ORIGINAL_ARTICLE
برآورد ضریب جذب دادههای لرزهای به کمک تحلیل زمان - بسامد براساس منظمسازی شکلده
تحلیل زمان- بسامد دادههای لرزهای بهدلیل ناایستا بودن آنها، یک روش مهم در پردازش و تفسیر داده لرزهای است. دانستن اینکه چگونه محتوای بسامدی یک سیگنال با زمان تغییر میکند، مهم است، چراکه امکان تعیین بسامد قله (بسامد با بیشینه دامنه) محلی دادههای لرزهای را فراهم میسازد. در این مقاله روشی برای انجام تبدیل زمان- بسامد بهصورت محلی و بر پایۀ مسائل وارون استفاده شده است، که نیاز به انتخاب پنجره زمانی را برطرف میکند. از آنجایی که حل مسائل وارون همواره همراه با نایکتایی و ناپایداری است، در این مطالعه از روش منظمسازی شکلده که یک منظمسازی درجه دو است، برای نمایش سیگنال لرزهای ناایستا در حوزه زمان- بسامد استفاده میشود. تبدیل مورد نظر در این مطالعه بر پایه تبدیل فوریه میباشد و ضرایب فوریه بهکمک روش وارون تعیین میشود که در آن شعاع هموارسازی، عامل کنترلکنندۀ منظمسازی شکلده میباشد. ایدۀ کلیدی در این روش این است که خطای میان سیگنال ورودی و همۀ مؤلفههای فوریه سیگنال ورودی را بهطور همزمان و با کنترل تفکیکپذیری زمانی، کاهش میدهد و این کار سبب نمایش هموارتری در حوزه زمان- بسامد میشود. کارایی روش با اعمال آن روی دادههای لرزهای مصنوعی و واقعی مورد بررسی قرار گرفت و بهعنوان کاربرد لرزهای از این روش برای برآورد ضریب جذب به کمک تعیین جابهجایی مرکز ثقل بسامد در دادههای لرزهای استفاده شده است.
https://www.ijgeophysics.ir/article_33874_2f8fa4e8d1593d04ace5c7e981a4fe48.pdf
2016-09-22
1
10
تفکیک طیفی
منظمسازی درجه دو
ضریب جذب
جابهجایی مرکز ثقل بسامد
شهرام
کاویانی چراتی
1
مؤسسه ژئوفیزیک دانشگاه تهران
AUTHOR
حمیدرضا
سیاهکوهی
hamid@ut.ac.ir
2
مؤسسه ژئوفیزیک دانشگاه تهران
LEAD_AUTHOR
علی
غلامی
agholami@ut.ac.ir
3
مؤسسه ژئوفیزیک دانشگاه تهران
AUTHOR
روشندل، ا.، 1388، بهبود تبدیلهای زمان- فرکانس در مطالعه دادههای لرزهای: رساله دکتری، مؤسسه ژئوفیزیک، دانشگاه تهران.
1
غلامی، ع.، 1388، منظمسازی مسائل بدوضع ژئوفیزیکی بر مبنای تُنُکی: رساله دکتری، مؤسسه ژئوفیزیک، دانشگاه تهران.
2
کرمی مزین، د.، 1388، محاسبۀ تضعیف لرزهای نسبی با استفاده از اختلاف زمان-فرکانسی بازتابی: پایاننامه کارشناسی ارشد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی.
3
Fomel, S., 2007, Shaping regularization in geophysical-estimation problems: Geophysics, 72(2), R29–R36.
4
——, 2007b, Local seismic attributes: Geophysics, 72(3), A29–A33.
5
Gu, H., and Stewart, R., 2006, Calculation of relative seismic attenuation from the reflection time-frequency differences in a carbonate reservoir: Crewes Research Report, 18, Ch. 55.
6
Hedlin , K., Mewhort, L., and Margrave, G., 2001, Delineation of steam flood using seismic attenuation: 71st Annual International Meeting, SEG, Expanded Abstracts, 1572–1575.
7
Liu, G., Fomel, S. and Chen, X., 2009, Time-frequency characterization of seismic data using local attributes: 79th Annual International Meeting, SEG, Expanded Abstracts, 1825–1829.
8
Liu, Y., and Fomel, S., 2010, Local time-frequency transform and its application to ground-roll noise attenuation: 80th Annual International Meeting, SEG, Expanded Abstracts, 3711–3716.
9
Parra, J. O., and Hacket, C., 2002, Wave attenuation attributes as flow unit indicators: The Leading Edge, 21, 564–572.
10
Pujol, J., 2003, Elastic Wave Propagation and Generation in Seismology: Cambridge University Press, Cambridge, United Kingdom.
11
Quan, Y. L., and Jerry, M. H., 1997, Seismic attenuation tomography using the frequency shift method: Geophysics, 62, 895–905.
12
Sinha, S., Routh, P. S., and Anno, P., 2009, Instantaneous spectral attributes using scales in continuous wavelet transform: Geophysics, 74(2), WA137–WA142.
13
Sinha, S., Routh, P. S., Anno, P., and Castagna, J. P., 2005, Spectral decomposition of seismic data with continuous-wavelet transform: Geophysics, 70(6), P19–P25.
14
Stockwell, R. G., Mansinha, L., and Lowe, R. P., 1996, Localization of the complex spectrum: The S transform: IEEE Transactions on Signal Processing, 44(4), 998–1001.
15
Tikhonov, A. N., 1963, Solution of incorrectly formulated problems and the regularization method: Soviet Mathematical Doklady, 4, 1035–1038.
16
Tonn, R., 1991, The determination of the seismic quality factor Q from VSP data: A comparison of different computational methods: Geophysical Prospecting, 39(1), 1–27.
17
Youn, D. H., and J.-G. Kim, 1985, Short-time Fourier transform using a bank of low-pass filters: IEEE Transactions on Acoustics, Speech, and Signal Processing, 33, 182–185, doi:10.1109/TASSP.1985.1164509
18
ORIGINAL_ARTICLE
بررسی ناپایداری در لایه سطحی دریا و تاثیر آن بر ارتفاع امواج
با استفاده از روشهای نیمهتجربی میتوان ارتفاع موج در سطح دریا را با دقت مناسب محاسبه کرد. در این روشها اثرات دمای سطح و ناپایداری در لایه سطحی با تقریب ضعیفی بر محاسبه ارتفاع موج موثر است. با توجه به متغیر بودن اثرات دمایی سطح آب و دمای هوای نزدیک سطح دریا در طول روز، اثر ناپایداری بر ارتفاع موج در طول روز و ماه تغییرات زیادی دارد.
در این مقاله با بهکارگیری روشی نیمهتجربی، اثرات ناپایداری بر روی لایه سطحی محاسبه شده است. روش نیمهتجربی معرفی شده از برازش ارتفاع موج در ماههای مختلف سال نسبت به دو متغیر مستقل سرعت اصطکاکی و تابع پایداری سرعت حاصل شده است. رابطه نیمهتجربی بهدست آمده در هر نقطهای در دریا با نقاط مجاورش متفاوت است و لازم است با مطالعه دادههای بویه موج نگار در بازه زمانی طولانی تابع پیشبینی ارتفاع موج در نقطه مورد نظر با دقت قابل قبولی بهدست آید. در این مقاله بهعلت کمبود دادهها فقط از دادههای سال 2008 بویه موجنگار امیرآباد دریای خزر استفاده شده است و با توجه به عدم دسترسی به دادهها در بازه زمانی حداقل دهساله تنها روش نیمهتجربی معرفی و میزان دقت آن مورد مطالعه قرار گرفته است. نشان داده میشود که، با در نظر گرفتن اثر ناپایداری در لایه سطحی بر ارتفاع موج، براساس رابطه پیشبینی ارتفاع موج، میتوان خطای آن را تا 10 درصد کاهش داد.
https://www.ijgeophysics.ir/article_33876_1bfffd3485cc4380c8b73e55a38c3037.pdf
2016-09-22
11
24
لایه سطحی
مدل کُپهای
توابع پایداری
سرعت اصطکاکی
ارتفاع موج
علی
محمدی
1
گروه هواشناسی دانشگاه علوم دریایی امام خمینی (ره)، نوشهر ، مازندران
LEAD_AUTHOR
عباسعلی
علی اکبری بیدختی
bidokhti@ut.ac.ir
2
مؤسسة ژئوفیزیک دانشگاه تهران
AUTHOR
محمد
احمدنژاد
3
دانشگاه خرمشهر، خوزستان
AUTHOR
چگینی، و.، گلشنی، ع.، تائبی، س.، و چگینی، ف.، 1391، امواج ناشی از باد و پیشبینی آنها در خلیج فارس، دریای عمان و دریای خزر: موسسه ملی اقیانوسشناسی، 479 ص.
1
چگینی، ف.، چگینی، و.، و تائبی، س.،1387، ارزیابی و مقایسه روشهای نیمهتجربی و عددی در پیشبینی مشخصات امواج بنادر امیرآباد و بوشهر: نشریه مهندسی دریا، 7، 41–57.
2
Arya, P.S., 2001, Introduction to Micrometeorology (Vol. 79). Academic Press.
3
Brutsaert, W. H., 1982, Evaporation into the Atmosphere — Theory, History, and Applications: Reidel, 299 pp.
4
Busch, N. E., 1973, On the mechanism of the atmospheric turbulence: Workshop on Micrometeorology, Amer. Meteo. Soc., 1–66.
5
CEM., 2002, Coastal Engineering Manual: US Army Corps of Engineers.
6
Charnock, H., 1955, Wind stress on a water surface: Quart. J. Roy. Meteor. Soc., 81, 639–640.
7
Cohen, J., Cohen P., West, S. G., and Aiken, L. S., 2002, Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences, 3rd ed., Psychology Press.
8
Dyer, A. J., 1974, A review of flux-profile-relationships: Boundary-Layer Meteorol, 7, 363–372.
9
Fairall, C. W., Bradley, E. F., Rogers, D. P., Edson, J. B., and Young, G. S., 1996, Bulk parameterization of air–sea fluxes for Tropical Ocean-Global Atmosphere Coupled-Ocean Atmosphere Response Experiment: J. Geophys. Res., 101 (C2), 3747–3764.
10
Fairall, C. W., Bradley, E. F., Hare J. E,. Grachev, A. A., and Edson, J. B., 2003, Bulk parameterization of air–sea fluxes: Updates and verification for the COARE algorithm: J. Climate, 16, 571–591.
