داده های اقلیمی

شاید شما نیز در هنگام کار کردن با داده های اقلیمی، با مشکلاتی رو به رو بودید که یکی از مهمترین آنها کمبود یا نبود آمار و داده در یک دوره زمانی یا در یک ماه یا سال می باشد. کسانی که با مدل های مختلف اقلیمی سر و کار دارند، چنانچه می خواهند تحلیل واقع بینانه ای از شرایط اقلیمی منطقه داشته باشند و به ویژه اگر این تحلیل یک بررسی تطبیقی و مقایسه ای بین محدوده های زمانی و مکانی باشد، نیاز به این دارند که دوره آمارهای اقلیمی و داده های اقلیمی آنها یکسان و مشابه باشد.

مثلا فرض کنید شما می خواهید شاخص اقلیم گردشگری یا اولگی یا ترجونگ یا هر تحلیل اقلیمی را برای ماههای مختلف و برای ایستگاه های مختلف یک منطقه انجام داده و نتایج آنها را باهم مقایسه کنید. در این حالت شما باید دوره های آماری یکسانی برای همه ایستگاه ها داشته باشید تا بتوان مقایسه واقعی انجام داد. مثلا همه انها باید دارای 20 سال آمار باشد و همه آنها از 1980 تا 2000 باشند (به عنوان مثال). یعنی نمی توان تعداد سالها را برای مناطق، متفاوت گرفت و حتی نمی توان دوره های زمانی را تغییر داد. باید همه یکسان باشد.

حتما بخوانید  مدل سازی طوفان و روندیابی جریان با مدل HEC-1 در نرم افزار WMS

اما از آنجایی که این آمارها توسط ابزارهای هواشناسی و نهادهای مربوطه جمع آوری می گردد، ممکن است در یک دوره زمانی خاصی به هر دلیلی آمار مربوط به آن ماه یا سال گرفته نشده یا ثبت نگردیده باشد و به اصطلاح دارای گپ باشد. حتی ممکن است یک ایستگاهی تازه تاسیس باشد و آمارهای گذشته و جدید آن موجود نباشد. بنابراین ممکن است برخی از سال ها یا ماه ها دارای آمار نباشند و اطلاعات آن موجود نباشد. در این حالت بهترین راه بازسازی داده هاست.

ما به شما توصیه می کنیم که آموزش زیر را مشاهده کنید و به زبان ساده نحوه بازسازی داده های اقلیمی با نرم افزار SPSS  را آموزش داده ایم.

دانلود با لینک مستقیم 

محسن محمدرضاپورطبری
شما باید همان تغییری باشید که می‌خواهید در دنیا شاهدش باشید. شاد باشید.
نظر خود را بنویسید:
ثبت دیدگاه
دیدگاه های کاربران
معین حسینی
14:04 - 1401/06/01
پاسخ دهید

با سلام
خیلی ممنون از آموزش های خوبتون
حتما باید مطالب استادی رو ببینیم یا میشه درجواب سوال بنده بفرمایید که برای بازسازی داده های بارندگی دما و دبی روزانه چه روشی بیشترین کاربرد رو داره؟
بستگی به مناطق داره یانه

    الهه گودرزی
    13:29 - 1401/06/02
    پاسخ دهید

    با سلام و درود ..
    سپاس از همراهی شما .
    دوست عزیز انتخاب روش های بازسازی داده ها، با در نظر گرفتن میزان دقت در مسئله، بستگی به داده های موجود ، منطقه مطالعاتی ، شرایط فیزیوگرافی (برای داده های بارش) و... داره .
    با احترام

میثم صدریان زاده
09:55 - 1398/12/22
پاسخ دهید

سلام
ضمن تشکر از مطالب مفید این سایت ارزشمند،سوالی در خصوص داده های پرت دارم:
برای شناسایی داده های پرت برای سری های زمانی طولانی مدت (مثلا سری روزانه دما، بارش،هیدرومتری و... برای حدود 30 سال،یعنی حدودا 11000 داده ) ، چه روش آماری پیشنهاد می کنید؟
روش های متداول مثل گرابس-بک دارای محدودیت تعداد داده می باشند(مثلا 5 تا 150 داده).
ممنون

    آرش ازکیا
    12:02 - 1398/12/22
    پاسخ دهید

    با سلام و ادب
    بهترین ابزار همیشه ترسیم نمودار داده هاست. از روی نمودار وضعیت کلی داده ها به راحتی بررسی میشه
    متد اول استفاده از نمودار scatter
    متد دوم استفاده از نمودارهای جعبه ای
    متد سوم استفاده از qq-plot
    متد چهارم ترسیم نمودار باقیمانده نرمال شده است

      میثم صدریان زاده
      13:02 - 1398/12/23
      پاسخ دهید

      سلام.
      ضمن تشکر از پاسخ شما،به دلیل زیاد بودن تعداد داده ها(حدود ۱۱۰۰۰ داده) روشهای ترسیمی کمی پیچیده و احتمالا غیر دقیق می شود.روش دیگری به نظرتون مناسب تر نیست؟
      ممنون

        آرش ازکیا
        14:01 - 1398/12/23
        پاسخ دهید

        با سلام و احترام مجدد
        همونطور که حضور شریفتون عرض کردم چندین روش برای اینکار هست و روش ترسیم باقیماندهء نرمال توی این شرایطی که می فرمایید کاملا کار میکنه
        من توی دوره استادی متلب دقیقا با همین تعداد داده (آمار سی ساله روزانه) یک مسئله رو بررسی کردم و تمام قسمتها رو هم توجه دادم که به چه صورت باید این بررسی ها انجام بشه که تراکم داده ها محدود کننده نباشه
        در کنار تمام این متدها می تونید از حل معادلاتی qq-plot استفاده کنید و با استفاده از معادله ریاضی حاکم بر qq-plot (که این مبحث رو هم کامل در جلسه اول از سطح دوم متلب توضیح دادم) بدون ترسیم هم می تونید اعدادی که outlier محسوب میشن رو در یک بردار (وکتور) داشته باشید

        موید و سلامت باشید
        انشاء الله

          میثم صدریان زاده
          14:42 - 1398/12/23
          پاسخ دهید

          سپاسگزارم

          آرش ازکیا
          14:45 - 1398/12/23
          پاسخ دهید

          ارادتمند شما هستم
          موفق باشید

یوسفی
11:22 - 1395/09/12
پاسخ دهید

سلام. ممنون از فایل آموزشی تون، بسیار خوب بود. فقط یه سوال دارم بنده در بازسازی داده هام محدودیت دارم و نمی تونم مقادیر منفی داشته باشم آیا میشه این محدودیت رو تعریف کرد؟

    آرش ازکیا
    11:30 - 1395/09/12
    پاسخ دهید

    با سلام و ادب
    ممکنه کمی بیشتر توضیح بدید که چرا نمی تونید مقادیر منفی داشته باشید. مثلا داده های شما داده های بارندگی هستند؟ نوع داده در انتخاب متد موثره ... و صد البته می شه شرایط حل مسائل رو با توجه به نوع داده ها تعریف کرد
    چرا نمی تونید دادهء منفی داشته باشید؟

پرنیا
20:24 - 1394/11/14
پاسخ دهید

عاااالی بود. مث همیشه و بقیه مطلباتون کاربردی که وجه تمایز سایتتون هس. واقعن ممنونم ازتون.  بی نظیره این سایت و گروه

    محسن محمدرضاپورطبری
    20:24 - 1394/11/14
    پاسخ دهید

    ممنون
    خواهش میکنم

لطفا صبر کنید