مقایسه روش های برآورد منطقه‌ای دمای کمینه هوا (مطالعه موردی: استان اصفهان)

در این پژوهش ارزیابی و مقایسه میزان خطای مدل‌های مختلف در تخمین درون‌یابی منطقه‌ای دمای کمینه روزانه در استان اصفهان در دو سال مختلف با تعداد ایستگاه های متفاوت صورت گرفته است. سال 1992 به­عنوان سال با تعداد ایستگاه کم (19 ایستگاه همدیدی و 11 ایستگاه اقلیم‌شناسی) و سال 2007 به‌عنوان سالی با تعداد ایستگاه‌های بیش‌تر (31 ایستگاه همدیدی و 23 ایستگاه اقلیم‌شناسی) انتخاب شدند. از هر ماه این دو سال به‌طور تصادفی دو روز (هر سال 24روز) انتخاب و عملیات درون‌یابی روی داده‌های منتخب انجام شد. برای منطقه‌ای نمودن داده‌های نقطه‌ای دمای کمینه روزانه شش روش درون‌یابی به کار گرفته شد. نتایج نشان می‌دهند که در سال1992 روش وایازی چندگانه خطی (ریشه میانگین مربعات خطا از 2/33 تا 5/12 و ضریب همبستگی از 0/37 تا 0/85) و در سال 2007 روش کریجینگ- وایازی و روش وایازی چندگانه خطی (ریشه میانگین مربعات خطا از 2/36 تا 5 و ضریب همبستگی از 0/38 تا 0/83) دارای کم‌ترین خطا و بیش‌ترین ضریب همبستگی بوده و روش های کریجینگ، کوکریجینگ، وزنی عکس فاصله و اسپیلاین در مراتب بعدی قرار گرفتند. افزایش تعداد ایستگاه سبب بهبود دقت روش های درون یابی شده است.

Comparison of different regional estimation methods for daily minimum temperature (A case study of Isfahan province)

The main objective of this study is to evaluate different interpolation methods for estimation of regional minimum temperature in Isfahan province, Iran. In order to explore the effect of stations number on the accuracy of the interpolation methods, two years 1992 and 2007 with different number of meteorological stations have been selected. The daily minimum temperature (Tmin) data of 30 meteorological stations (17 synoptic and 13 climatological stations) for year 1992 year and 54 meteorological stations (31 synoptic and 23 climatological stations) for 2007 year were collected from Isfahan and neighboring provinces. In order to regionalize the point data of Tmin, several interpolation methods, including inverse distance weighted (IDW), Kriging, Co-Kriging, Kriging-Regression, Multiple Regression and Spline were worked out. To evaluate the performance of these methods, 2 days from each month, i.e. total 24 days for both years were chosen randomly. The obtained results were compared using statistical measures including: RMSE, MBE, MAE and correlation coefficient (r). The findings revealed that the application of multiple regression method for interpolation produced the least error in estimation of minimum temperature in 1992 (with RMSE ranging from 2.33 to 5.12 and r from 0.38 to 0.85). For 2007 year, the best estimation was achieved by multiple regression and Kriging-Regression (RMSE from 2.36 to 5 and r ranging from 0.38 to 0.83) respectively. The overall performance of Kriging, Co-Kriging, IDW, and Spline methods was also acceptable and they were in next ranks respectively. In general, with increasing number of study the overall accuracy of model performance in estimation of daily minimum temperature has been improved.