11
Floors, R., Batchvarova, E., Gryning, S.-E., Hahmann, A. N., Peña, A., and Mikkelsen, T., 2011, Atmospheric boundary layer wind profile at a flat coastal site – wind speed lidar measurements and mesoscale modeling results: Adv. Sci. Res., 6, 155–159.
12
Foken, T., 1990, Turbulenter Energieaustausch zwischen Atmosphäre und Unterlage – Methoden, Ebtechnische Realisierung sowie ihre Grenzen und Anwendungsmöglichkeiten: Ber Dt Wetterdienstes, 180, 287 pp.
13
Foken, T., 2008, Micrometeorology, Springer, 306 pp.
14
Garratt, J. R., 1992, The Atmospheric Boundary Layer: Cambridge University Press, 316 pp.
15
Holton, J. R., 2004, An Introduction to Dynamic Meteorology: 4th ed., Academic Press.
16
Huang, C. H., 2012, Modification of the Charnock wind stress formula to include the effects of free convection and swell. In Advanced Methods for Practical Applications in Fluid Mechanics, Ed. Jones, S. A., INTECH Open Access Publisher.
17
Large, W. G., and Pond, S., 1982, Sensible and latent heat flux measurements over the ocean: J. Physical Oceanography, 12, 464–482.
18
Liu, T. W., Katsaros, K. B., and Businger, J. A., 1979, Bulk parameterization of air–sea exchanges of heat and water vapor including the molecular constraints at the interface: J. Atmos. Sci., 36, 1722–1735.
19
Markowski, P., and Richardson, Y., 2010, Mesoscale Meteorology in Midlatitudes, John Wiley & Sons.
20
Miller, M. J., Beljaars, A. C. M., and Palmer, T. N., 1992, The sensitivity of the ECMWF model to the parameterization of evaporation from the tropical oceans: J. Climate, 5, 418–434.
21
Monin, A. S., Obukhov, A. M., 1954, Osnovnye zakonomernosti turbulentnogo peremesivanija v prizemnom sloe atmosfery (Basic laws of turbulent mixing in the atmosphere near the ground): Trudy Geofiz Inst AN USSR, 24(151), 163–187.
22
Oost, W. A., Komen, G. J., Jacobs, C. M. J., and van Oort, C., 2002, New evidence for a relation between wind stress and wave age from measurements during ASGAMAGE: Boundary-Layer Meteor., 103, 409–438.
23
Panofsky, H., 1973, Tower micrometeorology: In: Haugen D. A., (ed) Workshop on Micrometeorology, American Meteorological Society, pp 151–176.
24
Paulson, C. A., 1970, The mathematical representation of wind speed and temperature profiles in the unstable atmospheric surface layer: J. Climate and Appl. Meteorol., 9, 857–861
25
Powell, M. D., Vickery, P. J. and Reinhold, T. A., 2003, Reduced drag coefficient for high wind speeds in tropical cyclones, Nature, 422, 279–283.
26
Roll, H. U., 1948, Wassernahes Windprofil und Wellen auf dem Wattenmeer: Ann. Meteorol., 1, 139–151.
27
Smith, S. D., 1988, Coefficients for sea surface wind stress, heat flux, and wind profiles as a function of wind speed and temperature: J. Geophys. Res., 93, 15467–15472.
28
Stull R. B., 1988, An Introduction to Boundary Layer Meteorology: Kluwer, Dordrecht.
29
Taylor, P. K., and Yelland, M. A., 2001, The dependence of sea surface roughness on the height and steepness of the waves: J. Phys. Oceanogr., 31, 572–590.
30
Vickers, D., and Mahrt, L., 2006, Evaluation of the air-sea bulk formula and sea-surface temperature variability from observations: J. Geophys. Res., 111, 1–14.
31
Webster, P. J., Lukas, R., 1992, TOGA COARE: The Coupled Ocean–Atmosphere Response Experiment: Bull. Amer. Meteor. Soc., 73, 1377–1416.
32
White, G., 1996. WCRP workshop on air–sea flux fields for forcing ocean models and validating GCMs: WMO/TD-No. 762, World Meteorological Organization, 184 pp.
33
Young, I. R., 1998, An experimental investigation of the role of atmospheric stability in wind wave growth: Coastal Eng., 34, 23–33.
34
Zeng, X., Zhao, M., and Dickinson, R. E., 1998, Intercomparison of bulk aerodynamic agorithms for the computation of sea surface fluxes using TOGA COARE and TAO data: J. Climate, 11, 2628–2644.
35
Zeng, X., Dickinson, R. E., 1998, Effect of surface sublayer on surface skin temperature and fluxes: J. Climate, 11, 537–550.
36
Zilitinkevich, S. S., 1969, On the computation of the basic parameters of the interaction between the atmosphere and the ocean: Tellus, 21, 17–24.
37
Zilitinkevich, S. S., Perov, V. L., and King, J. C., 2002, Near-surface turbulent fluxes in stable stratification: Calculation techniques for use in general circulation models: Quart. J. Roy. Meteorol. Soc., 128, 1571–1587.
38
ORIGINAL_ARTICLE
اثر الگوی دورپیوند شرق اطلس-غرب روسیه (EA–WR) بر وردایی کمبسامد وردسپهر در جنوبغرب آسیا
الگوی دورپیوند شرق اطلس-غرب روسیه (EA–WR) یکی از پدیدههای جوّی کمبسامد است که بر اقلیم اروپا و آسیا، بهویژه در فصول سرد سال تأثیر میگذارد. در این مقاله، به بررسی اثر این الگوی موجی-مداری بر آبوهوای جنوبغرب آسیا پرداخته میشود. برای انجام این پژوهش، از دادههای بازتحلیل NCEP/NCAR از سال 1950 تا 2012 مربوط به فصل زمستان نیمکره شمالی شامل ماههای دسامبر، ژانویه و فوریه و برای شاخص ماهانه EA–WR از دادههای مرکز پیشبینی اقلیم (CPC) استفاده شده است. اثر دورپیوند EA–WR با استفاده از نتایج کاربست نقشههای ترکیبی ارائه میشود. با در نظر گرفتن ماههای بحرانی مثبت و منفی برای این دورپیوند، وضعیت میانگین کمیتهای مهم وردسپهر برای هر کدام از ماهها با دیدگاه همدیدی بررسی شده است. نتایج حاصل نشاندهنده اثر قابل توجه نوسانات این پدیده بر آبوهوای خاورمیانه، بهویژه ایران است. در مقایسه با فاز منفی، در فاز مثبت حضور یک ناوه ارتفاع ژئوپتانسیلی در وردسپهر میانی در خاورمیانه همراه با تقویت جریان جتی جنبحارهای جنوبغرب آسیا و ترابرد مناسب رطوبت در وردسپهر زیرین زمینه مناسبتری را برای تکوین و اثرگذاری سامانههای همدیدی بر روی ایران فراهم میکند.
https://www.ijgeophysics.ir/article_33877_2db8c110728ba88134a3559edea4d7ea.pdf
2016-09-22
25
39
شرق اطلس-غرب روسیه (EA–WR)
بیهنجاری
ارتفاع ژئوپتانسیلی
جریان جتی
تابش طول موج بلند خروجی
مهیار
مقصودی فلاح
mahyarmaghsoudi@ut.ac.ir
1
مؤسسه ژئوفیزیک دانشگاه تهران
AUTHOR
فرهنگ
احمدیگیوی
2
مؤسسه ژئوفیزیک دانشگاه تهران
AUTHOR
علیرضا
محبالحجه
3
مؤسسه ژئوفیزیک دانشگاه تهران
LEAD_AUTHOR
محمدعلی
نصراصفهانی
mnasr@agr.sku.ac.ir
4
گروه مهندسی آب، دانشگاه شهرکرد
AUTHOR
حسینپور،ف.، 1388، بررسی بیهنجاری آبوهوایی زمستان 1386 از دیدگاه بزرگمقیاس: پایاننامه کارشناسی ارشد، مؤسسه ژئوفیزیک دانشگاه تهران.
1
مقصودی فلاح، م.، محب الحجه، ع. ر. و احمدی گیوی، ف.، 1393، ارتباط دورپیوند شرق اطلس-غرب روسیه با آبوهوای جنوبغرب آسیا: شانزدهمین کنفرانس ژئوفیزیک ایران،23–25 اردیبهشت، تهران، 57–61.
2
نصراصفهانی،م. ع.، محب الحجه، ع. ر. و احمدی گیوی، ف.، 1387، اثر نوسان اطلس شمالی (NAO) بر برخی کمیتهای هواشناختی وردسپهر در خاورمیانه و جنوبغرب آسیا: مجله ژئوفیزیک ایران، 2، 51–64.
3
Barnston, A. G., and Livezey, R. E., 1987, Classification, seasonality and persistence of low-frequency atmospheric circulation patterns: Mon. Wea. Rev., 115, 1083–1126.
4
Beranova, R., and Huth, R., 2008, Time variations of the effects of circulation variability modes on European temperature and precipitation in winter: Int. J. Climatol., 28, 139–158.
5
Hasanean, H. M., 2004, Wintertime surface temperature in Egypt in relation to the associated atmospheric circulation: Int. J. Climatol., 24, 985–999.
6
Holton, J. R., 2004, An Introduction to Dynamic Meteorology: Elsevier Academic Press, 535 pp.
7
Hoskins, B. J., and Valdes, P. J., 1990, On the existence of storm-tracks: J. Atmos. Sci., 47, 1854–1864.
8
Hurrell, J. W., 1995, Decadal trends in the North Atlantic Oscillation: Regional temperatures and precipitation: Science, 269, 676‐679.
9
Kalnay, E., Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., Gandin, L., Iredell, M., Saha, S., White, G., Woollen, J., Zhu, Y., Chelliah, M., Ebisuzaki, W., Higgins, W., Janowiak, J., Mo, K. C., Repelewski, C., Wang, J., Leetmaa, A., Reynolds, R., Jenne, R., and Joseph, D., 1996, The NCEP/NCAR 40-year reanalysis project: Bull. Amer. Meteor. Soc., 77, 437–471.
10
Krichak, S. O., and Alpert, P., 2005, Decadal trends in the East Atlantic–West Russia pattern and Mediterranean precipitation: Int. J. Climatol., 25, 183–192.
11
Krichak, S. O., Kishcha, P., and Alpert, P., 2002, Decadal trends of main Eurasian oscillations and the Mediterranean precipitation: Theor. Appl. Climatol., 72, 209–220.
12
Nissen K. M., Leckebusch, G. C., Pinto, J. G., Renggli, D., Ulbrich, S., and Ulbrich, U., 2010, Cyclones causing wind storms in the Mediterranean: Characteristics, trends and links to large-scale patterns: Nat. Hazards Earth Syst. Sci., 10, 1379–1391.
