ارزیابی عملکرد الگوریتم بیشینه t و f تاوانیده در کنترل کیفی سری‌های زمانی اقلیمی ماهانه و روزانه در سواحل جنوب‌غربی دریای خزر

با توجه به کاربرد وسیع داده‌های بلند مدت هواشناسی در علوم مختلف و نیاز به پیش‌بینی تغییرات احتمالی آن‌ها در مقیاس‌های محلی و جهانی، اطمینان از صحت و همگنی این‌گونه داده‌ها بسیار مهم است. به منظور کنترل کیفی فراسنج‌های اقلیمی نیمه غربی منطقه خزری در مقیاس روزانه و ماهانه، از آزمون‌های بیشینه t و f تاوانیده در بسته‌ نرم‌افزاری rhtests استفاده شد. داده‎های مورد استفاده در این بررسی شامل بارش، بیشینه و کمینه دما، سرعت باد، رطوبت نسبی و همچنین ساعت آفتابی، طی دوره آماری 1979-2017 در ایستگاه‌های بندرانزلی، رشت و رامسر بود. برآورد داده‎های مفقود، با در نظر گرفتن استانداردهای سازمان هواشناسی جهانی و با استفاده از روش نزدیک‌ترین همسایگی k انجام شد. در بررسی سری‎های زمانی ماهانه، 23 نقطه تغییر شناسایی شد که در دو مرحله قبل و بعد از بازسازی، همگن‌سازی گردید. روش نرمال استاندارد با شناسایی 9 نقطه تغییر، از حساسیت کمتری نسبت به روش بیشینه f تاوانیده برخوردار بود. سپس، داده‌های روزانه فراسنج‌های مذکور، مورد آزمون همگنی قرار گرفت که در مجموع با شناسایی 32 نقطه تغییر، همگن‌سازی شد. با این وجود، امکان همگن‌سازی کامل متغیر ساعت آفتابی به‌علت وجود داده‌های مفقود متوالی، میسر نشد. همگن‌سازی داده‎ها باعث تغییر روند 33 درصد از موارد شد. بر اساس نتایج بدست آمده، روش مورد بررسی دارای نتایج قابل قبولی در همگن‌سازی داده‌های هواشناسی در منطقه مورد مطالعه بود.

Performance evaluation of the penalized maximal T and F algorithms in the quality control of monthly and daily climatic time series on the southwest coast of the Caspian Sea

Given the broad application of longterm meteorological data in various sciences and the need to predict their possible changes at local and global scales, it is very important to ensure the accuracy and homogeneity of such data. The penalized maximal T and F tests in the Rhtests software package were used to control the climatic parameters of the western half of the Caspian region on a daily and monthly scale. The data included precipitation, maximum and minimum temperature, wind speed, relative humidity, and sunshine hours, during 19792017 in Bandar Anzali, Rasht, and Ramsar stations. The missing data were estimated using the standards of the World Meteorological Organization and using the knearest neighbors algorithm. For the monthly time series, 23 change points were identified, which were homogenized in two stages, before and after reconstruction. The standard normal method was less sensitive than the penalized maximal F method by identifying 9 change points. Then, the daily data of the mentioned parameters were homogenized, which was homogenized by identifying a total of 32 points of change. However, it was not possible to thoroughly homogenize the sunshine hours due to the consecutive missing data. Data homogenization reversed the trend in 33% of cases. The studied method had acceptable results in homogenizing meteorological data in the study area based on the obtained results