری آب­وهوا­شناسی سینوپتیک، منظور از همزمانی عناصر آب وهوا مطالعه همه عناصر آب­وهوا بود. معمولاً دراین مطالعه همه عناصر تک­تک و جدا بررسی می­شد. اما بعدها چنین مطرح شد که هوا یک کلیت غیر قابل تجزیه است؛ یعنی هوا در صورت اجتماع همه عناصر آن معنی و مفهوم پیدا می­کند. گرمی و سردی یک لحظه معین در یک مکان فقط با آگاهی کامل از وضعیت تابش، جهت باد، تغییرات فشارو….. می­تواند معنی­دار باشد. بنابراین منظور از مطالعه همزمانی آب­وهوا­شناسی سینوپتیک و اصل کلیت­شناسی علم جغرافیا، بررسی هوا به عنوان یک مجموعه واحد است. این نگرش زمانی قوت گرفت که رایانه وارد جهان علم شد و جغرافیدانان جوان کار با رایانه و یادگیری مفاهیم آماری را آموختند. از دهه ۱۹۶۰ به بعد امکان پردازش داده­های زیاد و همزمان به وسیله رایانه فراهم شد. در حقیقت ویژگی اصلی علم آب­وهوا­شناسی سینوپتیک، یعنی همزمانی و کلیت­نگری کاملاً مسجل شد(علیجانی، ۱۳۸۱: ۸).

 

۱-۲- داده­های آب وهواشناسی سینوپتیک

داده­های مورد نیاز از نقشه­های سینوپتیک سطح زمین و ترازهای فوقانی جو فراهم می­شود. نقشه­های سینوپتیکی مشاهده هوا را در مناطقی که اطلاعات جوی آنها گردآوری شده ممکن می­سازد. این نقشه­ها چگونگی وضع هوا و تغییرات آن را از نظر زمان و مکان مشخص می­کند. شناخت نحوه این تغییرات برای پیش­بینی هوا مورد استفاده قرار می­گیرد.

همه اطلاعات مورد استفاده آ­ب­وهوا­شناسی سینوپتیک اعم از وضعیت هوای روی زمین مانند دما، بارش، نم­نسبی یا پراکندگی فشار وجهت باد و الگوهای فشار در نقشه­های هوا درج  می­شود. بنابراین نقشه هوا منبع اصلی اطلاعات آب­وهوا­شناسی سینوپتیک است. از روی نقشه­های هوا، الگوها غالب جریان، توزیع فشار و پراکندگی مکانی عناصر آب­وهوای را می­توان استخراج کرد. کسب توانایی لازم در تفسیر این نقشه­ها و استخراج داده­های لازم و شناسایی سیستم­های فشار از وظایف اولیه آب­وهواشناس سینوپتیک است. هر نقشه سینوپتیک وضعیت یک لحظه هوا را ضبط می­کند. آب­وهواشناس به منظور شناخت آب­وهوای منطقه، باید نقشه­­های هوا را بررسی و پردازش کند. با توجه به اصل کلیت مطالعات جغرافیایی و اصل شناخت نمود غالب، آب­وهوا­شناس مجبور است اولاً همه هوا را بررسی و ثانیاً آمار دراز مدت را انتخاب کند. روش­های دستی نمی­تواند حجم بزرگی از اطلاعات را پردازش کند، واستفاده از همه عناصر آب­وهوای در آب­وهوا­شناسی سینوپتیک ایجاب می­کند از روش­های پیشرفته­ای چون تحلیل خوشه­­ای، تحلیل عاملی، سری­های زمانی و دیگر روش­های آماری، استفاده شود. نشان دادن وضع هوا فقط با اعداد و ارقام است. آرایش بادهای غربی، شدت سیکلون­ها، مقدار بارش، تغییرات سالانه دما و …. به صورت کدهای عددی بیان می­شوند. بنابراین شکل ظاهر نمایش هوا و آب­وهوا، اعداد هستند. بدین جهت آب­وهوا با عدد و رقم در آمیخته است؛ امروزه با توسعه الگوهای پیش­بینی و طبقه بندی آنها ، اطلاعات به صورت رقومی در آمده­اند و حتی حرکت سیستم­های سینوپتیک مانند سیکلون­ها و موج­های غربی از طریق روش­های آماری و ریاضی قابل تجزیه و تحلیل هستند(همان منبع ۹).

 

 

۱-۳- اصول آب و هواشناسی سینوپتیکی

اصول آب و هواشناسی سینوپتیکی عبارتند از:

  1. هر سیستم سینوپتیکی در واقع یک الگوی ویژه پراکندگی فشار یا تیپ هوا را شامل می شود.
  2. در آب­وهواشناسی سینوپتیک،به جای تقسیم سال به دوره های تقویمی و محاسبه میانگین شرایط آب هوایی هر دوره، سال را به دوره­های استیلای سیستم­های سینوپتیکی از قبیل دوره­های غلبه ناوه بلند وجبهه­قطبی تقسیم­بندی می کنند.
  3. عناصر آب­وهوایی، به طورکلی برحسب درصد فراوانی و در برخی موارد در کوتاه مدت بر حسب میانگین داده­ها محاسبه می­شوند.
  4. در آب­­وهواشناسی سینوپتیک تمام عناصر آب­وهوایی را یک جا در نظر می­گیرند و آب­وهوای یک منطقه را با توجه به عامل اصلی به وجود آورنده آن، یعنی الگوهای فشار تعیین می­کنند. مهمترین عنصر اصلی آب­وهوایی، پراکندگی فشار است که تمام عناصر دیگر را کنترل می کند؛ هر الگوی پراکندگی فشار، در واقع در یک تیپ هواست .

بسیاری از فرآیند­های مرتبط با مشکلات محیطی از جمله آلودگی هوا، باران اسیدی ،کمیت وکیفیت آب، به شدت تحت تاثیر گردش جوی هستند. حال باید با این دانسته­ها برنامه­ریزان ومتخصصان  برنامه­ریزی محیطی به مسائل گردش­های جوی وچگونگی تاثیر آن برمحیط آگاه بوده، تا بتوانند بهترین راه حل برای کاهش این مشکلات را پیشنهاد دهند وآسایش انسان­ها را فراهم آورند.