13
Panagiotopoulos, F., Shahgedanova, M. and Stephenson, D. B., 2882, A review of Northern Hemisphere winter-time teleconnection patterns: J. Phys. IV., 12, 27–47.
14
Peixoto, P. J., 2007, Physics of Climate: Springer, 564 pp.
15
Xie, P., and Arkin, P. A., 1998, Global monthly precipitation estimates from satellite observed outgoing longwave radiation: J. Climate., 11, 137–164.
16
Wallace, J. M., 1983, The climatological mean stationary waves: Observational evidence: in Large-scale Dynamical Processes in the Atmosphere, eds. Hoskins, B. J., and Pearce, R. P., Academic Press, 397 pp.
17
www.cpc.ncep.noaa.gov/data/teledoc/telecontents.shtml
18
ORIGINAL_ARTICLE
مقایسه روشهای مختلف تعیین سطح تصحیح ارتفاع ژئودتیک؛ مطالعه موردی شهر تهران
در طول دهههای گذشته، استفاده از سامانه تعیین موقعیت ماهوارهای (GPS) در بسیاری از فعالیتهای ژئودزی، ژئوفیزیک و نقشهبرداری توسعه پیدا کرده است. بهکمک اندازهگیریهای GPS، صرفهجویی در زمان، هزینه و نیروی کار حاصل میشود. از طرفی ارتفاع بیضوی به دست آمده از GPS، یک ارتفاع هندسی بوده و قادر به تأمین نیازهای کاربردی مهندسی نمیباشد و به همین دلیل تبدیل به نوع دیگری از ارتفاع به نام ارتفاع ارتومتریک نیاز است. برای انجام تبدیل بین ارتفاعات بیضوی و ارتفاعات ارتومتریک، سطح تصحیح ارتفاع ژئودتیک تعریف میگردد. با توجه به دادههای دردسترس و همچنین دقت مورد نیاز، دو روش کلی برای انجام تبدیل بین ارتفاعات بیضوی و ارتومتریک وجود دارد که عبارتند از روش گرانیسنجی و روش هندسی. در روش گرانیسنجی از تلفیق دادههای زمینی و مدلهای ژئوپتانسیلی جهانی برای تعیین سطح تصحیح استفاده میگردد. در روش هندسی از دادههای GPS/Leveling در یک سری نقاط بنچمارک استفاده، نوسانات ژئوئید در این نقاط محاسبه و سپس با بهکارگیری روشهای درونیابی، سطح تصحیح ارتفاع ژئودتیک محاسبه میشود. در تحقیق حاضر، از روش هندسی به منظور تعیین سطح تصحیح استفاده شده است. توابع پایه شعاعی یکی از روشهای مورد استفاده برای درونیابی دادههای پراکنده میباشند. این روش شامل کرنلهای مختلفی بوده که در این تحقیق از کرنلهای مولتیکوادریک و اسپلاین صفحه نازک استفاده گشته است. همچنین شبکه عصبی مصنوعی بهعنوان روشی دیگر برای تبدیل ارتفاعات بیضوی به ارتفاعات ارتومتریک اعمال شده است. شبکههای عصبی نیز شامل انواع مختلفی هستند که با توجه به اینکه شبکه عصبی پرسپترون بیشترین کاربرد را برای درونیابی داراست، از این شبکه برای تعیین سطح تصحیح استفاده شده است. درنهایت بهعنوان مطالعه موردی، دادههای شهر تهران مورد بررسی قرار گرفتهاند. از 147 نقطه مبنا که به صورت پراکنده در محدوده شهر تهران توزیع یافتهاند برای محاسبه نوسانات ژئوئید استفاده شده و سطح تصحیح ارتفاع ژئودتیک در شهر تهران بهکمک روشهای ذکر شده محاسبه گشته است. در نهایت مجذور میانگین مربعات (rms) حاصل از روشها با یکدیگر مقایسه شده و روش با کمترین مقدار rms بهعنوان دقیقترین روش انتخاب شده است. با توجه به نتایح حاصل، اسپلاین صفحه نازک نتایج دقیقتری را برای دادههای شهر تهران ارائه داده است.
https://www.ijgeophysics.ir/article_33620_9a1b72f33be8228f5960a2dce44ec5f1.pdf
2016-09-22
40
52
GPS/Leveling
درونیابی
تابع پایه شعاعی
مالتیکوادریک
اسپلاین صفحه نازک
شبکه عصبی مصنوعی
سپیده
رهبر
srahbar@alumni.ut.ac.ir
1
دانشکده مهندسی نقشهبرداری و اطلاعات مکانی، دانشگاه تهران
AUTHOR
محمدعلی
شریفی
sharifi@ut.ac.ir
2
دانشکده مهندسی نقشهبرداری و اطلاعات مکانی، دانشگاه تهران
LEAD_AUTHOR
خضرائی، س .م، نفیسی، و.، منجمی، س. ا. ح.، عسگری، ج.، و امیری سیمکویی، ع.، 1393، مدلسازی ژئوئید محلی دقیق با استفاده از دادههای GPS، ترازیابی و تکنیکهای هوش مصنوعی (مطالعه موردی شاهینشهر اصفهان): مجله علوم و فنون نقشهبرداری، دوره چهارم، شماره 3.
1
میرصالحی، م. و تقیزاده کاخکی، ح.، 1387، شبکههای عصبی: انتشارات دانشگاه فردوسی مشهد.
2
Cakir, L., 2011, Modified quadratic shepard and radial basis functions interpolations for determination of orthometric heights from global positioning system (GPS) heights: International J. Physical Sciences, 6(36), 8183–8187.
3
Donato1, G., and Belongie, S., 2002, Approximate thin plate spline mappings: Springer Verlag Berlin Heidelberg, Vol. 2352, 21–31.
4
Gullu, M., Yilmaz, M., and Yilmaz, I., 2011, Application of back propagation artificial neural network for modeling local GPS/Leveling geoid undulations: A comparative study: FIG Working Week, Bridging the Gap between Cultures.
5
Hatam, Y., Bayer, R., Vanicek, P., Bonvalot, S., Daignieres, M., Diament, M., Djamour, Y., Panet, L., and Verdun, J., high resolution geoid model of Iran software.
6
Lambaert, H., 2006, Manual registration with thin plates: http://step.polymtl.ca/thinplates/
7
Lin, L. S., 2009, Application of neural network and least squares collocation to GPS height transformation: Asian Association on Remote Sensing, ACSR 2009, Beijing.
8
Oudman, E., 2006, The Transformation of GPS into NAP Heights Combining NAP, GPS and Geoid Height to Compute a Height Reference Surface for the Netherlands: M. Sc. Thesis, Delft University of Technology.
9
Raizner, C., 2008, A Regional Analysis of GNSS-Leveling: M. Sc Thesis, Stuttgart University.
10
Sharifi, M. A., 2006, Satellite to Satellite Tracking in the Space-wise Approach, Ph. D. Thesis, Stuttgart University.
11
Veronez, M. R., Thum, A. B., and Souza, G. C., 2006, A new method for obtaining geoidal ndulations through artificial neural networks: 7th International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences.
12
ORIGINAL_ARTICLE
حل عددی معادلات بوسینسک تراکمناپذیر با استفاده از روش فشرده ترکیبی مرتبه ششم
حل دقیق معادلات حاکم بر جریان گرانی میتواند در تحلیل دینامیک پدیدههای جوّی و اقیانوسی مرتبط مفید باشد. در این کار معادلات حاکم بر جریان گرانی با تقریب بوسینسک در قالب شارش گرانی Lock exchange با استفاده از روش فشرده ترکیبی مرتبه ششم حل عددی میشوند. بهمنظور مقایسه دقت روش فشرده ترکیبی مرتبه ششم با روشهای مرتبه دوم مرکزی و فشرده مرتبه چهارم، از حل عددی مسئله گردش اقیانوسی استومل استفاده شده است. با استفاده از مسئله موردی جریان گرانی Lock exchange بهشکلهای جریان گرانی تخت و استوانهای، توانایی تفکیک روش فشرده ترکیبی مرتبه ششم در معادلات غیرخطی که به واقعیت نزدیکترند سنجیده میشود. برای شبیهسازی عددی شرایط مرزی روابط متناسب با روش فشرده ترکیبی مرتبه ششم با در نظر گرفتن شرایط مرزی بدون لغزش اعمال میشود. مقایسه کیفی نتایج حل عددی با کار دیگران حاکی از عملکرد بهتر روش فشرده ترکیبی مرتبه ششم است. بهعلاوه مقایسه کیفی و کمّی نتایج حل عددی با استفاده از روش فشرده ترکیبی مرتبه ششم در مقایسه با روشهای فشرده مرتبه چهارم و مرتبه دوم مرکزی نیز بیانگر عملکرد مناسبتر روش فشرده ترکیبی مرتبه ششم میباشد.
https://www.ijgeophysics.ir/article_33878_ff9ce86a68123061bc7aa5346c24a38a.pdf
2016-09-22
53
65
روش فشرده ترکیبی مرتبه ششم
شارش Lock exchange
معادلات بوسینسک
جریان گرانی
اسماعیل
قیصری
1
مؤسسه ژئوفیزیک دانشگاه تهران
AUTHOR
سرمد
قادر
sghader@ut.ac.ir
2
مؤسسه ژئوفیزیک دانشگاه تهران
LEAD_AUTHOR
عباسعلی
علیاکبری بیدختی
3
مؤسسه ژئوفیزیک دانشگاه تهران
AUTHOR
بیدختی، ع. ع.، بیوک، ن.، و ثقفی، م. ع.، 1384، بررسی ساختار چند جریان جستناک توفانهای همرفتی تهران با استفاده از دادههای سودار: مجله فیزیک زمین و فضا، 30 (2)، 93-113.
1
بیدختی، ع. ع.، مالکی فرد، ف.، و خوشسیما، م.، 1386، بررسی تجربی اختلاط تلاطمی نزدیک یک مرز چگال: مجله فیزیک زمین و فضا، 33 (3)، 87-97.
2
قادر، س.، قاسمی ورنامخواستی، ا.، بنازاده ماهانی، م. ر.، و منصوری، د.، 1390، حل عددی معادلات بوسینسک تراکمناپذیر با استفاده از روش فشرده مرتبه چهارم: بررسی موردی شارش گرانی تبادلی: مجله فیزیک زمین و فضا، 37 (1)، 1-17.
