بررسی امکان پیش بینی زمان وقوع یخبندان با استفاده از روش تشخیص الگوها

نوع مقاله : مقالات پژوهشی

نویسندگان

1 دانشگاه شهید باهنر کرمان

2 دانشگاه فردوسی مشهد

3 مشهد

چکیده

چکیده
از پیش بینی دقیق الگوهای ساعتی داده های آب و هوا می توان بعنوان ورودی مدل‌های شبیه سازی فرآیندهای گیاه همچون فتوسنتز و تعرق استفاده کرد. اطلاعات ثبت شده آب و هوای حاصل از ایستگاه‌های سینوپتیک همچنین می تواند بعنوان راهنمای حفاظت گیاه و مدیریت مؤثر در کاهش اثرات یخبندان بکار گرفته شود. پیشگویی دقیق حداقل دما برای پیش بینی یخبندان در دستیابی مؤثر به استراتژی‌های کاهش آسیب رسانی به گیاهان بسیار مؤثر است. هدف اصلی از این مطالعه ارزیابی پیشگویی حداقل دمای روز با استفاده از دو روش توابع تریگونومتریک و تشخیص الگوها می باشد. برای این پیشگویی چندین سناریو انتخاب شد که عبارت بودند از: پیش بینی حداقل دما در روز اول اردیبهشت و روز اول آبانماه با استفاده از داده های مشاهده شده یک روز قبل از روز هدف، هفت روز قبل از روز هدف و از ابتدای سال تا روز هدف. داده های مورد استفاده داده های 3 ساعتی دشت مشهد بمدت 16 سال از سال 1371 تا 1387 بوده است. ارزیابی هر سه مدل با مقایسه آماری داده های شبیه سازی شده با داده های اندازه گیری شده در ایستگاه مشهد انجام شد. نتایج این مطالعه نشان داد که چنانچه دسترسی به داده های ساعتی به صورت ناقص و یا کمیاب باشد در بین دو روش سینوسی و سینوسی نمایی، روش سینوسی با دقت بالا قادر به شبیه سازی داده های ساعتی حداقل دما بود. برای پیشگویی حداقل دمایی که درشبانه روزممکن است رخ دهد نتایج نشان داد که هر چه فاصله زمانی تا روز مورد نظر برای پیش بینی کمتر باشد دقت پیشگویی روش تشخیص الگو ها بالاتر خواهد بود.

واژه های کلیدی: دمای حداقل، یخبندان، مدل سینوسی، مدل سینوسی نمایی، پیش بینی، مشهد

عنوان مقاله [English]

Possibility of employing pattern recognition to predict freezing occurrence

نویسندگان [English]

  • N. Sayari 1
  • M. Bannayan Aval 2
  • A. Alizadeh 2
  • M.B. Behiar 3
1 Kerman
2 Ferdowsi University of Mashhad
3 khavaran Environmental Research Group, Mashhad
چکیده [English]

Abstract
Accurate prediction of hourly minimum temperature is required for various crop models which simulate photosynthesis and transpiration. Such data can be used for crop protection and reducing the crops injuries due to freezing as well. Our objective of this study is employing trigonometric and pattern recognition (k-NN) approaches to evaluate their potential in prediction of hourly temperature for the whole 24 hours and also minimum temperature time occurrence. Our observed data contain every 3 hours minimum temperature data for 16 years of synoptic Mashhad climate station. Various scenarios were employed to predict the minimum temperature for first of Aban and first of Ordibehesht using, 1 day, 7 days, 110 days and 315 days observed data for next day minimum temperature prediction. Our results showed that if there is no full access or partly access to the minimum temperature data then the trigonometric function including Sine function is able to reproduce the required data. k-NN approach showed that as the distance of data to target data decreased the accuracy of prediction increased.

Keywords: Minimum temperature, Freezing, Sine model, Sine-Expo model, Prediction, Mashhad

CAPTCHA Image