تعریفی که در موردآب­وهوا شناسی سینوپتیک می­شود ارائه داد که مورد قبول همه باشد این است که: آب وهوا شناسی سینوپتیک علمی است که رابطه میان گردش­های جوی را با محیط­سطحی یک منطقه بررسی می­کند. منظور از محیط سطحی، همان لایه­های سیاره­ای که ضخامت آن به طور متوسط حدود ۱ کیلومتر است می­باشد. بنا به تعریف ارائه شده، آب­وهواشناسان سینوپتیک، بدنبال تاثیرات کلیدی میان جو ومحیط سطحی هستند و یکی از اهداف آب وهواشناسی سینوپتیک، بررسی نقش تغییرات گردش جوی در تغییرات سطحی است.

کسانی که درآب­وهواشناسی سینوپتیک فعالیت می­کنند باید در زمینه فیزیک وکامپیوتر تسلط داشته باشند که این دو از ابزار کاربردی در این علم می باشد. آب­وهواشناسی سینوپتیک به موازات انقلاب کامپیوتری، ازاواخر ۱۹۷۰روبه رشد گذاشت که به عنوان یکی از شاخه­های مهم در بین علوم جغرافیایی می باشد.

به­گفته باری وپری (۱۹۷۳) آب وهوا شناسی سینوپتیک را به دو مرحله می­توان تقسیم نمود:

۱-طبقه بندی گردش­های جوی

۲-شناسایی روابط میان این طبقات باعناصر هوای منطقه مورد بررسی

درمطالعات آب وهوا شناسی سینوپتیک چهار عامل مشترک قابل مشاهده است:

۱-گردش جوی طبقه­بندی شده

۲- دوسطح با هم مطالعه شود (که همان قالب آب­وهواشناسی سینوپتیک است)

۳- تغییرات آب وهوای بر روی محیط سطحی

۴- منطقه به عنوان واحد مکانی.

 

۱-۴- رویکرد مطالعه آب­وهواشناسی سینوپتیکی

چهار عامل مشترک در مطالعات سینوپتیکی عبارتند از:

۱-در همه مطالعات سینوپتیکی گردش­های جوی به طریقی طبقه­بندی می­شوند. در طبقه­بندی، افراد بر حسب درجه شباهت خصوصیاتشان یا برحسب رابطه­ای که میان پدیده­ها برقرار است به چند گروه تقسیم می­شوند.

 

 

۲-در همه مطالعات سینوپتیکی ارتباط دست­کم دو سطح مقیاسی با هم بررسی می­شود یکی گردش­های جوی که در مقیاس کلان دیده می­شود و دیگری محیط سطحی که در مقیاس کوچکتر قرار دارد.

۳-در همه مطالعات سینوپتیکی اثر تغییرات آب­وهوای بر روی محیط سطحی بررسی می­شود. نوسان­های درون فصلی و سال­به­سال گردش­ها جوی تعیین کننده آب­وهوای سطحی یک دوره معین است.

۴-در همه مطالعات سینوپتیکی تمرکز محقق بر روی منطقه است یعنی منطقه به عنوان واحد مکانی مورد مطالعه محسوب می­شود. گردش­های جوی را می­توان در مقیاس سیاره­ای تا مقیاس­های خیلی کوچک در نظر گرفت، ولی همواره رابطه این الگوهای گردشی با محیط یک منطقه در نظر گرفته می­شود.

 

۱-۵- روش مطالعه آب­وهواشناسی سینوپتیکی

دو روش در مطالعه و در طبقه­بندی الگوهای گردشی سینوپتیک وجود دارد این دو روش عبارتند از: روش گردشی به محیطی و محیطی به گردشی.

  • درروش گردشی به محیطی داده­های محیطی بر اساس الگوهای گردشی ارزیابی می­شوند.
  • درروش محیطی به گردشی ابتدا رویدادهای محیطی بررسی شده و سپس الگوهای جوی ایجاد کننده آنها تجزیه و تحلیل می­شود(یارنال ۱۳۸۵، ۱۰).

برای مثال در روش گردشی به محیطی می­توان گفت: سیستم­های بزرگ سینوپتیکی اَشکال و حالت­های متفاوتی را در جریانات جوی ایجاد می­کنند. برخی از این حالت­ها مانند ناوه­ها(تراف)[۲]، پشته­ها(پشته)[۳]، بندال­ها (بلوکینگ)[۴] ورودبادها (جت­استریم)[۵]، باعث تغییرات آب­وهوایی و ایجاد مخاطرات آب­وهوایی می­شوند. در این روش پس از شناسایی این اشکال نیواری، تأثیر آب­وهوای آنها در سطح زمین مورد تجزیه و تحلیل قرار گرفته و امکان پیش­بینی مخاطرات فراهم خواهد شد.

در روش محیطی به گردشی ابتدا رخدادهای جوی در سطح زمین طبقه­بندی شده رخدادهای ویژه یا فرین(حدی) که اثرات مهمی بر شرایط زیست­محیطی برجای گذاشته­اند انتخاب می­شود. سپس سیستم­های سینوپتیکی موجد این رخدادها از نقشه­های سینوپتیکی استخراج و مورد تجزیه و تحلیل قرار خواهد گرفت. بیشتر مناطق و نواحی ایران، تحت تأثیر عوامل مشخص محلی­ قرار می­گیرند که در الگوی آب­وهوای منطقه تغییراتی ایجاد می­کند. اما تغییرات ناشی از عوامل محلی محدود بوده واثرات عمیق زیست محیطی ندارند. در حالی­که سیستم­های سینوپتیکی سیاره­ای و بعضاً مهاجر، باعث تغییرات عمیقی در شرایط آب وهوایی و محیط زیست می­شوند.  ایران از نظر منطقه­ای در محدوده آب­و­هوای مدیترانه­ای قرار دارد. اما عوامل متعددی (بعضاً سینوپتیکی) سبب بروز زیرگروه­های دیگری در این آب­وهوا می­شود. به سبب گستردگی خشکی­های آسیاو اروپا و آفریقا، اعتدال اقیانوسی تا حدی به داخل خشکی نفوذ می­کند. دریای مدیترانه در تابستان منطقه کمبود و در زمستان منطقه مازاد انرژی است. در زمستان موقعی که آب دریا حدود شش درجه سلسیوس گرمتر از خشکی باشد مخزن منحصر به فرد انرژی در دسترس خواهد بود. آرایش خشکی و دریا، تنوع پیچیده­ای را در فاصله­های کوتاه نشان می­دهد. شکل قرارگیری شبه جزیره­ها، جزایر، امتدادهای مداری و نصف­النهاری سواحل، هر کدام در این تنوع پیچیده نقشی دارند. رشته­های کوهستانی ممکن است در مقابل جریان اصلی هوا قرار گیرند و تغییرات محلی مهمی را در منابع آب­وهوای این مناطق ایجاد کنند.

