چکیده:
اساس داده های اقلیمی اندازه گیری هایی است که با نظم زمانی از پیش تعیین شده در ایستگاه های دیده بانی هوا انجام می پذیرد، بنابراین تمامی مقادیر اندازه گیری شده عناصر اقلیمی تنها به نقطه محل اندازه گیری قابل انتساب است. از این رو روش های مختلف درون یابی میتواند به تخمین داده های اقلیمی در نقاط مختلف کمک زیادی بنماید. منطقه مورد مطالعه در این پژوهش، شمال شرق ایران شامل استان های خراسان رضوی و شمالی می باشد و از داده های دمای ماهانه فصل تابستان برای 21 ایستگاه همدید و تبخیر سنجی شمال شرق متعلق به سازمان هواشناسی و وزارت نیرو با پراکنش مناسب استفاده شد. دوره آماری 21 سال (2017-1997) به عنوان دوره آماری مشترک برای تمامی ایستگاه ها در نظرگرفته شد. سپس به منظور مقایسه روش های درونیابی، چندین روش مختلف، شامل کریجینگ معمولی، اسپیلاین، مجذور معکوس فاصله و تیسن توسط نرم افزار ARCGIS استفاده شد مقایسه کردن انحراف تخمین ها از داده های اندازه گیری شده به روش اعتبار سنجی متقاطع ارزیابی گردید. سپس به منظور بررسی فرض نرمال بودن خطاهای محاسبه شده در هر روش درونیابی، از آزمون ران تست استفاده و در نهایت برای ارزش یابی بهترین روش درون یابی از روش AHP و نرم افزارExpert Choice بهره گرفته شد. نتایج نشان داد بر اساس معیار ریشه میانگین مربعات خطا(RMSE) به ترتیب روش تیسن، کریجینگ، معکوس فاصله و اسپلاین قرار گرفته اند. بر اساس معیار بیشینه مطلق خطا(MAE)، روش کریجینگ بهتر از سایر روش ها دمای تابستان را برآورد کرده است. بر اساس معیار(MBE) نیز روش کریجینگ بهتر از سایر روش ها می باشد و می توان از آن برای درون یابی دما استفاده نمود. با توجه به ضرایب تعیین شده، نرخ سازگاری محاسبه شده03/0 می باشد که از دقت بالای انتخاب وزن ها حکایت دارد.
The basis of climatic data is measurements taken at a predetermined chronological order at air monitoring stations, so all measured values of climatic elements can only be attributed to the point of measurement. Therefore, different interpolation methods can help a lot in estimating climate data in different places. The study area in this study is northeastern Iran, including the provinces of Khorasan Razavi and North Khorasan, and monthly summer temperature data were used for 21 synoptic and evaporative stations in the northeast belonging to the Meteorological Organization and the Ministry of Energy with appropriate distribution. The statistical period of 21 years (1997-1997) was considered as a common statistical period for all stations. Then, in order to compare the interpolation methods, several different methods, including ordinary kriging, spline, inverse squares and Thyssen were used by ARCGIS software. Comparing the deviations of the estimates from the measured data was evaluated by cross-validation. Then, in order to check the hypothesis of normality of the calculated errors in each interpolation method, the test thigh test was used and finally, to evaluate the best interpolation method, AHP method and Expert Choice software were used. The results showed that based on the root mean square error (RMSE) criterion, Thyssen, Kriging, inverse distance and spline methods were located, respectively. Based on the absolute maximum error criterion (MAE), the kriging method estimates the summer temperature better than other methods. According to the MBE standard, the kriging method is better than other methods and can be used for temperature interpolation. According to the set coefficients, the calculated compatibility rate is 0.03, which indicates the high accuracy of the selection of weights.
(
, 
, 
)