3
قیصری، ا.، 1394، شبیهسازی عددی جریان گرانی با استفاده از روش فشرده ترکیبی مرتبه ششم: پایاننامه کارشناسی ارشد در رشته هواشناسی، مؤسسه ژئوفیزیک دانشگاه تهران.
4
Arakawa, A., 1966, Computational design for long-term numerical integration of the equations of fluid motion: Two dimensional incompressible flwo: J. Comput. Phys., 1, 119–143.
5
Benjamin, T. B., 1968, Gravity currents and related phenomena: J. Fluid Mech., 31, 209–248.
6
Cantero, M. I., Balanchandar, S. and Garcia, M. H., 2007, High resolution simulations of cylindrical density currents: J. Fluid. Mech., 590, 437–469.
7
Chu, P. C., and Fan, C., 1998, A three-point combined compact difference scheme: J. Coumput. Phys., 140, 370–399.
8
Durran, D. R., 2010, Numerical Methods for Fluid Dynamics: Sprringer-verlag, New York.
9
Elias, N. R., Paulo, L. B., Paraizo and Alvaro, L. G. A. Coutinho, 2008, Stabilized edge-based finite element computation of gravity currents in lock-exchange configurations: Int. J. Numer. Meth. Fluids, 57, 1137–1152.
10
Fannelop, T. K., 1994, Fluid Mechanics for Industrial Safety and Environmental Protection: Elsevier.
11
Fox, L. and Goodwin, E. T., 1949, Some new method for the numerical integration of ordinary differential equations: Proc. Cambridge Phil. Soc. Math. Phys., 45, 373–388.
12
Ghader, S., Ghasemi, A., Banazadeh, M. R., and Mansoury, D., 2012, High-order compact scheme for Boussinesq equations: Implementation and numerical boundary condition issue: Int. J. Numer. Meth. Fluids, 69, 590–605.
13
Hartel, C., Meiburg, E., Necker, F., 2000, Analysis and direct numerical simulation of the flow at a gravity-current head. Part 1: flow topology and front speed for slip and no-slip boundaries: J. Fluid Mech., 418, 189–212.
14
Hirsh, R. S., 1975, Higher order accurate difference solutions of fluid mechanics problems by a compact differencing technique: J. Comput. Phys., 19, 90–109.
15
Hoult, D., 1972, Oil spreading in the sea: Annu. Rev. Fluid Mech., 4, 341–368.
16
Huppert, H., and Simpson J. E., 1980, The slumping of gravity currents: J. Fluid Mech., 99, 785–799.
17
Kreiss, H. O., and Oliger, J., 1972, Comparsion of accurate methods for the integration of hyperbolic quations: Tellus, 24, 199–215.
18
Kundu, P. K., 1990, Fluid Mechanics: Academic Press.
19
Lele, S., 1992, Compact finite difference schemes spectral-like resolution: J. Comput. Phys., 103, 16–42.
20
Liu, J. G., Wang, C., and Johnston, H., 2003, A fourth order scheme for incompressible Boussinesq equations: J. Sci. Comp., 18, 253–285.
21
Numerov, B. V., 1924, A method of extrapolation of perturbations: Roy. Astron. Soc. Mon. Notice, 84, 592–601.
22
Ooi, K. S., Constantinescu, G., and Larry, J. W., 2007, 2D large-eddy simulation of lock-exchange gravity current flows at high Grashof numbers: J. Hyd. Eng., 133, 1037–1047.
23
Shin, J. O., and Dalziel, S. B., and Linden, P. F., 2004, Gravity currents produced by lock exchange: J. Fliud Mech., 521, 1–34.
24
Simpson, J. E., 1997, Gravity Currents: in the Environment and the Laboratory: 2nd Edn. Cambridge University press.
25
Simpson, J. E., 1986, Mixing at the front of a gravity current: Acta Mechanica.,63, 245–253.
26
Stommel, H., 1948, The westward intensification of wind drive ocean currents: Trans. Americ. Geophys. Un., 29, 202–1948.
27
Tritton, D. J., 1998, Physical Fluid Dynamics: Oxford university press.
28
Weinan, E. and Liu, J. G., 1996, Essentially compact schemes for unsteady viscous incompressible flows: J. Comput. Phys., 126, 122–138.
29
Wood, I. R., 1970, A lock exchange flow: J. Fluid Mech., 42, 671–787.
30
ORIGINAL_ARTICLE
پیش بینی آماری میانگین ماهانه دمای سطح آب ناحیه شمال غربی اقیانوس هند
پیشبینی میانگین ماهانه دمای سطح آب پهنه شمال غربی اقیانوس هند (10 تا 30 درجه شمالی و 45 تا 76 درجه شرقی) انگیزه بنیادین این مطالعه میباشد. دادههای دمای سطح آب این ناحیه برای 81 گره با ابعاد دو درجه طولی در دو درجه عرضی از بانکهای اطلاعاتی سازمان مدیریت اقیانوسی و جوّی ایلات متحده آمریکا برای دوره زمانی 2007-1997 استخراج شد. با استفاده از روش تحلیل مولفههای اصلی، چهار مولفه اصلی اول که در حدود 98 درصد از کل واریانس دمای سطح آب را شرح میدهند، استخراج شد. مولفههای اصلی اول، دوم، سوم و چهارم بهترتیب 79، 9، 9/5 و 4 درصد از کل واریانس دمای سطح آب در پهنه مورد مطالعه را شرح دادند. این چهار مولفه اصلی بهعنوان چهار ناحیه در منطقه، مورد مطالعه قرار گرفتند. ناحیههای اول، دوم و سوم بهترتیب در محدوده جغرافیایی 16 تا 24 درجه شمالی و 58 تا 72 درجه شرقی، 10 تا 14 درجه شمالی و 48 تا 76 درجه شرقی، و 14 تا 16 درجه شمالی و 50 تا 74 درجه شرقی قرار گرفت. همچنین ناحیه چهارم شامل خلیج فارس شد. معدل مکانی دمای سطح آب هر ناحیه به عنوان نمایه منطقهای انتخاب شد. مدلهای خودوایاز-میانگین متحرک تلفیق شده فصلی (Seasonal Auto Regressive Integrated Moving Average, SARIMA) بهعنوان مدلهای تصادفی برای پیشبینی سریهای زمانی نمایه منطقهای الگوهای دمای سطح آب استفاده شد. مجموعه داده دمای سطح آب در مقیاس ماهانه برای سالهای 2000-1951 و 2007-2001 بهترتیب برای ساختن و ارزیابی مدلهای SARIMA در هر ناحیه بهکار برده شد. بر پایه معیار اطلاعات آکائیک تصحیح شده و معنیدار بودن ضرایب، بهترین مدل خودوایاز-میانگین متحرک تلفیق شده فصلی برای هر ناحیه انتخاب شد. بهعنوان نمونه، مقدار ضریب همبستگی بین مقادیر مشاهده و پیشبینی شده دمای سطح آب ناحیه شمال غرب منطقه مورد با مدل SARIMA (1,1,0)×(1,1,0)12 در دوره آزمون (84 ماه) برابر 94/. بود. همچنین مقدار جذر میانگین توان دوم خطای مربوطه برابر 46/. درجه سلسیوس بود. برای سریهای زمانی دمای سطح آب در تمامی ناحیهها، ضریب همبستگی بین دمای سطح آب مشاهده و پیشبینی شده برای دادههای آزمون بیشتر از 9/. بود.
https://www.ijgeophysics.ir/article_33619_60b29bb78ec9b6b44ea9fc1e38227078.pdf
2016-09-22
66
76
دمای سطح آب
شمال غربی اقیانوس هند
سریهای زمانی
پیشبینی
مرضیه
توکلی
tavakolimarzie88@gmail.com
1
دانشکده کشاورزی، دانشگاه شیراز
AUTHOR
امین
شیروانی
am_shirvani@hotmail.com
2
دانشکده کشاورزی، دانشگاه شیراز
LEAD_AUTHOR
محمدجعفر
ناظم السادات
3
دانشکده کشاورزی، دانشگاه شیراز
AUTHOR
جهاندیده، م.، و شیروانی، ا.، 1390، پیشبینی دمای سطح آب خلیج فارس با استفاده از فرایندهای خودوایاز برداری: مجله مهندسی منابع آب، 4(1)، 53-61.
1
خلیلی، س،. 1386، تاثیر نوسانهای دمای اقیانوس هند بر بارش ایران: پایان نامه کارشناسی ارشد، دانشگاه شیراز، 80 ص.
2
رنجبرسعادت آبادی، ع.، و ایزدی، پ.، 1392، ارتباط بیهنجاریهای دمای آب سطح اقیانوس هند و دریای عرب با بیهنجاریهای بارش نیمه جنوبی ایران: مجله فیزیک زمین و فضا، 39(4)، 135-157.
3
ناظمالسادات، س. م. ج.، و شیروانی، ا.، 1384، پیشبینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مولفه اصلی: مجله علوم و فنون کشاورزی و منابع طبیعی، 3(9)، 1-10.
4
ناظمالسادات، س. م. ج.، و شیروانی، ا.، 1385، پیشبینی بارش مناطق جنوبی ایران با استفاده از دمای سطح آب خلیج فارس و مدلسازی تحلیل همبستگی متعارف: مجله علمی کشاورزی، 29(9)، 65-77.
5
ناظمالسادات، س. م. ج.، قائدامینی، ح.، و توکلی، م.، 1393، ارزیابی نشانههای تغییر اقلیم در پهنه شمال غربی اقیانوس هند: واکاوی روند دمای سطح آب دریا در دوره 1950-2009: مجله ژئوفیزیک ایران، 8(2)، 26-40.
6
ناظمالسادات، س. م. ج.، و شاهقلیان ک.، 1393، چگونگی پدیداری سامانههای بارشزای سنگین در جنوب غربی ایران و پیوند آن با پدیده MJO : مجله آب و خاک دانشگاه فردوسی مشهد، 28(5)، 1072-1083.
7
Box, G. E. P., and Jenkins, G. M., 1976, Time Series Analysis and Forecasting: Holden-Day, San Francisco, CA. Control: Revised edn.
8
Box, G. E. P., Jenkins, G. M., and Reinsel, G. C., 2002, Time series analysis: Forecasting and control. Fourth Edition, John Wiley Publication.
9
Brockwell R. J., and Davis, R. A., 2002, Introduction to Time Series and Forecasting: New York, Springer.
10
Chu, P., and Kats, R. W., 1986, Measures of predictability with applications to the Southern Oscillation: Mon. Wea. Rev., 115(8), 1542–1549.