ایران نیز در منطقه مدیترانه از یک چنین پیچیدگی­های آب­وهوایی برخوردار است. رشته­کوه­های زاگرس، البرز، سواحل دریای خزر، خلیج فارس ودریای عمان به این پیچیدگی­ها افزوده­اند. از نظر دینامیکی منطقه ایران یک منطقه انتقالی بین آب­وهوای قسمت­های مرکزی آسیایی (که بیشتر ایام سال تحت تاثیر بادهای غربی قرار دارند) و بیابان­های شمال آفریقا و عربستان (که در منطقه تقسیم هوای مرکز پر فشار جنب­حاره­ای قرار دارند) می باشد. در فصل دوم ویژگی­های آب­وهوایی ایران و عوامل موثر در آن مورد تجزیه و تحلیل قرار می­گیرد.

 

 

۱-۶- آماره­های اقلیمی

آماره­های مورد استفاده در اقلیم شناسی عبارتند از شاخص­های مرکزی مانند میانگین حسابی، مد، نما، چارک­ها و شاخص­های تغییرپذیری مانند دامنه تغییرات، واریانس، انحراف معیار و ضریب تغییرپذیری و ضریب همبستگی و رگرسیون که شامل رگرسیون تک متغیره و رگرسیون چندمتغیره، همچنین اقلیم شناسان برای بررسی الگوهای روند تغییرات از روش­های سری زمانی، تحلیل رگرسیون، تحلیل عامل و تحلیل خوشه­ای استفاده می­کنند. از آنجا که داده­های اقلیمی در فضا گسترده شده­اند از مدل­های آماری فضایی داده­های آب و هوایی مانند مدل­های آمار فضایی، متغیر ساده زمین آمار و چند متغیره خطی استفاده می­شود.

آماره­های شاخص­های مرکزی کاربردهای گوناگونی دارند. به طور مثال مقادیر دما که تغییرات گسترده­ای از روزی به روز دیگر دارند، دارای انحراف معیار پایین­تری هستند ولی آن هایی که دارای تغییرات روزانه کمتری هستند دارای انحراف معیار پایین­تری هستند این مقادیر برای متغیرهایی مثل تابش، دما، فشار و حجم رطوبت که دارای توزیع کم و بیش نرمالی هستند (یعنی در اطراف یک میزان متوسط متمرکز می شوند) مناسب هستند ولی برای عناصری مثل بارش و سرعت باد که دارای مقادیر صفر هستند یا مقادیر ابرناکی که دارای کرانه های بالا و پائین هستند نامناسب است. در چنین مواردی، مقادیر میانه (۵۰ درصد مرکزی در یک توزیع رقومی رتبه ای) و مقادیر چارک (۲۵ و ۷۵ درصد)، ممکن است معیارهای مناسبی برای بررسی میانگین­ها و دامنه تغییرات سری داده­ها باشند. معیار دیگری که وابسته به میانگین است مقدار بیشترین فراوانی وقوع یا مد (نما) است. مد از طریق دسته­بندی مقادیر فراوانی­ها به صورت دسته­های دارای فاصله طبقات یکنواخت (مثل ۰-۵، ۶-۱۱، ۱۱-۱۵) و با مطابقت دادن فراوانی هر طبقه با بالاترین فراوانی در بین طبقات قابل شناسایی است. توزیع فراوانی داده­ها در آب­وهواشناسی با دوره میانگین­گیری رابطه دارد. بنابراین، به طور مثال مقادیر بارش ساعتی دارای چولگی منفی بالایی هستند (تمایل به صفر) در حالی که مجموع سالانه آنها به یک توزیع زنگونه­ای یا نرمال (گوس) نزدیکتر است. در یک توزیع نرمال۵/۹۴  درصد مقادیر بین ۲+- انحراف معیار از میانگین قرار می­گیرند و۷/۹۹ درصد مقادیر بین ۳+- انحراف معیار از میانگین قرار می­گیرند برای تفکیک مقادیر دورافتاده یا پرت، که ممکن است باعث بروز خطا در محاسبات گردند و برای کسب نتایج بهتر در یک آزمون، معمولاً آستانه ۴ انحراف از میانگین پذیرفتی است. در یک توزیع نرمال، میانگین، میانه و مد برابر هستند.

داده هایی که به صورت نرمال­های اقلیمی مورد استفاده قرار می گیرند باید مقادیر ساعتی، میانگین­های روزانه، مقادیر روزانه برای میانگین­های ماهانه و مقادیر ماهانه برای میانگین­های سالانه باشند. اگر میانگین­های روزانه مد نظر باشند آن ها باید براساس مقادیر ۲۴ ساعته، مقادیر ۶ ساعته یا میانگین مقادیر بیشینه و کمینه قرائت ها تعیین شده باشند. هر کدام از این­ها دارای مقادیر میانگین روزانه متفاوتی خواهند بود. باید یادآور شویم که مبنای این نوع تصمیم گیری­ها در محاسبات، اغلب در طول زمان تغییر می کند. بنابراین برای کسب نتایج دقیق­تر از اطلاعات یک ایستگاه باید عملیات لازم قبل از فرآیند میانگین­گیری برای سری­های طولانی مدت صورت گیرد. داده­های گمشده را می توان با استفاده از جایگزینی مقادیر میانگین بلندمدت که اریب در متغیرها ایجاد نمی­کنند یا توسط روش­های درون­یابی و برون­یابی مناسب در بین ایستگاه­های مورد استفاده و یا داده های ایستگاه­های اطراف تهیه نمود.

