ارزيابي روش‌هاي مختلف درون‌يابي داده‌هاي دمايي NCEP/NCAR در سطح حوضه‌هاي آبريز درجه 2 كشور ايران

Evaluation of different interpolation methods for NCEP/NCAR temperature data over the 2nd order watersheds in Iran

دما يكي از پارامتر‌هاي مهم در مطالعات اقليمي و هيدرولوژيكي است. هدف اصلي اين مقاله استفاده از داده‌هاي دماي سالانه از مجموعه داده‌هاي موسوم به Reanalysis از پايگاه جهاني NCEP/NCAR با توان تفكيك مناسب براي مطالعات منطقه‌اي مي‌باشد. اين پايگاه، داده‌هاي دما را با دقت 5/2 درجه در اختيار كاربران قرار مي‌دهد. به دليل تنوع توپوگرافي كشور ايران، دقت داده‌هاي 5/2 درجه پايين بوده و براي پژوهش‌هاي كاربردي و مطالعات منطقه‌اي بايد از توان تفكيك بالاتر استفاده نمود. هدف از اين پژوهش افزايش توان تفكيك داده‌هاي دماي پايگاه مزبور با استفاده از روش‌هاي درون‌يابي موجود در نرم‌افزار متلب است. در متلب چهار روش براي درون‌يابي داده‌ها موجود مي‌باشند كه عبارتند از: روش خطي، روش نزديك‌ترين همسايگي، روش اسپلاين و روش همسايگي عادي (طبيعي). با به كارگيري هركدام از اين چهار روش در سطح 30 زير حوضه درجه 2 تعريف شده توسط سازمان مديريت منابع آب، داده‌هاي 5/2 درجه به داده‌هايي با توان تفكيك 1 درجه تبديل شدند. براي بررسي دقت داده‌هاي درون‌يابي شده، داده‌هاي جديد توليد شده داخل هر زيرحوضه با داده‌هاي دماي ايستگاه‌هاي سينوپتيك داخل همان زيرحوضه مقايسه گرديدند. با استفاده از معيار‌هاي خطاسنجي RMSE، MBE، ضريب باقيمانده و ناش - ساتكليف روش‌هاي نزديكترين همسايگي و اسپلاين با برتري نسبي نسبت به روش‌هاي ديگر، به‌عنوان روش برتر شناخته شدند. حاصل اين مطالعه توليد گره‌هاي اطلاعاتي مربوط به دما براي مطالعات هيدروكليماتولوژيكي، ارايه روش براي بروزرساني و لذا حذف نياز محققين به جمع‌آوري، آزمون و استفاده از ايستگاه‌هاي زميني و داده‌هاي موجود در منطقه است.

Temperature is one the most important parameters in climatology and hydrological investigations. The main purpose of this article is enhancing the resolution of the gridded annual temperature data of the NCEP/NCAR reanalysis dataset to a reasonable level. In this data base, temperature is available at the resolution of 2.5 degree. For regional studies in Iran, due to the diversity of topographical features, the precision of the available resolution is not enough. In this research, it is intended to replace a finer resolution of 1 degree by applying the interpolation methods embedded in the MATLAB. There are 4 different methods for interpolation in the MATLAB: Linear, Nearest Neighborhood, Spline and Natural Nearest Neighborhood. By applying these methods over the 30 second order watersheds across Iran, a network of 1*1 degree resolution was obtained from the 2.5*2.5 degree resolution. To examine the precision of the simulated data, the annual average temperature for each sub-watershed was calculated via the long term data of the 47 synoptic stations distributed unevenly across the country. Using RMSE,MBE, Nash-Sutcliffe and CRM statistics the Nearest Neighborhood and Spline methods was identified as the best methods for interpolation of the NCEP/NCAR reanalysis temperature data. The main result of this research is the generation of gridded temperature data for hydro-climatological studies, introducing a method for its updating and henceforth, omitting the labor of gathering, testing and using local data.