11
Emery, W., and Thomson, R. E., 1997, Data Analysis Methods in Physical Oceanography: Pergamon Press.
12
Lough, J. M., 1997, Regional indices of climate variation: Temperature and rainfall in Queensland Australia: Int. J. Climatology, 17, 55–66.
13
Landman, W. A., and Mason, S. J., 2001, Forecasts of near-global sea surface temperature using canonical correlation analysis: J. Climate, 14, 3819–3833.
14
Nazemosadat, S. M. J., and Ghaedamini H., 2010, On the relationships between the Madden Julian Oscillation and precipitation variability in southern Iran and the Arabian Peninsula: Atmospheric circulation analysis: J. Climate, 23, 887–904.
15
Nazemosadat, S. M. J., 1996, The Impact of Oceanic–Atmospheric Indices on Rainfall Variability in Iran and Australia: PhD thesis, The University of New South Wales, Sydney.
16
Nicholls, N., 1989, Sea surface temperatures and Australian winter rainfall: J. Climate, 2, 956–973.
17
Preisendorfer, R. M., 1988, Principal Component Analysis in Meteorology and Oceanography: Elsevier Pub., New York.
18
Shumway R. H., and Stoffer, D. S., 2006, Time Series Analysis and its Applications with R Examples: Springer Science and Business Media, LLC.
19
Smith, T. M., Reynolds, R.W., Peterson, C. T. C., and Lawrimore, J., 2008, Improvements to NOAA's historical merged land–ocean surface temperature analysis (1880–2006): J. Climate, 21, 2283–2296.
20
ORIGINAL_ARTICLE
اثر پارامترهای موثر بر جفتشدگی الکترومغناطیس در مطالعات قطبش القایی بسامدی
روش قطبش القائی، روش ژئوفیزیکی اصلی در اکتشاف کانسارهای پورفیری است. روش قطبش القائی طیفی بهعنوان شاخهای از روش قطبش القائی، بهدلیل ارائه اطلاعات بیشتر در ارتباط با بیهنجاری زیرسطحی، در دهههای اخیر بهخصوص در اکتشاف کانسارهای پورفیری، هیدروژئوفیزیک، اکتشافات باستانشناسی، بیوژئوفیزیک و مسائل زیستمحیطی مورد توجه قرار گرفته است.
در این روش، برداشتهای صحرایی بر روی یک گستره بسامدی (معمولاً 1 میلیهرتز تا 10 کیلوهرتز) انجام میشود که بهدلیل اعمال جریان تحریک بسامدی به داخل زمین، اثرات القایی بر روی طیفهای پاسخ اهمی و قطبش زمین مشاهده میشوند (اثر جفتشدگی الکترومغناطیس). بهدلیل بزرگی اثرات القایی و ایجاد خطا بر روی پاسخ الکتریک زمین، محاسبه پاسخ رهبندی (امپدانس) متقابل زمین و جدایش پاسخ الکتریک و الکترومغناطیس زمین ضروری است. مطالعات صورت گرفته به سه طریق: جدایش پاسخ قطبش القایی از دادههای صحرایی، بررسی همزمان هر دو اثر جفتشدگی الکترومغناطیس و قطبش القایی در امپدانس متقابل زمین بهعنوان پاسخ کلی زمین و وارونسازی امپدانس متقابل و درنهایت کاهش اثرات القایی بر دادهها با بهکار بردن چینش مناسب کابلهای جریان الکتریکی در حین برداشت صحرایی انجامشده.
اثر هندسه آرایه الکترودی و رسانایی الکتریکی DC زمین بر نتایج برداشت صحرایی قطبش القایی طیفی بهخوبی شناخته شده است. به هر حال به دلیل این که معادله رهبندی متقابل ارائهشده توسط سوند که پایه مطالعات یادشده میباشد، برای زمین با رسانایی حقیقی بدون قطبش القایی حل شده است، اثر دیگر پارامترهای موثر بر قطبش القایی زمین کمتر بررسی شده است. در این پژوهش، دیگر پارامترهای نیمفضا مانند بارپذیری، ثابت زمانی و ثابت بسامدی (با در نظر گرفتن مدل کول-کول بهعنوان مدل قطبش القایی زمین) در نظر گرفته شده و تاثیر تغییرات آنها بر رهبندی متقابل زمین با ارائه مثالهای نظری و یک مثال واقعی با استفاده از نمودار نایکوئیست بررسی میشود.
نتایج نشان می دهد که اثر جفت شدگی الکترومغناطیس در بسامدهای کمتر از 10 هرتز هم مشاهده میشود. وقتی اختلاف دو ثابت زمانی پراکنش جفتشدگی الکترومغناطیس و ثابت زمانی قطبش القایی کوچک شود، وقتی مقدار ثابت بسامدی c کوچک است و وقتی بارپذیری نیمفضا کوچک باشد، تفکیک این دو پراکنش پیچیده میگردد. از نظر کاربردی این نتایج نشان میدهد که تخمین پاسخ قطبش القایی زمین وقتی کانههای پرفیری با ابعاد ریز وجود دارد، وقتی توزیع دانهبندی کانه در اندیس معدنی وسیع باشد و یا در حالتی که عیار کانه در اندیس معدنی کم است، تفکیک این دو اثر پیچیدهتر و با خطای بیشتر همراه است. همچنین تخمین خصوصیات قطبش القایی زمین در برداشتهای زیستمحیطی بهدلیل کوچک بودن بارپذیری زمین با خطا همراه است.
https://www.ijgeophysics.ir/article_33879_c758064b9b77fb123efa56c5327e87da.pdf
2016-09-22
77
94
قطبش القایی طیفی
اثر جفتشدگی الکترومغناطیس
پارامترهای ذاتی کول-کول و هندسه آرایه الکترودی
نمودار نایکوئیست
کاظم
ملکپور دهکردی
1
دانشکده معدن و متالورژی، دانشگاه یزد
AUTHOR
احمد
قربانی
aghorbani@yazd.ac.ir
2
دانشکده معدن و متالورژی، دانشگاه یزد
LEAD_AUTHOR
Abdel Aal, G. Z., Slater, L. D., and Atekwana, E. A., 2006, Induced-polarization measurements on unconsolidated sediments from a site of active hydrocarbon biodegradation: Geophysics, 71(2), H13–H24.
1
Attwa, M., and Günther, T., 2013, Spectral induced polarization measurements for environmental purposes and predicting the hydraulic conductivity in sandy aquifers: Hydrology and Earth System Sciences, 10, 5315–5354, doi: 10.5194/hessd-10-5315-2013.
2
Binley, A., Slater, L. D., Fukes, M., and Cassiani, G., 2005, Relationship between spectral induced polarization and hydraulic properties of saturated and unsaturated sandstone: Water Resources Research, 41, W12417.
3
Bhattacharyya, B. K., 1957, Propagation of an electric pulse through a homogeneous and isotropic medium: Geophysics, 22, p. 905.
4
Brown, R. J., 1985, EM coupling in multifrequency IP and a generalization of the Cole–Cole impedance model: Geophys. Prospect., 33, 282–302.
5
Cole, K. S., and Cole, R. H., 1941, Dispersion and absorption in dielectrics, J. Chem. Phys., 9, 341–351.
6
Cooley, J. M., and Tukey, J. M., 1965, An algorithm for the machine calculation of comnlex Fourier series: Math. of Comput., 19, p. 297.
7
Dey, A., and Morrison, H. F., 1973, EM coupling in frequency and time-domain induced-polarization surveys over a multilayered Earth: Geophysics, 38, 380–405, doi: 10.1190/1.1440348.
8
Foster, R. N., 1933, Mutual impedance of grounded wires lying on or above the surface of the earth: Bell System Tech. J., 12,
9
Gasperikova, E., and Morrison, H. F., 2001, Mapping of induced polarization using natural fields: Geophysics, 66, 137–147.
10
Ghorbani, A., Camerlynck, C., and Florsch, N., 2009, CR1Dinv: A Matlab program to invert 1D Spectral Induced Polarization data for Cole–Cole model including electromagnetic effects: Computers and Geosciences, 35, 255–266.
11
Ingeman-Nielsen, T., and Baumgartner, F., 2006a, Numerical modeling of complex resistivity effects on a homogenous half-space at low frequencies: Geophysical Prospec, 54, 261–271.
12
Ingeman-Nielsen, T., and Baumgartner, F., 2006b, CR1Dmod: A Matlab program to model 1D complex resistivity effects in electrical and EM surveys: Computers and Geosciences, 32, 1411–1419.
13
Hallof, P. G. and Pelton, H., 1980, Spectral IP survey of Hura deposit (line 50 800 N) Cobar, NSW: In the Geophysics of the Elura Orebody, Cobar, New South Wales (ed. Emerson, D.W.), The Australian Society of Exploration Geophysicists (ASEG), Australia, 54–58.
14
Hohmann, G. W., 1970, Electromagnetic coupling between grounded wires at the surface of a two-layer earth: personal communication.
15
Katsube, T. J., Collett, L. S., 1973, Electrical characteristic differentiation of sulphide minerals by laboratory techniques: Geophysics, 38, 1207.
16
Kay, A. E., 1981, The effects of Low Temperature on the Induced Polarization Response of Mississippi Valley-type Ore Samples: MSc thesis, University of Calgary.
17
Kay, A . E., and Duckwortkh., 1983, The effect of permafrost on the IP response of lead zinc ores: J. Canadian Soc. Exploration Geophysicists, 19, 75–83.
18
Kemna, A., Binley, A. and Slater, L., 2004, Crosshole IP imaging for engineering and environmental applications: Geophysics, 69, 97–107.
19
Klein, J. D., and Sill, W. R., 1982, Electrical properties of artificial clay-bearing sandstone: Geophysics, 47(11), 1593–1605.
20
Luo, Y., and Zhang, G., 1998, Theory and Application of Spectral Induced Polarization: Geophysical Monograph Series.
21
Madden, T. R., and Cantwell, T., 1967, Induced polarization, A review: in Sumner, J. S., ed., Mining Geophysics, Vol. II, SEG, 373–400.
22
Major, J. and Silic, J, 1981, Restrictions on the use of Cole–Cole dispersion models in complex resistivity interpretation: Geophysics, 46, 916–931.
23
Marshall, D. J., and Madden, T. R., 1959, Induced polarization — A study of its causes: Geophysics, 24, 790–816.
24
Millett, F. B., 1967, Electromagnetic coupling of collinear dipoles on a uniform half-space: in Mining Geophysics, 2, Tulsa, SEG.