به تقریب، تمامی منابع اطلاعاتی مورد استفاده در مطالعات اقلیمی دارای ویژگی های عددی هستند. مهمترین منابع داده­های اقلیمی شبکه جهانی ایستگاه­های هواشناسی زمینی با انواع مختلف آنهاست. ایستگاه­های هواشناسی جو بالا هم با تراکم­ کمتر، منابع نقطه ای دیگری است که از ویژگی عددی برخوردارند. داده­های سنجش از دوری بدست آمده از تصاویر ماهواره­ای مختلف زمین مرجع و مدار قطبی محیطی و هواشناسی همگی از ویژگی عددی و کمی برخوردارند. منابع داده های سطحی مورد استفاده قابلیت تبدیل به شاخص های عددی دارند. بنابراین امروزه انجام تحلیل­های آب و هواشناسی بدون بهره­گیری از داده­های عددی قابل تصور نیست. از ویژگی­های مهم داده­های مورد استفاده در مطالعات آب وهواشناسی، ویژگی مکانی و زمانی آنهاست. بطوریکه داده­ها در طول زمان ثبت شده و شکل می­گیرند و تحت تاثیر شرایط حاکم در زمان­های مختلف دارای الگو، روند و نرخ تغییرات متفاوتی است. یعنی در طول زمان داده­های اقلیمی بنابر عوامل موثر مختلف ویژگی­های مختلفی ثبت می­کنند. تحلیل روند تغییرات گذشته و حال و تخمین الگوی آنها در آینده مربوط به روش­های تحلیل آماری در اقلیم شناسی است.

 

 

۱-۷- نظریه آشوب در اقلیم شناسی

پیش بینی عناصر و پدیده­های اقلیمی همچون بارندگی، یخبندان، گردوغبار، طوفان­ها، تنش­های دمایی و رطوبتی و … برای جوامع مختلف بسیار مهم است. به طور مشخص، الگوی روند تغییرات پدیده­های اقلیمی و بارش پدیده­های غیر خطی بزرگی در طبیعت هستند، که با نظریه آشوب یا همان اثر پروانه ای قابل تحلیل باشند. تحلیل مولفه­های اصلی، تحلیل­های آماری چندمتغیره (تحلیل عاملی، خوشه ای و رگرسیون چندمتغیره) و مدل سری زمانی از مهمترین روش های آماری هستند که در تحلیل­ها و مطالعات تغییر اقلیم و پیش بینی مورد استفاده قرار می­گیرند.

 

۱-۸- سری­های زمانی

از روش­هایی که از دهه­های گذشته در پژوهش­های آب و هواشناسی مورد توجه بوده، مدل­های سری زمانی است. سری­های زمانی از شاخه­های آمار و احتمالات است که در علوم مختلفی مانند اقلیم شناسی، اقتصاد، روانشناسی، هواشناسی و … کاربرد فراوانی دارد. دامنه کاربردهای سری­های زمانی روز به روز گسترده­تر می شود و نیاز دانش پژوهان در این زمینه افزون­تر می­گردد. در هر علم، سری زمانی به مجموعه­ای از آمار و دیده­بانی­ها با مقادیر ثبت شده از متغیری گفته می­شود که در فواصل زمانی مساوی و منظمی مرتب شده باشد. هدف از سری زمانی، تعیین قانونمندی و شناسایی رفتار آن با هدف پیش بینی پدیده­ها در آینده است (ویسی پور و همکاران، ۱۳۸۹: ۷). روش­های آماری که این گونه داده­های آماری را مورد استفاده قرار می دهد، روش­های تحلیل سری زمانی نامیده می شود. مانند واکاوی روند تغییرات دمایی و رطوبتی یک ایستگاه هواشناسی در طولانی مدت و پیش بینی روند تغییرات آن در آینده (چتفیلد، ۱۳۷۲).

روش­های سری­های زمانی برای مطالعه­ی روند تغییرات و پیش بینی آینده متغیرهای اقلیمی در بسیاری از مطالعات در سطح جهان استفاده می­شود. تحلیل سری­های زمانی بطور نظری و عملی از زمان آغاز کار جورج. ای. پی. باکس و ام. جنکینس در سال ۱۹۷۰ با عنوان “تجزیه و تحلیل سری های زمانی، پیش بینی و کنترل” به سرعت گسترش یافت. هدف تحلیل سری­های زمانی درک یا به مدل در آوردن سازوکار تصادفی که منجر به مشاهده سری شود می­باشد.

پیش بینی مقادیر آینده مجموعه، بر پایه گذشته آن در واکاوی یک سری زمانی چندین هدف ممکن دارد. اهداف را می توان به صورت توصیف، تشریح، پیش بینی و کنترل رده بندی کرد. هر چند توصیف رفتار یک سری زمانی از لحاظ تغییرات موضعی و دراز مدت در آن با مطالعه وابستگی­های موجود بین عناصر سری از بررسی­های متداولی است که روی سری­های زمانی انجام می­شود. اما شاید مهم ترین هدف از تحلیل سری زمانی پیش بینی مقادیر آینده آن است. برای یک تحلیل سری زمانی و پیش­بینی آینده آن چه باید کرد؟ بدیهی است لازمه اتخاذ هر تصمیمی در این مورد آشنایی با رفتار سری به عنوان تابعی از زمان است.

مدل های باکس جنکینز از مهمترین مدل­های سری زمانی می باشد که کاربرد زیادی در پیش­بینی پدیده­هایی دارند که در طول زمان شکل می­گیرند. در تحلیل سری­های زمانی باکس­جنکینز تغییرات حاصل از چهار مولفه اصلی یعنی وجود روند، تغییرات فصلی، تغییرات دوره­ای و تغییرات نامنظم مد نظر قرار می­گیرند (علیجانی و رمضانی، ۱۳۸۱: ۱۵۵؛ عزیزی و همکاران، ۱۳۸۷: ۲۱)

هدف اصلی تحلیل سری زمانی باکس جنکینز یافتن مدل تغییرات و پیش بینی آینده آن (MA)، مدل­های تلفیقی اتورگرسیو، میانگین متحرک (MRMA) و مدل های فصلی است که با برازش و تعیین مدل پیش بینی برای سری …… نرمال شده (مثلاً بارندگی، دما و …) می پردازد.

 

 

پیش بینی: محققین از روش­های مختلفی برای پیش­بینی عناصر اقلیمی استفاده می­کنند که یکی از آنها سری های زمانی است. پیش بینی جزء اساسی و هدف مدل­های سری زمانی به ویژه در پژوهش­های آب و هوایی است. برای برنامه­ریزی و مدیریت فعالیت­های مرتبط با پدیده­های آب­وهوایی، در بسیاری از زمینه­ها ضروری است. پیشگویی شرایط و رخدادهای آینده، پیش­بینی تعریف شده و چگونگی انجام این عمل، پیش بینی کردن نامیده می شود. پیش بینی مقادیر در آینده وابسته به روند تغییرات در الگوی رفتاری پدیده در گذشته است.

