کاربرد روش برآورد بیز تجربی در آب و هواشناسی
با سلام. بدون هیچ مقدمه ای می خوام برم سر اصل مطلب…!
اگر از ۱۰ دانشجو جغرافیا بپرسیم که یه منطقه ای را می خواهیم دورن یابی انجام بدیم؛ و چه کاری باید بکنیم! بدون شک همه می گن IDW و یا Kriging !
و اما چرا؟ و این IDW و یا Kriging برای چی و از کجا اینقدر در جغرافیا مشهور شدن! متاسفانه ما در ایران هنوز علم GIS را نرم افزار ARCGIS می دانیم! شاید خیلی از دوستان با من هم عقیده باشن و مشاهده کرده اند که در زمان درون یابی افراد من باب حرفه ای بودن!!! با چشمان بسته تنها چند کلیک NEXT را فشرده و روش هم که طبق معمول بدون هیچ دلیل علمی IDW و یا Kriging است. من همین جا از همه دوستان خواهش می کنم با اصول این علم آشنایی کامل پیدا کنند و بعد از ابزارهای آن استفاده نمایند. ان شالله به زودی این روش ها اصولی شرح داده خواهند شد.
آمارگیری مکرر روشی برای مطالعه ی الگوی تغییرات یک پارامتر در طول زمان است . آمارگیری چرخشی نوعی از آمارگیری مکرر است که نه تنها برای بررسی روندها ، بلکه برای یافتن برآورد دقیق تر یک پارامتر در یک بازه ی زمانی هنگامی که در طول این بازه دستخوش تغییرات می شود، به کار می رود. استفاده از آمارگیری چرخشی نیازمند صرف هزینه و زمان قابل توجهی است به ویژه هنگامی که دوره های زمانی دارای فاصله ی کوتاهی از یکدیگر باشند، برای مثال آمارگیری های ماهانه و یا روزانه.
معرفی برآوردگر ناحیه ی کوچک
برآوردگرهای مدل مبنا از اهمیت ویژه ای در برآورد برای ناحیه های کوچک برخوردارند زیرا ظرفیت استفاده از متغیرهای کمکی را بیش از برآوردگرهای طرح مبنا دارا هستند. شایان ذکر است که متغیرهای کمکی نقش عمده ای در جبران کمبود داده های نمونه ای در سطح ناحیه های کوچک ایفا می کنند. به عبارت دیگر، از طریق یک مدل می توان پارامتر مورد نظر را با دقت نسبتاً قابل قبولی برای یک ناحیه برآورد کرد در حالی که تعداد نمونه ی کافی از آن ناحیه در دست نیست تا مستقیماً بر اساس آن ها برآوردی ارائه داد. انواع مختلفی از مدل ها برای برآورد برای ناحیه ی کوچک مورد استفاده قرار می گیرند. غالباً مدل سازی برای نسبت ها به کمک مدل های (خطی یا ناخطی) تعمیم یافته صورت می گیرد. که یکی از این مدل ها برآوردگر بیز تجربی است.
این روش برای مطالعات آب و هواشناسی شهری و ماهواره ای و طیف وسیعی از پژوهش هایی که با ناحیه های کوچک و سری های آماری مکرر برخوردار هستند می تواند مفید باشد.
این روش از ابزار Geostatistical نرم افزار ARCGIS قابل دسترسی است. که در آینده فیلم آموزشی آن نیز ارائه خواهد شد.
منبع:
خوشگویان فرد، علیرضا؛ نواب پور، حمیدرضا؛ نمازی راد، محمد رضا(۱۳۸۶)، کاربرد روش برآورد بیز تجربی برای ناحیه ی کوچک در نمونه گیری چرخشی، مجله گزیده مطالب آماری، سال ۱۸، شماره۲، صص ۸۳-۹۵٫
سید اسعد حسینی
علیرضا کربلائی
نادیا بابائی
عباسعلی داداشی رودباری
اقای رودباری ورودتون به جمع دوستان اقلیمی وبسایت روخوش امدمیگم.
