مدل سازی اتمسفری
پدیده های آب و هوایی و هواشناسی از نظر مکانی متغیر هستند. GIS می تواند نقش دوگانه ای در تحقیقات علوم جوی ایفا کند و راه حلی موثرتر برای مدیریت، ادغام و انتشار داده های آب و هوایی و هواشناسی ارائه دهد و بستری مفید برای تجزیه و تحلیل و مدل سازی جو ارائه دهد (چاپمن و تورنز، ۲۰۰۳). این بخش بر کاربردهای GIS در درون یابی آب و هوا، مدل سازی آلودگی هوا و تجزیه و تحلیل روند آب و هوا متمرکز است.
جدول ۱۰-۲ معیارهای طبقه بندی تناسب زمین برای کشت چای (اقتباس از چانهدا و همکاران، ۲۰۱۰)
شکل ۱۰-۸ تجزیه و تحلیل GIS در ارزیابی زمین مزارع چای در لائوس
مطالعه موردی ۶- درون یابی آب و هوا
داده های آب و هوا و هواشناسی معمولاً داده های ایستگاه نقطه ای هستند. به منظور استنباط آب و هوا از شبکه پراکنده ایستگاه های هواشناسی، اغلب از تکنیک های درون یابی مکانی استفاده می شود. علاوه بر این درون یابی داده های ایستگاه نقطه به سطوح (مانند سطوح بارندگی)، کاوش در الگوهای مکانی پدیده های اقلیمی، هواشناسی و مرتبط را تسهیل می کند. به طور خاص، درون یابی داده های آب و هوایی و هواشناسی بر اساس مدل های دیجیتالی زمین (DTM)، برآورد خوبی از اقلیم پایه منطقه بدون نیاز به سوابق گسترده آب و هوا را امکان پذیر می کند (چاپمن و تورنز، ۲۰۰۳). اوسترنول و سزکیردا در سال ۲۰۰۵ طالعه موردی در خصوص درون یابی مکانی دمای هوا در لهستان و اروپای مرکزی با استفاده از DTM ها و داده های هواشناسی ارائه کردند. این مطالعه از روش کریجینگ باقی مانده استفاده کرد.
در روش کریجینگ باقی مانده، بجای اینکه متغیر وابسته Z (x) را مستقیماً در نقطه x کریج کنیم، ابتدا تحلیل رگرسیون چندگانه بین Z (x) و k متغیرهای توضیحی یا مستقل انجام می شود. با استفاده از داده های مشاهده نقطه داریم :
که در اینجا Z (x) مقدار واقعی در نقطه x است ، مقدار برآورد شده در نقطه x بر اساس مشاهدات در همان نقطه است و ε (x) عبارت باقی مانده یا خطای رگرسیون در نقطه x است. ضرایب ،باقیمانده ε(x) تغییرپذیری مکانی را حفظ می کند. مدل رگرسیون در هر نقطه شناخته شده با مقادیر مشاهده شده یا اندازه گیری شده اعمال می شود. باقیمانده در این نقاط شناخته شده محاسبه می شود. سپس باقیمانده ها با استفاده از کریجینگ معمولی برای ایجاد یک لایه رستری باقی مانده درون یابی می شوند که نشان دهنده اصلاحات مربوط به مدل رگرسیون است. برآورد نهایی متغیر وابسته در نقطه x توسط :
جایی که مقدار باقی مانده برآورد شده در نقطه x است که توسط کریجینگ درونی شده است. در GIS ، کریجینگ باقی مانده در مراحل زیر اجرا می شود :
- نمایش مشاهدات نقطه ای (مثلاً مشاهدات از ایستگاه های هواشناسی) در کلاس ویژگی
- نمایش متغیرهای مستقل در لایه های رستر فردی
- انجام تحلیل رگرسیون چندگانه با ترکیب نقطه مشاهدات با رسترهای متغیر مستقل با استفاده از رابطه ۱۰-۱۳
- محاسبه باقیمانده در هر نقطه مشاهده با کم کردن مقدار مشاهده شده از مقدار تخمینی با رگرسیون در نقطه
- اجرای کریجینگ معمولی برای درونیابی باقیمانده ها و ایجاد رستر باقیمانده
- پیاده سازی مدل رگرسیونی ایجاد شده در مرحله ۳ با ترکیب همه رسترهای متغیر مستقل از طریق جبر نقشه برای تولید رستر رگرسیون.
- اضافه کردن رستر باقیمانده و رستر رگرسیون برای تولید نقشه نهایی که تخمین نهایی متغیر وابسته را نشان می دهد.
در مطالعه اوسترنول و سزکیئردا در سال ۲۰۰۵ ، متغیر وابسته دمای هوا است و متغیرهای مستقل ارتفاع، عرض جغرافیایی، طول جغرافیایی و فاصله تا سواحل بالتیک (برای ایستگاههای واقع در فاصله ۱۰۰ کیلومتری) است. داده های میانگین دمای روزانه از ۱۶۸ ایستگاه (سینوپتیک و اقلیمی) واقع در سراسر لهستان و پنجاه و پنج ایستگاه واقع در مناطق همجوار برای کریجینگ باقی مانده استفاده شد. ۲۵۰ متر DEM برای لهستان و ۱ کیلومتر DEM از GTOPO برای مناطق خارج از لهستان برای به دست آوردن مقادیر ارتفاع استفاده شد. آنها میانگین دمای سالانه، فصلی و ماهانه هوا را برای لهستان و اروپای مرکزی با روش کریجینگ باقیمانده ترسیم کردند.
کریجینگ باقی مانده فرض می کند که فرایند فیزیکی مانند توزیع مکانی دمای هوا از دو جزء تشکیل شده است : قطعی و تصادفی. مؤلفه قطعی با همبستگی مکانی پدیده با مجموعه‌ای از ویژگی‌های فیزیکی (مانند ارتفاع یا فاصله تا دریا) مشخص می‌شود که نشان‌دهنده روند در مقیاس بزرگ است. این روند برای به دست آوردن باقی مانده از مشاهدات تفریق می شود. باقیمانده های درون یابی شده با استفاده از کریجینگ بطور تصادفی در نظر گرفته می شوند. با افزودن شرایط روند به جزء تصادفی درون یابی شده، می توان دما را در هر مکانی تخمین زد. کریجینگ باقی مانده به طور گسترده ای در آب و هوا استفاده می شود و یکی از روشهای ترجیحی برای نقشه برداری اقلیم شناسی است ( تیویتو و همکاران، ۲۰۰۵). به ویژه برای درون یابی مکانی داده های آب و هوا و هواشناسی در مناطقی با توپوگرافی پیچیده مانند مناطق کوهستانی، که در آن عناصر آب و هوایی تنوع بالایی را نشان می دهند که ناشی از تعاملات چندگانه بین امداد و استفاده از زمین است، ارزشمند است. در مطالعه موردی ارائه شده در بالا، ارتفاع تنها متغیر زمین مورد استفاده در رگرسیون بود. متغیرهای جغرافیایی اضافی مانند شیب، جنبه و کاربری زمین نیز می تواند شامل شود.
بدون دیدگاه