 

۱-۹- تحلیل رگرسیون

متغیرها و پدیده های اقلیمی و عناصر و داده­های سطحی دارای ارتباط متقابل با هم هستند. اثرگذاری متقابل آنها و تعیین میزان و نوع اثرگذاری با بهره­گیری از روش رگرسیونی قابل آشکار سازی است رابطه بین روند تغییرات دما، بارش، فشار، رطوبت، روزهای یخبندان، مه، روزهای بارش، روز های برفی، زاویه و مدت تابش با ارتفاع، جهت شیب، عرض جغرافیایی، فاصله از پهنه های آبی برخی از انواع روابط مورد توجه در مطالعات آب و هوایی است. استفاده از رگرسیون برای نشان دادن نوع ارتباط و معادله بدست آمده از عرض از مبدأ و زاویه شیب خط رگرسیون برای نشان دادن نوع ارتباط و معادله بدست آمده از عرض از مبدأ و زاویه شیب خط رگرسیون برای تخمین و پیش بینی مقادیر مفقود شده یا متغیر وابسته است. واژه رگرسیون اولین بار توسط فرانسیس گالتون در سال ۱۸۷۷ درباره بازگشت به میانگین معرفی شد. برای گالتون رگرسیون مفهومی زیست شناختی داشت، اما کارهای او توسط کارل پیرسون برای مفاهیم آماری توسعه داده شد. تحلیل رگرسیونی یا تحلیل وایازشی فن و روشی آماری برای تحلیل و مدل سازی ارتباط بین متغیرهاست و به ویژه برای فهم نحوه وابستگی یک متغیر با متغیرهای دیگر استفاده می­شود. بطوریکه اغلب تحلیلی برای کمی کردن ارتباط یک متغیر ملاک (متغیر وابسته) و یک چیز متغیر پیش­بینی کننده (متغیر مستقل) است. رگرسیون تقریباً در هر زمینه­ای همچون علوم جغرافیایی و آب وهواشناسی، اقتصاد، علوم زیستی و علوم اجتماعی برای برآورد در پیش بینی مورد نیاز است. بررسی و شناخت رفتار بین متغیرها اساس کار رگرسیون است. تحلیل رگرسیونی، یکی از پرکاربردترین روش­ها در بین روش­های آماری است. اغلب دو متغیر نسبت به هم رفتارهای متفاوتی دارند. الگوی رابطه بین دو متغیر ممکن است خطی، لگاریتمی، نمایی، سهمی و از این دست باشد. فرآیند رگرسیون دو دسته بندی کلی برای این گونه رفتارها قائل است. یک گروه رگرسیون خطی است و گروه دیگر به رگرسیون غیرخطی معروف­اند. گاهی ممکن است ارتباط بین دو متغیر از یک الگوی غیر خطی تبعیت نماید. شیوه های مهم تحلیل­های رگرسیونی به شرح زیر هستند.

رگرسیون خطی ساده

رگرسیون خطی چندگانه

رگرسیون فازی

رگرسیون لجستیک

این تنوع باعث شده است که بتوان به راحتی هر نوع داده­ای (اغلب از نوع داده­های پیوسته) را تحلیل کرد و به راحتی نتیجه­گیری نمود. برای انجام یک تحلیل رگرسیونی ابتدا تحلیل­گر حدس می­زند که بین دو متغیر، نوعی ارتباط وجود دارد، در حقیقت حدس می­زند که یک رابطه به شکل یک خط بین دو متغیر وجود دارد و سپس به جمع آوری اطلاعات کمی از دو متغیر می­پردازد و این داده­ها را به صورت نقاطی در یک نمودار دو بعدی رسم می­کند.

 

الف) رگرسیون خطی ساده:

رگرسیون خطی یا وایازی خطی یکی از روش­های تحلیل رگرسیون است. رگرسیون خطی ساده­ترین و شناخته­ترین مورد استفاده در پژوهش­های اقلیمی است. رابطه عناصر و پدیده های اقلیمی با همدیگر یا با عوارض سطحی در پژوهش­های آب­وهوایی بکار گرفته می­شود. در صورتی که در مدل رگرسیون فقط یک متغیر مستقل وجود داشته باشد، مدل را مدل رگرسیون خطی ساده می­نامند. شمایی کلی و خلاصه شده از یک تحلیل رگرسیونی ساده به صورت زیر است:

 

 

نخست تحلیل­گر حدس می زند که بین دو متغیر نوعی ارتباط وجود دارد، در حقیقت حدس می زند که یک رابطه به شکل یک خط بین دو متغیر وجود دارد و سپس به جمع آوری اطلاعات کمی از دو متغیر می پردازد و این داده ها را به صورت نقاطی در یک نمودار دو بعدی رسم می­کند. در صورتی که نمودار نشان دهنده این باشد که داده ها تقریباً (نه لزوماً دقیق) در امتداد یک خط مستقیم پراکنده شده­اند، حدس تحلیل­گر تایید شده و این ارتباط خطی به صورت y=ax+b نمایش داده می­شود. که در آن a  عرض از مبدأ و b شیب این خط است. برای مثال فرض کنید یک محقق قصد دارد اثر دو متغیر عرض جغرافیایی و ارتفاع را بر دما و رطوبت اندازه گیری نماید برای این مطالعه تصاویر عرض جغرافیایی و ارتفاع برای x=50 نقطه اندازه­گیری می­شود. در آن عرض جغرافیایی و ارتفاع متغیرهای مستقل یا پیش گو و متغیرهای دما و رطوبت متغیر وابسته است.

