رگرسیون وزن دار جغرافیایی: روشی برای ترسیم نقشه های هم بارش در استان گیلان

نوع مقاله : مقالات پژوهشی

نویسنده

دانشگاه علوم کشاورزی گرگان

چکیده

تاکنون روش‌های زیادی برای درون‌یابی و ترسیم نقشه‌های هم بارش ارائه و نتایج متفاوتی از آنها در مناطق مختلف گزارش شده است. روش رگرسیون وزن‌دار جغرافیایی یکی از روش‌هایی است که اخیرا مورد استقبال قرار گرفته است. این روش برای ارزیابی غیریکنواختی متغیر وابسته با برقراری رگرسیون‌های موضعی مناسب است. تحقیقی بر این اساس صورت گرفت تا تغییرات مکانی بارش سالانه در استان گیلان (که تحت تأثیر شرایط محیطی مختلف به‌طور غیریکنواخت توزیع می‌شود) مورد بررسی قرار گیرد. نتایج روش رگرسیون وزن‌دار جغرافیایی با روش‌های معمول درون‌یابی شامل چندجمله‌ای سراسری و موضعی، اسپلاین، وزن عکس فاصله‌ها، کریجینگ و کوکریجینگ مقایسه شد. آمار میانگین ده ساله بارش سالانه 185 ایستگاه هواشناسی واقع در استان گیلان و مجاورت آن استفاده و تغییرات مکانی بارش به کمک پارامترهای دیگر مانند ارتفاع از سطح دریا و موقعیت نقاط نسبت به دریا، الگو‌سازی شد. سپس بهترین روش درون‌یابی بارش در این منطقه معرفی شد. برای ارزیابی دقت هر یک از این روش‌ها از فن اعتبارسنجی متقابل استفاده شد. نتایج به‌دست آمده نشان داد که روش رگرسیون وزن‌دار جغرافیایی با RMSE=147 دارای کمترین مقدار خطا بود و نتایج آن با روش کریجینگ که با RMSE=187 در رتبه دوم قرار دارد اختلاف زیادی داشت. بر این اساس مناسب‌ترین روش برای ترسیم هم‌بارش در استان گیلان روش رگرسیون وزن‌دار جغرافیایی معرفی می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Geographically Weighted Regression: A Method for Mapping Isohyets in Gilan Province

نویسنده [English]

  • Kh. Ghorbani
Water Engineering Department, Gorgan University of Agriculture and Natural Resources, Gorgan
چکیده [English]

So far several methods have been developed for mapping and interpolation of isohyets.one of the recently accepted methods is geographically weighting regression which is suitable for evaluation of spatial heterogeneity of dependent variable by using local regressions. In order to evaluate annually precipitation spatial variation, this study was conducted in Gilan province which precipitation is distributed non-uniform due to different environmental conditions. The results of geographically weighting regression method were compared with another interpolation methods including global polynomial, local polynomial, inverse distance weighting (IDW), spiline, kriging and co-kriging and . In this study, average of 20 years annually precipitation data of 185 meteorological observations over Gilan Province and its neighboring stations was used for modeling of spatial distribution variations of mean annual precipitation by using other variables like elevation and position of points to the sea level. Cross validation technique was used to assessment accuracy of each interpolation methods. The result showed that geographically weighting regression method had minimum error with RMSE=147 and had significant difference with the kriging method which was in the second rank with RMSE=187. Finally the best method for mapping isohyets in Gilan province is geographically weighting regression method.

کلیدواژه‌ها [English]

  • Geographically weighted regression
  • Gilan
  • Interpolation
  • Isohyets
  • Kriging
CAPTCHA Image