25
Morrison, H. F., Phillips, R. J., and O’Brien, D. P., 1969, Quantitative interpretation of transient electromagnetic fields over a layered half-space: Geophysical Prospect, 17, p. 82.
26
Pelton, .H., Hallofp, G., and Smithr, J., 1972, Parameters to describe second order IP effects in the frequency domain: McPhar Geophysics Ltd, Toronto.
27
Pelton, H., Smithb, D., and Sill, W. R., 1977, Interpretation of complex resistivity and dielectric data: Phoenix Geophysics Ltd, Willowdale (Toronto).
28
Pelton, W. H., Ward, S. H., Hallof, P. G., Sill, W. R. and Nelson, P. H., 1978, Mineral discrimination and removal of inductive coupling with multifrequency IP: Geophysics, 43(3), 588–609.
29
Revil, A., Schmutz, M., and Batzle, M., 2011, Influence of oil wettability upon spectral induced polarization of oil-bearing sands: Geophysics, 76(5), A31–A36, doi: 10.1190/geo2011-0006.1.
30
Riordan, J., and Sunde, E. D., 1933, Mutual impedance of grounded wires for stratified two-layer earth: Bell System Tech. J., 12,
31
Routh, P. S. and Oldenburg, D. W., 2001, Electromagnetic coupling in frequency-domain induced polarization data: A method for removal: Geophys. J. Int., 145, 59–76.
32
Schmutz, M., Ghorbani, A., Vaudelet, P., and Blondel, A., 2014, Cable arrangement to reduce electromagnetic coupling effects in spectral-induced polarization studies: Geophysics, 79(2), A1–A5. doi: 10.1190/geo2013-0301.1
33
Van Voorhis, G. D., Nelson, P. H. and Drake, T. L., 1973, Complex resistivity spectra of porphyry copper mineralization: Geophysics, 38, 49–60.
34
Sunde, E. D. 1949, Earth Conduction Effects in Transmission Systems: Van Nostrand, NewYork.
35
Vanhala, H., 1997a, Laboratory and Field Studies of Environmental and Exploration Applications of the Spectral Induced Polarization (SIP) Method: PhD thesis, Geological survey of Finland.
36
Vanhala, H., 1997b, Mapping oil-contaminated sand and till with the Spectral Induced Polarization (SIP) method: Geophys. Prospect., 45, 303–326.
37
Wait, J. R., 1951, The magnetic dipole over the horizontally stratified earth: Can. J. of Physics, 29, p. 577.
38
Wait, J. R., and Gruszka, T. P., 1986, On electromagnetic coupling removal from induced polarization surveys: Geoexploration, 24, 21–27.
39
Wong, J., 1979, An electrochemical model of the induced-polarization phenomenon in disseminated sulfide ores: Geophysics, 44, 1245–1265.
40
Wynn, J. C., and Zonge, K. L., 1977, Electromagnetic coupling: Geophys. Prospect., 25, 29–51.
41
ORIGINAL_ARTICLE
ارزیابی دقت دادههای بارش مرکز اقلیمشناسی بارش جهانی بر روی ایران
برای انجام این پژوهش دادههای بارش ماهانه سه پایگاه مرکز اقلیمشناسی بارش جهانی (GPCC)، اسفزاری و ایستگاههای همدیدی بر روی ایران طی بازه زمانی 1962 تا 2010 استفاده شد. برای سنجش دقت مقادیر برآوردی بارش پایگاه داده GPCC ابتدا بهکمک تابع نزدیکترین همسایه تفکیک مکانی همسانسازی شد. رویکرد تراکم بیشتر به تراکم کمتر برای گزینش یاختههای مکانی و مقایسه پایگاهها بهکار گرفته شد. از هفت نمایه واکاوی ارزیابی دقت مقادیر بارش در ابعاد زمان و مکان استفاده شد. یافتههای حاصل از این پژوهش بیانگر هماهنگی و همبستگی زمانی بسیار بالای بارش برآورد شده این پایگاه با دو پایگاه داده ملی اسفزاری و ایستگاهی است. کاربست شاخصهای ارزیابی دقت بر روی سری زمانی مقادیر بارش پایگاه داده GPCC نشان داد که علاوه بر هماهنگی زمانی در افتوخیزهای بارش، مقادیر بارش برآوردشده این پایگاه بسیار نزدیک به مقادیر بارش مشاهده و ثبت شده است. اگرچه در برخی مناطق مقادیر بارش برآورد شده همراه با اُریبی است ولی نسبت خطای مقادیر برآوردشده به مقدار کل بارش مشاهدهشده بسیار کوچک است. از لحاظ پراکنش مکانی دقت این پایگاه در برآورد بارش بر روی نیمه غربی رشته کوههای زاگرس و شمالشرق کشور بیشینه است. بر روی اینگونه مناطق شاخص توافق و ضریب تعیّن نزدیک به عدد یک است. بیشترین مقدار شاخص ریشه دوم میانگین مربعات خطای نسبی در مناطق بسیار خشک مرکزی و بیابان لوت مشاهده میشود. در مناطق پُربارش میزان شاخص یادشده بهنسبت بسیار کوچکتر است. از لحاظ زمانی بیشترین هماهنگی در سری زمانی مقادیر بارش برآوردشده این پایگاه با دو پایگاه ملی اسفزاری و ایستگاهی در ماههای پربارش دیده میشود. برپایه یافتههای حاصل از شاخص کارآیی ناش–ساتکلیف میتوان گفت که کاربست و کارآیی مقادیر بارش برآورد شده این پایگاه بسیار بهتر از بهکارگیری مقادیر میانگین بارش بر روی اغلب گستره ایران زمین است. یافتههای این پژوهش تأییدی بر یافتههای سایر پژوهشگران در ارتباط با دقت بالای مقادیر بارش برآورد شده پایگاه GPCC است.
https://www.ijgeophysics.ir/article_33880_8a57f9e19cf1ebe23072121dc58644a8.pdf
2016-09-22
95
113
پایگاه داده
GPCC
بارش
ایران
محمد
دارند
m.darand@uok.ac.ir
1
دانشکده منابع طبیعی، دانشگاه کردستان
LEAD_AUTHOR
سوما
زندکریمی
2
دانشکده منابع طبیعی، دانشگاه کردستان
AUTHOR
مسعودیان، سا.، کیخسروکیانی، م.، و رعیتپیشه، ف.، 1393، معرفی و مقایسه پایگاه داده اسفزاری با پایگاه GPCC، GPCP و CMAP: فصلنامه تحقیقات جغرافیایی، 29(1) ، 73–88 .
1
Belo-Pereira, M., Dutra, E., and Viterbo, P., 2011, Evaluation of global precipitation data sets over the Iberian Peninsula: J. Geophys. Res., Atmospheres, 116, D20101, doi: 10.1029/2010JD015481.
2
Bosilovich, M. G., Chen, J., Robertson, F. R., and Adler, R. F., 2008, Evaluation of global precipitation in reanalyses: J. Applied Meteorology and Climatology, 47(9), 2279-2299.
3
Chokngamwong, R., and Chiu, L. S., 2004, Comparisons of daily Thailand rain gauge with GPCC and TRMM satellite precipitation measurements: in the 2nd TRMM International Science Conference.
4
Cohen Liechti, T., Matos, J. P., Boillat J. L., and Schleiss, A. J., 2012, Comparison and evaluation of satellite derived precipitation products for hydrological modeling of the Zambezi River Basin: Hydrol. Earth Syst. Sci., 16, 489–500.
5
Dinku, T., Connor, S. J., Ceccato, P., and Ropelewski, C. F., 2008, Comparison of global gridded precipitation products over a mountainous region of Africa: International J. Climatology, 28(12), 1627–1638.
6
Junzhi, L., A-Xing, Zh., and Zheng, D., 2012, Evaluation of TRMM 3B42 precipitation product using rain gauge data in Meichuan Watershed, Poyang Lake Basin, China: J. Resour. Ecol., 3(4), 359–366.
7
Katiraie-Boroujerdy, S.P., Nasrollahi, N., Hsu, KL., and Sorooshian, S., 2016, Quantifying the reliability of four global datasets for drought monitoring over a semiarid region: Theor. Appl. Climatol., 123, 387-398.
8
Kessler, E., and Neas, B., 1994, On correlation with application to the radar reengage measurement of rainfall: Atmos. Res., 34, 217–229.
9
Kidd, C., and Huffman, G., 2011, Global precipitation measurement: Meteor. Appl., 18, 334–35.
10
Legates, D. R., and Davis, R. E., 1997, The continuing search for an anthropogenic climate change signal: Limitations of correlation-based approaches: Geophys. Res. Lett., 24, 2319–2322.
11
Legates, D. R., and McCabe Jr., G. J., 1999, Evaluating the use of ‘‘goodness-of-fit’’ measures in hydrologic and hydroclimatic model validation: Water Resour. Res., 35 (1), 233–241.
12
Lin, R., Zhou, T., and Qian, Y., 2014, Evaluation of global monsoon precipitation changes based on five reanalysis datasets: J. Climate., 27, 1271–1289.
13
Moore, D. S., 1991, Statistics Concepts and Controversies, New York.
14
Nash, J. E., and Sutcliffe, J. V., 1970, River flow forecasting through conceptual models, I. A discussion of principles: J. Hydrol., 10, 282–290.
15
Nicholson, S.E., 1986, The spatial coherence of African rainfall anomalies: Interhemispheric teleconnections: J. Climate. Appl. Meteor., 25,1365–1381.
16
Nicholson, S.E., 1993, An overview of African rainfall fluctuations of the last decade: J. Climate., 6,1463–1466.
17
Nicholson, S.E., 2008, The intensity, location and structure of the tropical rainbelt over West Africa as a factor in interannual variability: Int. J. Climatology, 28,1775–1785.
18
Prakash, S., Mahesh, C., and Gairola, R. M., 2011, Large-scale precipitation estimation using Kalpana-1 IR measurements and its validation using GPCP and GPCC data: Theor. Appl. Climatol., 106(3-4), 283–293.
19
Raziei, T., Bordi, I., and Pereira, L. S., 2011, An application of GPCC and NCEP/NCAR datasets for drought variability analysis in Iran: Water Resources Management, 25(4), 1075–1086.
20
Rudolf, B., Hauschild, H., Rueth, W., and Schneider, U., 1994, Terrestrial precipitation analysis: Operational method and required density of point measurements: Global precipitations and climate change: Springer Berlin Heidelberg, 26, 173-186.