 

ب) رگرسیون لجستیک:

وایازش لجستیک یک مدل آماری رگرسیون برای متغیرهای وابسته دوسویی مانند سرما یا گرما، خشک­سالی یا ترسالی است. این مدل را می­توان به عنوان مدل خطی تعمیم یافته­ای که از تابع لوجیست به عنوان تابع پیوند استفاده می­کند و خطا پیش از توزیع چندجمله­ای پیروی می­کند، به حساب آورد. رگرسیون لجستیک، شبیه رگرسیون خطی است با این تفاوت که نحوه­ی محاسبه ضرایب در این دو روش یکسان نیست. بدین معنی که رگرسیون لجستیک، به جای کمینه کردن مجذور خطاها (کاری که رگرسیون خطی انجام می دهد)، احتمالی را یک پدیده رخ می دهد، بیشینه می­کند. همچنین، در تحلیل رگرسیون خطی، برای آزمون برازش مدل و معنی­دار بودن اثر هر متغیر در مدل، به ترتیب از آماره­های F و t استفاده می­شود، درحالی­که در رگرسیون لجستیک، از آماره­های کای دو (۲ x) و والد استفاده می­شود (مومنی، ۱۳۸۷: ۱۵۸). آماره کای­دو برای تعیین میزان اثرگذاری متغیر (متغیر مستقل) بر متغیر وابسته و بطور کلی برازش کل مدل است و قابل مقایسه با آماره F در تحلیل رگرسیون معمول است. آزمون والد نیز معنی­دار بودن متغیرهای وارد شده در معادله رگرسیون را بررسی می­کند و قابل مقایسه با آماره t در رگرسیون معمولی است. در رگرسیون لجستیک از مفهومی به نام نسبت برتری (که نسبت احتمال وقوع حادثه به احتمال عدم وقوع حادثه مورد نظر است) استفاده شده و لگاریتم نسبت برتری محاسبه می­شود. این مدل به مدل لجیت معروف است. رگرسیون لجستیک نسبت به تحلیل تشخیص نیز ارجحیت دارد و مهمترین دلیل آن است که در تحلیل تشخیص گاهی احتمال رخداد یک پدیده خارج از طیف (۰) تا (۱) قرار می­گیرد و متغیرهای مستقل نیز باید دارای توزیع در داخل محدوده (۰) تا (۱) باشد و رعایت پیش فرض نرمال بودن متغیرهای مستقل لازم نیست.

 

ج) رگرسیون چند متغیره:

قرارگیری عناصر و پدیده­های اقلیمی در کنار معیارهای دیگر برای سنجش و تصمیم­گیری با عنوان تحلیل چند متغیره معروف است. از انواع تحلیل­های چند متغیره در تعیین سهم متغیرهای مستقل در پیش­بینی متغیر وابسته می­توان به تحلیل رگرسیون چند متغیره اشاره کرد در تحلیل رگرسیون هدف پیش­بینی همزمان چند متغیره وابسته از متغیرهای مستقل یا زیر مجموعه­ای از آنها باشد از مدل رگرسیون چند متغیری استفاده می شود.

 

۱-۱۰- تحلیل عاملی

تحلیل عاملی اصطلاحی است کلی برای تعدادی از فنون ریاضی و آماری مختلف (نامرتبط با هم با هدف تحقیق درباره ماهیت روابط بین متغیرهای یک مجموعه معین استفاده می­شود. تحلیل عاملی از روش­های چند متغیره است که در آن، متغیرهای مستقل و وابسته مطرح نیست، چون این روش جز تکنیک­های وابسته محسوب می­گردد و کلمه متغیرها نسبت به هم وابسته­اند. مساله اصلی تعیین این مطلب است که آیا تعداد زیادی متغیر اصلی را می­توان به مجموعه کوچکتری از متغیرها، با کمترین میزان ریزش اطلاعات تبدیل کرد.

 

 

از روش تحلیل عاملی یا factor Analysis برای پی بردن به متغیرهای زیربنایی یک پدیده یا خلاصه­سازی مجموعه­ای از داده­ها استفاده می­شود. داده­های اولیه برای تحلیل عاملی، ماتریس همبستگی بین متغیرها است. تحلیل عامل به متغیرهای وابسته از قبل تعیین شده­ای ندارد. تحلیل عاملی تکنیکی است که کاهش تعداد زیادی از متغیرهای وابسته به هم را به صورت تعداد کوچکتری از ابعاد پنهان عامل­ها امکان پذیر می­سازد. به طوری که در آن کمترین میزان گم شدن اطلاعات وجود داشته باشد. هدف اصلی آن، خلاصه کردن داده­ها است. این روش به بررسی همبستگی درونی تعداد زیادی از متغیرها می­پردازد و در نهایت آنها را در قالب عامل­های عمومی محدودی دسته­بندی و تبیین می­کند. بنابراین ارزش تحلیل عاملی این است که طرح سازماندهی مفیدی به دست می­دهد که می­توان آن را برای تفسیر انبوهی از رفتار با بیشترین صرفه­جویی در سازه­ها تبیین کننده، به کار برد. تحلیل عاملی در پهنه ­بندی اقلیمی استفاده می­شود.

 

۱- ۱۱- تحلیل خوشه­ای

تحلیل خوشه­ای مجموعه از مشاهدات را به دو یا چند گروه نامعلوم و ناسازگار متقابل طبقه­بندی می­کند. که براساس ترکیب­هایی از متغیرهای بازه­ای قرار دارند. تحلیل خوشه­ای گروه­های نامعلوم را طبقه­بندی می­کند. این روش اجازه انتخاب­های زیادی درباره طبیعت الگوریتم برای ادغام گروه­ها را می­دهد. هر انتخاب ممکن است، موجب ساختار گروه­های متفاوتی شود. تحلیل خوشه­ای گروه­بندیهای جدیدی را بوجود می­آورد. بدون هیچ تصوری که از قبل فرض شده باشد. در مورد این که چه خوشه­هایی ممکن است به وجود آیند. تفاوت تحلیل خوشه­ای و تحلیل تشخیص در این است که در تحلیل تشخیص گروه­ها (خوشه­ها) از قبل تشکیل شده­اند و هدف از تحلیل آن است که ترکیب خطی آن دسته از متغیرهای مستقلی که گروه­ها را به بهترین نحو از یکدیگر تفکیک می­کنند تعیین شود، اما در تحلیل خوشه­ای گروه­ها از قبل تعیین نشده­اند بلکه هدف این است که بهترین روشی را که بتوان از طریق آن متغیرها را در گروه­هایی مشخص خوشه­بندی کرد تعیین شود. اقلیم­شناسان از تحلیل خوشه­ای برای شناسایی مناطق همگن اقلیمی در مقیاس­های مکانی متفاوت استفاده فراوان کرده­اند. در روابط با موضوع­های آب و هوایی که از تحلیل خوشه­ای استفاده کرده­اند.