اگه ممکنه باذکریه مثال ,توضیح روشنی ازتعاریف امارگیری مکرر وامارگیری چرخشی ارائه کنیدواین جمله “غالباً مدل سازی برای نسبت ها به کمک مدل های (خطی یا ناخطی) تعمیم یافته صورت می گیرد”رو اگه ممکنه بطورساده ومختصرتوضیح بدیدیعنی چی؟
باسپاس وارزوی موفقیت
با سلام و سپاس از توجه شما
معمولاً آمارگیری های مکرر یا به منظور دست یابی به روند تغییرات یک شاخص در طول زمان اجرا می شوند یا برای برآورد دقیق تر پارامتری در یک بازه ی زمانی مشخص (مثلاً یک سال) که در طول این بازه دستخوش تغییرات می شود. سه روش عمومی برای اجرای آمارگیری به صورت مکرر وجود دارد: آمارگیری مقطعی(Cross-sectional Surveys)، آمارگیری پانلی(Panel Suvey) و آمارگیری چرخشی(Rotation Survey). در روش نخست، نمونه ی هر دوره ی زمانی، مستقل از نمونه ی دوره ی دیگر است در حالی که در روش دوم، به یک نمونه ی ثابت در دوره های زمانی مختلف مراجعه می شود. آمارگیری چرخشی، تلفیقی از دو روش پیش گفته است یعنی برخی از واحدهای نمونه ای دوره های آمارگیری، یکسان و برخی متفاوت هستند.
در خصوص سال دوم:
ارزیابی که شما قصد انجام آن را دارید با تحت تداخل های مختلف باید اجرا شود تا نقش آن نیز در کارایی برآوردگر بررسی شود(برای این کار می توانید از ابزار Cross Validation نرم افزار ARCGIS و یا GS+ استفاده نمائید). ولی از آنجایی که مدل بیز تجربی یک مدل آمیخته(Mixed Model) است این ارزیابی خودکار انجام می شود و مدل به بهترین نحو ممکن واسنجی می شود. البته در این بین کاربر باید درک درستی از اثر قطعه ای، شیب و توان موثر داده ها داشته باشد. تمامی این موراد زمانی می تواند در قالب یک مدل ساختارمند نمود یاید که روند و همسانگردی و ناهمسانگردی داده ها نیز پیش تر بررسی شده باشد.
اطلاعات تکمیلی در قالب فیلم آموزشی به زودی در سایت بارگذرای می شود.
با سلام خدمت آقای رودباری و تشکر از مطالب ارزنده شما. یه سوال از خدمتتون داشتم ؛ اگه میشه مطالبی را در مورد ریزمقیاس سازی به روش chang factor و سایر مدلها قرار بدهید.
سپاس فراوان
با سلام و سپاس و از توجه شما، ان شالله به زودی کمی سرم شلوغه
سلام و ادب
اقای رودباری امکان دارد سه مقاله ای که در دومین همایش ملی بحران اب در موضوعات خشکسالی داشتید برای بنده ایمیل نمایید
عناوین مقالات
۱- پایش خشکسالی و پهنه بندی ان در کرمانشاه
۲- پیش بینی خشکسالی خراسان رضوی با مدل LARS
۳- پایش و خشکسالی سبزوار با شاخص SPI و میانگین متحرک
درود و سپاس از توجه شما. لطفا به رایانامه خود مراجعه نمائید
و موضوع دیگر
اگر اشنایی با مدل های ریز مقیاس نمایی اماری و دینامیکی، مدل های گردش عمومی GCM، دارید اموزش از پایه (مفاهیم و نحوه کار و تحلیل خروجی و نتایج) را داشته باشید ممنون می شم.
با سلام بنده روی مدل های آماری مثل LARS-WG ،SDSM و ASD و مدل دینامیکی REGCM زیاد کار کردم. ان شالله که کمی از مشغله های کاری اینجانب کاسته شود حتما فیلم های آموزشی را در سایت قرار خواهم داد. در خصوص مفاهیم مدل lars خانم دکتر ربانی مطلب بسیار ارزشمندی را در سایت قرار داده اند. در خصوص مدل regcm نیز دوست بسیار خوبم آقای دکتر رضا ابراهیمی مطلبی را در سایت قرار داده اند. همچنین مطالبی در خصوص همین مدل توسط آقای دکتر هلالی نیز در سایت قرار داده شده است. همچنین کتابی توسط استاد راهنمای دوره کارشناسی ارشد من جناب آقای دکتر غلام عباس فلاح قالهری نوشته شده است که سه مدل lars،sdsm و asd را به طور کامل و تصویری آموزش داده اند. که می توانید در بازار این کتاب را تهیه نمائید.
نویسنده: عباسعلی داداشی رودباری