ارزیابی آماره‎های اندازه گیری دقت مدل و استفاده صحیح از آنها (مطالعه موردی: درون‎یابی بارش در استان فارس)

در بسیاری از تحقیقات علمی، بدون توجه به برخی ملاحظات، از آماره‌های سنجش خطا برای انتخاب مدل یا روش در تحلیل فضایی مخاطرات محیطی استفاده می‌شود. این پژوهش به بررسی دقت روش‌های درون‌یابی بارش در استان فارس پرداخته و هدف آن ارزیابی عملکرد آماره‌های پرکاربرد اندازه‌گیری خطا و ارائه توصیه‌هایی برای استفاده صحیح از آن‌ها بوده است. در این مطالعه، بارش سال 1398 که یک سال پربارش بود، با استفاده از 161 ایستگاه هواشناسی (22 ایستگاه همدیدی و 139 ایستگاه باران‎سنجی) و روش‌های وزنی عکس فاصله، کریجینگ، کوکریجینگ و تابع پایه شعاعی درون‌یابی شد. نتایج ارزیابی آماره mbe  نشان می‎دهد که به دلیل صفر شدن مجموع مقادیر مثبت و منفی، محققان ممکن است در انتخاب روش‌درون‌یابی دچار اشتباه شوند. این آماره تنها بیش‌برآوردی و کم‌برآوردی را نشان می‌دهد و نمی‌توان از آن برای ارزیابی دقت و انتخاب روش‌های درون‌یابی استفاده کرد. در مورد ضریب تبیین (r2)، نتایج نشان داد که به دلیل عدم تطابق دامنه تغییرات این ضریب (صفر تا 1) با مقادیر خطا (100 تا 400 میلی‎متر برای درون‎یابی بارش استان فارس)، استفاده از آن برای ارزیابی دقت روش مناسب نیست. همچنین، نتایج  nrmse نشان داد که در نمونه‎های با تعداد کم (n=3, nrmse=0.35) در مقایسه با نمونه‎های با تعداد زیاد (n=20, nrmse=0.097)، به طور قابل توجهی افزایش می‌یابد و استفاده از این آماره توصیه نمی‌شود. در نتیجه گیری کلی، استفاده از آماره‎های mae و rmse برای ارزیابی خطای روش‎های درون‎یابی به دلیل واقعی‎تر نشان دادن مقدار خطا پیشنهاد می‎شود.

assessment of the measurement statistics of model accuracy and the appropriate use of them (case study: interpolation of precipitation in fars province)

in many scientific researches, error measurement statistics are often used without taking notices into account when selecting a model or method for the spatial analysis of environmental hazards. in order to assess the accuracy of precipitation interpolation methods in fars province, the performance of widely used error measurement statistics and some comments were implemented. spatial interpolation of precipitation was accomplished using inverse distance weighting, kriging, co-kriging, and radial basis functions methods with 161 weather stations (22 synoptic and 139 rain gauge stations) for 2018 as a rainy year. the results of mbe statistic evaluation indicated that the researcher may have chosen the incorrect interpolation method in certain cases where the sum of the positive and negative values became zero. in addition, this statistic is limited to indicating overestimation or underestimation and should not be used for assessing accuracy or selecting interpolation techniques. regarding the coefficient of determination (r2), the results revealed that due to the lack of compatibility in the magnitude of the range of this coefficient (0 to 1) with error values (100 to 400 mm for the interpolation of precipitation in fars province), its use in evaluation of the accuracy of a method is not recommended. in terms of nrmse, the results showed that samples with a small number of observations (n=3), its value increased excessively (nrmse=0.35) when compared to samples with a bigger number of data (n=20, nrmse=0.097). therefore, it is not advised to use this statistic. in conclusion, since mae and rmse statistics provide a more realistic error value, it is advised to use them for assessing the accuracy of interpolation methods.