 

۱-۱۲- مدل­های فضایی

ماهیت مکانی داده­های مورد استفاده در انواع موضوعات آب و هواشناسی آنها درا با متغیرهای مکانی دیگری پیوند می­دهد. ارتباط با عوامل و متغیرهای دیگر مکانی، ویژگی­های قطعی و روند تغییرات داده­های اقلیمی را مشخص می­کنند. تعادل و برهمکنش بیان عناصر جوی و عوارض و داده­های سطحی ایده وابستگی و ارتباط فضایی آنها و در نتیجه روش مطالعه مشخصی معرفی کرده است. بنابراین در بررسی­های محیطی و آب و هوایی اغلب با داده­هایی روبرو می­شویم که مستقل نیستند و به نوعی وابستگی آنها ناشی از موقعیت و مکان قرار گرفتن داده­ها در فضای مورد بررسی یا زمان مشاهده آن­هاست. تحلیل این گونه مشاهدات که داده­های فضایی نامیده می­شوند، به دلیل وجود  همبستگی فضایی بین آن­ها، با روش­های معمول آمار از دقت لازم برخوردار نیست و لازم نیست به نحوی ساختار همبستگی داده­هادر تحلیل آماری داده­ها منظور شود.

 

۱-۱۳- تحلیل فضایی داده­های آب و هوایی

برآورد تغییرات مکانی عوامل آب و هواشناسی در بسیاری از مطالعات اقلیمی اجتناب ناپذیر است. اما به دلیل امکان ناپذیری پوشش کامل زمین با ایستگاه­های اندازه­گیری برآورد داده­های نقطه­ای در مناطق بین ایستگاه­ها مطرح می­گردد. برآورد تغییرات مکانی داده­های نقطه­ای بدون توجه به چگونگی انتخاب روش مناسب می­تواند از عوامل مهم ایجاد خطا در برآورد و انجام مطالعات آتی وابسته به آن باشد. سپس استفاده از قابلیت­های سامانه اطلاعات جغرافیایی با هدف استخراج توزیع مکانی متغیرهای اقلیمی در قالب شبکه­های سلولی و یا مدل­های برداری ضروری می­گردد. با توجه به اهمیت توزیع مکانی عوامل اقلیمی با استفاده از داده­های نقطه­ای موجود، تهیه یک راهنما برای انتخاب بهترین روش جهت توزیع مکانی با توجه به اینکه یک روش علمی و جهانی برای تهیه نقشه­های عوامل آب و هواشناسی وجود ندارد بیشتر احساس می­شود. در پژوهش­های آب­وهوایی اغلب برای تبدیل داده­های نقطه­ای به دست آمده از انواع ایستگاه­های هواشناسی، به اطلاعات سطحی از مدل­های فضایی استفاده می­شود. عمده­ترین روش جامعه مورد استفاده به استفاده ساده از درون­یابی­ها که متغیر پیش­بین آنها فاصله است، محدود می­شود. یعنی فقط عامل فاصله تعیین کننده در پیش­بینی و برآورد داده­های فضایی مجهول است. با این فرض پایه­ای که داده­های نزدیک به هم از شباهت بیشتری نسبت به داده­های دورتر برخوردار هستند. هرچند مشکلات و مسائلی در بهره گیری از روش­های تحلیل فضایی وجود دارد که دقت خروجی مدل­ها را محدود می­کند. از جمله اینکه در استفاده از ایستگاه­های هواشناسی پراکنده و ناهمگن بعضا اثر ناهمواری­ها و عوارض مؤثر محیط نادیده گرفته می­شود. بطوری­که در تخمین مقدار و روند تغییرات عناصر اقلیمی، عوامل مختلفی همچون ارتفاع، میزان و جهت شیب سطحی، عرض جغرافیایی، فاصله از دریا، جنگل و سکونتگاه ها تأثیرگذارند. وابستگی مکانی و فضایی داده­های آب و هوایی به منابع و عوارض مختلف سطحی و موقعیت مطلق و نسبی آنها سبب توجه به روش­های تحلیل چند متغیره فضایی شده است.

 

 

امروزه برای تخمین و پیش­بینی پدیده­ها و پیامدهای مختلف آب و هوای نزدیک به سطح زمین از روش­های تحلیل فضایی چند متغیره استفاده می­شود. گستردگی موضوعات کاربردی مرتبط با آب وهوا سبب ارائه روش های تحلیل متعددی شده است. آب وهوا در ابعاد مختلف موضوعی، مقیاس و روش­شناسی می تواند دسته­بندی شود. در بحث موضوعی، آ ب­وهواشناسی در راستای نیازهای روز انسانی بسیار گسترش یافته و شاخه های متعددی در آن ایجاد شده است. آب­وهواشناسی در راستای روز انسانی، بسیار گسترش یافته و شاخه های متعددی در آن ایجاد شده است. آب­وهواشناسی شهری، آلودگی هوا، جزیره های گرمایی شهر، ویژگی های وزش باد، بیلان انرژی و اثر و پیامدهای آنها بر کیفیت زیست شهروندان، و برنامه­ها  و راه­حل­های مدیریت و سازگاری با آنها، آب وهواشناسی کشاورزی، تغییر اقلیم، اثر تغییر اقلیم در تأمین نوع و میزان مواد غذایی، اثر رژیم غذایی در تغییر اقلیم، پایش و پیش­بینی شرایط آینده در تولید محصولات راهبردی و با ارزش غذایی، مخاطرات آب وهوایی، طوفان­های گرد و غبار و تندرها، سیلاب و خشکسالی­ها، نوسانات و ناهنجاری­های اقلیمی، بارشی و دمایی، یخبندان­ها و گرمایش جهانی.

در رابطه با آب­وهوا با گسترش دامنه کارکردی آن، انواع داده­ها، و اطلاعات مورد استفاده قرار می­گیرند. ویزگی اساسی همه آنها ماهیت مکانمند بودن آنهاست. داده­های ایستگاهی که شاید با ارزش­ترین و پرکاربردترین منابع داده­های علوم جوی در سطح جهان باشند. داده­های سنجش از دور بدست آمده از تصاویر ماهواره­های مدار قطبی و زمین مرجع که در مطالعات آب­وهواشناسی از دو نوع ماهواره­های محیطی و هواشناسی استفاده می­شود. کیفیت داده­های سنجش از دوری با قدرت تفکیک­های مکانی، زمانی، طیفی و رادیومتری تعیین می­شود. داده­های شبکه­بندی شده  دوباره پردازش شده جهانی که توسط سازمان­های عمدتاً آمریکایی تهیه و در سطح جهان ارائه می­شوند. کیفیت داده­های شبکه­بندی باز پردازش شده همانند تصاویر ماهواره­ای وابسته به ابعاد شبکه­های آنهاست. شبکه­های ۵/۲*۵/۲ ، تا ۲۵/۰ توسط پایگاه­های داده­ای ارائه می­شود. داده­ها و اطلاعات مربوط به سایت­های مطالعات موردی که در سطح جهان با اهداف مختلفی توسط پژوهشگران، و سازمان­های مختلف انجام می­شود. همانند رسوبات دریاچه­ها، تالاب­ها، غارها، حلقه­های درختی و رسوبات بادی از آن جمله منابع مورد مطالعه در سطح جهان است.

