نوع مقاله : مقاله پژوهشی

نویسندگان

• خلیل قربانی
• ابوطالب هزارجریبی
• مهدی ذاکری‌نیا
• ابراهیم اسعدی اسکوئی

.

چکیده

از روش‌های ترسیم نقشه‌های هم‌بارش،‏ استفاده از روابط رگرسیونی بین بارش با عوامل جغرافیایی مؤثر بر تغییرات مکانی آن است که خود به چند روش مختلف امکان‌پذیر است. بر این اساس تحقیقی صورت گرفت تا مقایسه‌ای بین روش‌های رگرسیونی سراسری مانند چند جمله‌ای سراسری و رگرسیون معمولی حداقل مربعات با روش‌های رگرسیون موضعی مانند چند جمله‌ای موضعی و رگرسیون وزن‌دار جغرافیایی و همچنین روش رگرسیون درخت تصمیم انجام شود و دقت آن‌ها ارزیابی شود. در انجام این تحقیق از آمار میانگین 20 ساله بارش سالانه 185 ایستگاه هواشناسی واقع در استان گیلان و مجاورت آن استفاده و به کمک پارامترهای دیگر مانند ارتفاع از سطح دریا و موقعیت نقاط نسبت به دریا،‏ تغییرات مکانی بارش مدل‌سازی شد. نتایج حاصل از تکنیک اعتبارسنجی تقابلی نشان داد که روش رگرسیون وزن‌دار جغرافیایی با 87=R² درصد،‏ 147=RMSE میلی‌متر از بهترین دقت نسبت به سایر روش‌های رگرسیونی مورد مطالعه برخوردار است و می‌تواند روش مناسبی در ترسیم نقشه‌های هم‌بارش در منطقه مطالعاتی به حساب آید.

کلیدواژه‌ها

• رگرسیون وزن‌دار جغرافیایی
• رگرسیون درخت تصمیم
• هم‌بارش
• رگرسیون معمولی حداقل مربعات
• گیلان

عنوان مقاله [English]

Geographically weighted regression, Gilan, Isohyets, Ordinary least square regression, Regression Decision tree.

نویسندگان [English]

• Khalil Ghorbani
• Abotaleb Hezar Jeribi
• Mahdi Zakerinia
• Ebrahim Asadi Oskouie

.

چکیده [English]

Among various approaches for mapping isohyets are regression analyses techniques that use relationship between precipitation and geographical factors. Current study was carried out to compare global regression methods (multi polynomial regression and ordinary least square methods), local regression methods (local polynomial regression, geographically weighted regression) and decision tree regression. Average of 20 years annually precipitation data of 185 meteorological observations over Gilan Province and its neighboring stations were used for modeling of spatial distribution variations of mean annual precipitation by using other variables like elevation and point locations from the sea level. Comparison between results using cross validation technique showed that geographically weighting regression method has the highest accuracy to estimate mean annual precipitation (R²=87 and RMSE=147mm) and can be used to map isohyets in Gilan province.