21
Shneider, U., Becker, A., Finger, P., Meyer-Christofer, A., Ziese, M., and Rudolf, B., 2014, GPCC's new land surface precipitation climatology based on quality-controlled in situ data and its role in quantifying the global water cycle: Theor. Appl. Climatol., 115, 15–40.
22
Silva, V. B. S., Kousky, V. E., and Higgins, R. W., 2011, Daily precipitation statistics for South America: An intercomparison between NCEP reanalyses and observations: J. Hydrometeorology, 12, 101–117.
23
Sohn, S.-J., Tam, C.-Y., Ashok, K., and Ahn, J.-B., 2012, Quantifying the reliability of precipitation datasets for monitoring large-scale East Asian precipitation variations: International J. Climatology, 32, 1520–1526.
24
Sylla, M. B., Giorgi, F., Coppola, E., and Mariotti, L., 2013, Uncertainties in daily rainfall over Africa: Assessment of gridded observation products and evaluation of a regional climate model simulation: International J. Climatology, 33, 1805–1817.
25
Takahashi, K., Yamazaki, N., and Kamahori, H., 2006, Trends of heavy precipitation events in global observation and reanalysis datasets: SOLA, 2, 96–99.
26
Tong, K., Su, F., Yang, D., Zhang, L., and Hao, Z., 2014, Tibetan Plateau precipitation as depicted by gauge observations, reanalyses and satellite retrievals: International J. Climatology, 34, 265–285.
27
Wilcox, B. P., Rawls, W. J., Brakensiek, D. L., and Wight, J. R., 1990, Predicting runoff from rangeland catchments: A comparison of two models: Water Resour. Res., 26, 2401–2410.
28
Willmott, C. J., 1981, On the validation of models: Phys. Geogr., 2, 184–194.
29
Zhu, X., Zhang, M., Wang, S., Qiang, F., Zeng, T., Ren, Z., and Dong, L., 2015, Comparison of monthly precipitation derived from high-resolution gridded datasets in arid Xinjiang, central Asia: Quaternary International, 358, 160–170.
30
ORIGINAL_ARTICLE
بررسی اثر کلاتر زمین در بروز بازتابندگی کاذب در تولیدات رادار هواشناسی گیلان
بررسی تولیدات رادار هواشناسی گیلان (PPI و SRI) در بازه زمانی پاییز و زمستان 1393 نشاندهنده وجود نوعی خطا در این دادهها است که بهصورت گستردهای موجب بروز بازتابندگی کاذب در آنها شده است، تا آنجا که میانگین روزانه بازتابندگی کاذب در محل ایستگاه هواشناسی لاهیجان به dBZ 47 میرسد. در پژوهش حاضر نقش کلاتر زمین در بروز بازتابندگی کاذب در این سامانه راداری مورد بررسی قرار گرفت. روش مورد استفاده برای اینکار مطالعه همپوشانی نقشه انسداد پرتو رادار و نقشه میانگین بازتابندگی کاذب بهازای تغییر در زاویه ارتفاع آنتن رادار است. نتایج نشان داد که کلاتر زمین عامل اصلی بروز بازتابندگی کاذب در 34/75% از پیکسلهای تصویر است. همچنین مقدار واقعی زاویه ارتفاع آنتن رادار با مقایسه میانگین فاصله پیکسلهای حاوی انسداد پرتو و پیکسلهای حاوی بازتابندگی کاذب از محل نصب رادار برابر با °20/0- تعیین شد. در نظر گرفتن بازههای مکانی دوناتشکل با شعاع 5 کیلومتر حول آنتن رادار و نحوه استفاده از آن برای تعیین مقدار واقعی زاویه ارتفاع آنتن از جمله نوآوریهای صورت گرفته در این پژوهش است. در ادامه، با توجه به ضرورت وجود معیاری برای قضاوت راجع به میزان اثربخشیِ اقدامات صورت گرفته برای تضعیف خطای کلاتر زمین در محصولات رادار هواشناسی گیلان، روشی بر مبنای همبستگی میان ارتفاع بارش 24 ساعته راداری و مقادیر متناظر ایستگاهیِ آن توسعه یافته است که میتوان بهکمک آن بیشینه خطای قابل چشمپوشیِ کلاتر زمین را، با استفاده از رابطه بهدست آورد. مقادیر عددی حاصل از این روش بر حسب dBZ در ایستگاههای رشت (فرودگاه)، رشت (کشاورزی)، بندر انزلی، تالش، لاهیجان، جیرنده، ماسوله، دیلمان و منجیل بهترتیب برابر با 748/3-، 638/1-، 074/6-، 952/14، 611/3-، 482/1-، 466/12، 872/4 و 852/6 محاسبه شد. همچنین مقدار dBZ 536/9 برای کل ایستگاهها بهصورت توأمان بهدست آمد که با توجه به پراکندگی ایستگاههای مورد مطالعه میتواند به کل تصویر رادار تعمیم یابد. نتایج نشان میدهد که با وجود قابل توجه بودنِ میانگین خطای کلاتر در روزهای خشک (بدون بارندگی)، همبستگی نزدیکی بین ارتفاع بارش 24 ساعته راداری و مقادیر متناظر ایستگاهی آن وجود دارد، بهگونهای که ضریب این همبستگی در 7 ایستگاه رشت (فرودگاه)، رشت (کشاورزی)، بندر انزلی، لاهیجان، جیرنده، دیلمان و منجیل در سطح 1% معنیدار است و در دو ایستگاه تالش و ماسوله نیز مقادیر بالایی برای ضریب همبستگی بهدست آمده است. بنابراین میتوان نتیجه گرفت که وجود کلاتر در تولیدات رادار هواشناسی گیلان در تاریخهای مورد بررسی منعی بر قابلیت کاربرد و پژوهش بر این دادهها ایجاد نمیکند، هرچند استفاده از آنها نیازمند به دقتی مضاعف است.
https://www.ijgeophysics.ir/article_33623_0c11806af251586dc10d8f0257f25341.pdf
2016-09-22
114
127
رادار هواشناسی داپلر
کلاتر زمین
بازتابندگی
زاویه ارتفاع آنتن
گیلان
سعید
اوجاقلو شهابی
saeedojaghloo@yahoo.com
1
دانشگاه گیلان
AUTHOR
مجید
وظیفه دوست
2
گروه مهندسی آب، دانشگاه گیلان
LEAD_AUTHOR
افشین
اشرف زاده
3
گروه مهندسی آب، دانشگاه گیلان
AUTHOR
جواد
بداق جمالی
4
دانشکده محیط زیست
AUTHOR
آخوندعلی، ع.، رادمنش، ف.، میرزایی، س.، و شریفی، م.، 1392، ارزیابی و بهبود عدم قطعیتهای موجود در دادههای رادار اهواز با تأکید بر کالیبراسیون رابطه Z-R: مجله زمینشناسی کاربردی پیشرفته، 9، 31–42.
1
طوفانینژاد، ز.، کمالی، غ.، و علیزاده، م.، 1388، کاربرد رادارهای هواشناسی باند X در برآورد میزان بارندگی در حوضههای کوچک: مجله آب و خاک (علوم و صنایع کشاورزی)، 23 (1)، 57–67.
2
قرابیگلی، ف.، 1392، ریزمقیاس کردن دادههای ماهوارهای TRMM و مقایسه آن با دادههای رادار هواشناسی داپلر در مناطق ساحلی دریای خزر: پایاننامه کارشناسی ارشد آبیاری و زهکشی، دانشکده علوم کشاورزی، دانشگاه گیلان.
3
مهدوی، م.، 1384، هیدرولوژی کاربردی (جلد اول): مؤسسه انتشارات و چاپ دانشگاه تهران، 342 صفحه.
4
وحدانی، ا.، 1392، هوا و اقلیمشناسی، نشر آییژ، 576 صفحه.
5
Chrisman, J. N., Rinderknecht, D. M., and Hamilton, R. S., 1995, WSR-88D clutter suppression and its impact on meteorological data interpretation: First WSR-88D user’s conference, Norman, Oklahoma, USA, WSR-88D operational support facility, 1994.
6
Ciach, G. J., and Krajewski, W. F., 2006, Analysis and modeling of spatial correlation structure in small-scale rainfall in Central Oklahoma: Advances in Water Resources, 29, 1450–1463.
7
Fang, F., 2004, Raindrop Size Distribution Retrieval and Evaluation Using an S-Band Radar Profiler: MSc thesis, Department of Electrical and Computer Engineering, University of Central Florida, Orlando, Florida, 118 pp.
8
Friedrich, K., and Germann, U., 2009, Influence of ground clutter contamination on polarimetric radar parameters: J. Atmospheric and Oceanic Technology, 26, 251–269.
9
Gerstner, T., Meetschen, D., Crewell, S., Griebel, M., and Simmer, C., 2002, Case study: Visualization of local rainfall from weather radar measurements: University of Bonn. 2001. (Sited in: http://wissrech.iam.uni-bonn.de/research/pub/gerstner/meteo.pdf, 21/01/2015).
10
Hubbert, J. C., Dixon, M. and Ellis, S. M., 2009, Weather radar ground clutter. Part II: Real-time identification and filtering: J. Atmospheric and Oceanic Technology, 26, 1181–1197.
11
Skolnik, M. I., 2008, Radar Handbook (third edition), McGraw-Hill, 1352 pp.
12
Torres, S. M., and Zrnic, D. S., 1999, Ground clutter canceling with a regression filter: J. Atmospheric and Oceanic Technology, 16, 1364–1372.
13
van de Beek, C. Z., Leijnse, H., Stricker, J. N. M., Uijlenhoet, R., and Russchenberg, H. W. J., 2010, Performance of high-resolution X-band radar for rainfall measurement in the Netherlands: Hydrology and Earth System Sciences, 14, 205–221.
14
Yuter, S. E., 2003, Precipitation radar: Department of Atmospheric Sciences, University of Washington, 42 pp.