 

۱-۱۳-۱ مدل­های آمار فضایی(درونیابی)

داده­های نقطه­ای، داده­هایی هستند که در مکان یا مکان معینی (مانند ایستگاه­های هواشناسی) اندازه­گیری می شوند. با هدف تهیه نقشه­های توزیع مکانی و مطالعه الگوهای مکانی داده­های نقطه­ای طی فرآیندهای درون­یابی به سطح تعمیم می­یابند. درونیابی مکانی فرآیندی است که در آن با استفاده از تصاویر اندازه­گیری شده در نقاط معلوم، مقادیر نقاط مجهول برآورد می­شود. برای انتخاب روش مناسب تحلیل داده­های مکانی اقلیمی لازم است، نخست شناخت کلی از داده­های مکانی کسب شود. شناخت رفتار داده­های مکانی می­تواند در دو مرحله صورت گیرد.

 

 

۱) بررسی آماری داده­ها

۲) بررسی عوامل مؤثر بر متغیر مورد نظر.

اطلاعات دانش از این عوامل می­تواند در انتخاب روش و تفسیر نتایج کمک مؤثری نماید. اغلب برای درونیابی از سامانه اطلاعات جغرافیایی با هدف استخراج توزیع مکانی متغیرهای مختلف آب وهواشناسی در قالب شبکه­های سلولی و یا مدل­های برداری استفاده می­گردد. روش­های مختلفی برای درون یابی داده­ها وجود دارد که در این گفتار بطور کوتاه تشریح می­شود.

 

۱-۱۳-۱-۱ درونیاب­های قطعی یا جبری

درون­یابی قطعی بر نقاط اندازه­گیری متکی است و برای درونیابی از توابع ریاضی استفاده می­کند. این درون یابی فرض می­کند که تخمین پدیده مورد نظر قطعی انجام می­شود و با خطا مواجه نیست، بنابراین درونیابی جبری یک درون­یاب غیر احتمالی است. این درون­یابی به کمک اندازه­گیری­های نقطه­ای دقیق انجام می­شود و اگر فرض شود که این اندازه­گیری ها بدون خطا انجام گرفته­اند آنگاه تابع درونیابی به گونه­ای تعیین می شود که مقادیر برآوردی دقیقاً با مقادیر اندازه­گیری شده برابر شوند. این درونیابی دقیق (Exact) است و مقادیر برآوردی تنها تابعی از ساختار مکانی متغیر موردنظر است و در آن نشانی از تغییرات تصادفی وجود ندارد.

درونیابی جبری بر دو گروه سراسری (global) و محلی (local) تقسیم می­شود. در درونیابی سراسری برای برآورد نقاط مجهول از داده­های همه نقاط اندازه­گیری شده استفاده می­شود، اما در بدل محلی از داده­های همه نقاط برداشت شده برای برآورد مقدار نقطه مجهول استفاده نمی­شود. در این روش ممکن است تعداد نقاط محدودی که تا نقطه مورد نظر کمترین فاصله را دارند در درون­یابی بکار گرفته شوند یا از داده­هایی استفاده شود که تا نقطه موردنظر کمترین فاصله را دارند. به بیانی دیگر در این روش نقاط همسایه براساس تعداد یا فاصله تعریف می­شوند. اگر تغییرات مکانی متغیر زیاد باشد مدل­های محلی نتایج بهتری بکار گرفته می­شوند در کیفیت نتایج تاثیر بسزایی دارد.

از آنجا که اندازه­گیری­ها همواره با تعدادی خطا همراهند و برآوردها نمی­توانند دقیق تر از اندازه­گیری باشند، لذا روش­های درون­یابی جبری تنها زمانی سودمند خواهند بود که مقدار خطای اندازه­گیری به اندازه کافی کوچک باشد. از این گذشته اگر تغییرات مکانی خیلی زیاد باشد، مدل­های زمین آماری نتایج بهتری دارند.

در روش­های قطعی یک چند رویه به مجموعه نقاط مشاهده­ای (Z) در مختصات معلوم برازش داده می شود. درون­یاب­ قطعی می­توانند، دقیق و یا تقریبی باشند به طوری که اگر مقادیر مشاهده­ای به مقادیر (دقیق) بدون خطا و یا عدم قطعیت در محل­های نمونه­گیری تلقی شود، استفاده از یک روش دقیق برای درون­یابی توصیه می شود ولی اگر مقداری عدم قطعیت برای متغیر در نظر گرفته شود، ممکن است یک روش هموار انتخاب شود. لذا در این بستر توابع ریاضی مختلفی برای برازش سطوح درون­یابی به نقاط معلوم می­توانند، استفاده شوند، روش­های چندجمله­ای و اسپلاین از جمله توابع مورد استفاده در روش­های قطعی هستند. از مهمترین روش­های دیگری که در این دسته قرار می­گیرند، روش عکس فاصله، تیسن و مثلث بندی است.

[۱]– Barry & Pery

[۲] -Trough

[۳] -Ridge

[۴] -Blocking

[۵] -Jetstream

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “آموزش کاربردی سامانه نمایش و تحلیل شبکه در هوا و اقلیم (GrADS)”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

امتیازات کاربران

میانگین امتیازات کاربران به ویژگی های محصول
0 امتیاز 5 ستاره
0 امتیاز 4 ستاره
0 امتیاز 3 ستاره
0 امتیاز 2 ستاره
0 امتیاز 1 ستاره

پرسش و پاسخ

برای ارسال پرسش یا پاسخ باید در سایت وارد شوید. ورود به حساب کاربری
لطفا متن پرسش/پاسخ خود را وارد کنید

اطلاعات فروشنده

  • فروشنده: admingk
  • هنوز امتیازی دریافت نکرده است.