15
ORIGINAL_ARTICLE
شناسایی مناطق همگن بارشی ایران با استفاده از روش تحلیل مولفههای اصلی
شناسایی مناطق همگن از نظر هموردایی زمانی بارش برای مدیریت بهینه منابع آب و مدیریت ریسک خشکسالی بسیار ضروری است. از اینرو، بهمنظور شناسایی مناطق همگن بارشی ایران از نظر هموردایی زمانی از دادههای بارش ماهانه 155 ایستگاه همدیدی پراکنده در سطح کشور در دوره آماری 1990 تا 2014 استفاده شد. با انجام آرایه S تحلیل مولفههای اصلی بر روی ماتریس بارش ماهانه ایستگاههای مورد استفاده تعداد 5 مولفه اول برای مطالعه بیشتر انتخاب و سپس به روش وریمکس چرخانده شدند تا ساختار فضایی موجود در دادهها بهتر هویدا شود. سپس با استفاد از قانون بیشینه بارگویه مولفههای انتخابی بر روی ایستگاههای مورد مطالعه، پنج منطقه همگن بارشی خزری، منطقه بارشی شمالغربی، منطقه بارشی غربی، منطقه بارشی مرکزی-شرقی و منطقه بارشی مرکزی-شمالشرقی برای ایران شناسایی شد. منطقه بارشی خزری با بیشینه پاییزه و توزیع تقریباً مناسب بارش در طی سال کرانههای دریای خزر و دامنههای شمالی البرز را دربرمیگیرد. منطقه بارشی شمالغربی نیز با بیشینه بارش در بهار استانهای اردبیل، آذربایجان شرقی- غربی و زنجان را شامل میشود. منطقه بارشی غربی نیز با بیشینه بارش در ژانویه منطقه کوهستانی البرز و زاگرس و جلگه خوزستان در جنوبغرب کشور را دربرمیگیرد. بخش بسیار بزرگی از ایران در مرکز، جنوب و شرق کشور نیز در منطقه بارشی مرکزی-شرقی قرار میگیرد که بیشینه بارش خود را در ژانویه دریافت میکند. پنجمین منطقه بارشی کشور نیز دشت کویر و شمالشرق کشور را شامل میشود که بیشینه بارش خود را در ماه مارس دریافت میکند. مناطق بارشی شناسایی شده در این پژوهش بهخوبی از روند مکانی ناهمواریهای ایران پیروی میکنند و با واقعیتهای جغرافیایی مناطق مختلف کشور هماهنگ هستند. نتایج بهدست آمده میتواند مدیران منطقهای منابع آب کشور را در مدیریت هرچه بهینهتر منابع آب در کشور یاری کند.
https://www.ijgeophysics.ir/article_33624_f01d5e5088520c3468f559ed77d3e920.pdf
2016-09-22
128
144
مناطق همگن بارشی
آرایه S تحلیل مولفههای اصلی
مدهای هموردایی
ایران
طیب
رضیئی
tayebrazi@yahoo.com
1
پژوهشکده حفاظت خاک و آبخیزداری
LEAD_AUTHOR
جهانبخشاصل، س.، و ذوالفقاری، ح.، 1381، بررسی الگوهای همدیدی بارشهای روزانه در غرب ایران: فصلنامه تحقیقات جغرافیایی، شماره پیاپی 63 و 64، 234-258.
1
خلیلی، ع.، حجام، س.، و ایراننژاد، پ.، 1370، تقسیمات آب و هوایی ایران: انتشارات وزارت نیرو، طرح جامع آب کشور (جاماب)، 259 صفحه و یک نقشه با مقیاس یک میلیونیم.
2
ذوالفقاری ، ح.، و ساریصراف، ب.، 1378، بررسی بارشهای شمال غرب ایران با تاکید بر تحلیل خوشه ای: مجله آب و توسعه، 7 (3-2)، 134-142.
3
رضیئی، ط. و فتاحی، ا.، 1390، ارزیابی کاربرد داده های بارش NCEP/NCAR در پایش خشکسالی ایران: فیزیک زمین و فضا، 37(2)، 225-247.
4
عدل، ا. ح.، 1339، آب و هوای ایران: انتشارات دانشگاه تهران.
5
گنجی، م.ح.، 1353، 32 مقاله جغرافیایی: موسسه جغرافیایی و کارتوگرافی سحاب، تهران، 101-139.
6
مسعودیان، س. ا.، و عطایی، ه.، 1384، شناسایی فصول بارشی ایران به روش تحلیل خوشهای: مجله پژوهشی دانشگاه اصفهان (علوم انسانی)، 8 (1)، 1-12.
7
Ahmed, S. M., Hussain, M., and Abderrahman, W., 2005, Using multivariate factor analysis to assess surface/logged water quality and source of contamination at a large irrigation project at Al-Fadhli, eastern province, Saudi Arabia: Bull. Eng. Geol. Environ., 64, 319–327.
8
Chen, L. J, Chen, D. L., Wang, H. J., Yan, J. H., 2009, Regionalization of precipitation regimes in China: Atmospheric and Oceanic Science Letters, 2(5), 301−307.
9
Comrie, A. C., and Glenn, E. C., 1998, Principal components-based regionalization of precipitation regimes across the southwest United States and northern Mexico, with an application to monsoon precipitation variability: Clim. Res., 10, 201−215.
10
De Martonne, E., 1926, Aréisme et indice artidite: Comptes Rendus de L’Acad Sci, Paris, 182, 1395–1398.
11
DeGaetano, A. T., 1996, Delineation of mesoscale climate zones in the northeastern United States using novel approach to cluster analysis: J. Climate, 9, 1765−1782.
12
Dinpashoh, Y., Fakheri-Fard, A., Moghaddam, M., Jahanbakhsh, S., and Mirnia, M., 2004, Selection of variables for the purpose of regionalization of Iran’s precipitation climate using multivariate methods: J. Hydrology, 297, 109–123.
13
Domroes, M., Kaviani, M., and Schaefer, D., 1998, An analysis of regional and intra-annual precipitation variability over Iran using multivariate statistical methods: Theor. Appl. Climatol., 61, 151−159.
14
Ehrendorfer, M., 1987, A regionalisation of Austria’s precipitation climate using principal component analysis: Int. J. Climatol., 7, 71–89.
15
Fernández Mills, G., 1995, Principal Component Analysis of precipitation and rainfall regionalization in Spain: Theor. Appl. Climatol., 50(3), 169−183.
16
Fovel, R. G., and Fovel, M. C., 1993, Climate zones of coterminous United States defined using cluster analysis: J. Climate, 6, 2103−2135.
17
Green, M. C., Flocchini, G., and Myrup, L. O., 1993, Use of temporal principal components analysis to determine seasonal periods: J. Appl. Meteorol., 32(5), 986−995.
18
Janowalk, J. E., 1988, An investigation of interannual rainfall variability in Africa: J. Climate, 1, 240−255.
19
Kansakar, S. R., Hannah, D. M., Gerrard, A. J., and Rees, G., 2004, Spatial pattern in the precipitation regime of Nepal: Int. J. Climatol., 24, 1645–1659.
20
Köppen, W., 1936, Das geographische system der climate: in: Köppen, W., and Geiger, R., (eds) Handbuch der Klimatologie, Gebrüder Borntraeger, Berlin, 1−44.
21
Lolis, C. J., Bartzokas, A., Metaxas, D. A., 1999, Spatial covariability of the climatic parameters in the Greek area: Int. J. Climatol., 19, 185−196.
22
Miller, J. A., Goodrich, G. B., 2007, Regionalization and trends in winter precipitation in the northwestern USA: Climate Res., 33, 215−227.
23
Modarres, R., 2006, Regional precipitation climates of Iran: J. Hydrology (NZ), 45(1), 15−29.
24
Modarres, R., and Sarhadi, A., 2011, Statistically-based regionalization of rainfall climates of Iran: Global and Planetary Change, 75, 67–75.
25
North, G. R., Bell, T. L., and Cahalan, R. F., 1982, Sampling errors in the estimation of empirical orthogonal functions: Mon. Wea. Rev., 110, 699–706.
26
Raziei, T., Bordi I., and Pereira, L.S., 2008, A precipitation-based regionalization for Western Iran and regional drought variability: Hydrol. Earth Syst. Sci., 12, 1309–1321.
27
Raziei, T., Bordi, I., and Pereira, L. S., 2011, An application of GPCC and NCEP/NCAR datasets for drought variability analysis in Iran: Water Resour. Manage., 25, 1075–1086.
28
Raziei, T., Bordi, I., and Pereira, L. S., 2013, Regional drought modes in Iran using the SPI: The effect of time scale and spatial resolution: Water Resour. Manage., 27, 1661–1674.
29
Raziei, T., Mofidi, A., Santos, J. A., and Bordi, I., 2012, Spatial patterns and regimes of daily precipitation in Iran in relation to large-scale atmospheric circulation: Int. J. Climatol., 32, 1226–1237.
30
Reghunath, R., Sreedhara Murthy, T. R., and Raghavan, B. R., 2002, The utility of multivariate statistical techniques in hydrogeochemical studies: An example from Karnataka, India: Water Research, 36, 2437−2442.
31
Richman, M. B., 1981, Obliquely rotated principal components: An improved meteorological map typing technique: J. Appl. Meteo., 20, 1145−1159.
32
Richman, M. B., 1986, Rotation of principal components, J. Climatol., 6, 293−335.
33
Saris, F., Hannah, D. M., and Eastwood, W. J., 2010, Spatial variability of precipitation regimes over Turkey: Hydrological Sci. J., 55(2), 234−249.
34
Shen, S. S. P., Wied, O., Weithmann, A., Regele, T., Bailey, B. A., and Lawrimore, J. H., 2015, Six temperature and precipitation regimes of the contiguous United States between 1895 and 2010: A statistical inference study: Theor. Appl. Climatol., DOI: 10.1007/s00704-015-1502-2.
35
Sheskin, D., 2007, Handbook of Parametric and Nonparametric Statistical Procedures: Chapman & Hall/CRC, 1736 pp.
36
Singh, K. K., and Singh, S. K., 1996, Space-time variation and regionalization of seasonal and monthly summer monsoon rainfall of the sub-Himalayan region and Gangetic plains of India: Clim. Res., 6, 251−262.
37
Thornthwaite, C. W., 1948, An approach toward a rational classification of climate: Geographical Review, 38(1), 55–94.
38
Todhunter, P. E., Mearns, L. O., Terjung, W. H., Hayes, J. T., and Ji, H. Y., 1989, Effects of monsoonal fluctuations on grains in China. Part I: Climatic conditions for 1961–1975: J. Climate, 2, 5−17.
39
Unal, Y., Kindap, T., and Karaca, M., 2003, Redefining the climate zones of Turkey using cluster analysis: Int. J. Climatol., 23(9), 1045–1055.
40
Wang, W., Chen, X., Shi, P., and van Gelder, P. H. A. J. M., 2008, Detecting changes in extreme precipitation and extreme streamflow in the Dongjiang River Basin in southern China: Hydrol. Earth Syst. Sci., 12, 207–221.
41
Yarnal, B., 1993, Synoptic Climatology in Environmental Analysis: A Primer: Belhaven Press, London, UK.
42