نظریه ها ، روش ها و برنامه های ارزیابی عملکرد در سیستم های پیچیده

مقاله تحقیق |دسترسی آزاد جلد 2022 |شناسه مقاله 3139870 |https://doi. org/10. 1155/2022/3139870 استناد

ارزیابی احتمال شدت خشکسالی در یک منطقه همگن

ریزوان نیاز ، 1 محمد M. A. Almazah ، 2،3 Ijaz Hussain ، 1 Joao Dehon Pontes Filho ، 4 Nadhir al-ansari ، 5 و سعد Sammen بیشتر نشان بده، اطلاعات بیشتر ویراستار دانشگاهی: qingyuan Zhu 16 اکتبر 2021 دریافت کرد اصلاح شده 21 دسامبر 2021 پذیرفته شده 06 ژانویه 2022 منتشر شده 29 ژانویه 2022

خلاصه

شاخص بارش استاندارد (SPI) یکی از شاخص های پرکاربرد برای توصیف و نظارت بر خشکسالی در مناطق مختلف است. کاربرد SPI محدودیت های منطقه ای و در مقیاس زمانی را در هنگام مشاهده در چندین منطقه آب و هوایی همگن با خصوصیات مشابه مشاهده می کند. همچنین دانش کافی در مورد نقص بارش و تکامل مکانی و مکانی خشکسالی ارائه نمی دهد. بنابراین ، یک روش جدید ، سیستم نظارت بر احتمال خشکسالی مداوم منطقه ای منطقه ای (RSACDPMS) ، برای به دست آوردن اطلاعات فضایی و مکانی و نظارت بر ویژگی های خشکسالی به سرعت ، پیشنهاد شده است. چارچوب پیشنهادی از کارکردهای بارش آگلومراتیو (SAP) و کپول ها برای نظارت مداوم بر احتمال خشکسالی در منطقه همگن استفاده می کند. RSACDPMS در منطقه منطقه شمالی پاکستان تأیید شده است. نتایج مطالعه حاضر روش کمی بهتر برای به دست آوردن اطلاعات مناسب در مورد نقص بارش و تکامل مکانی و مکانی خشکسالی را ارائه می دهد.

1. معرفی

خشکسالی یک پدیده خزنده است که به تدریج در یک منطقه در یک دوره گسترش می یابد و ممکن است برای مدت طولانی ادامه یابد [1-4]. این یک پدیده چند جانبه است که به طور دوره ای در بسیاری از مناطق در سراسر جهان نوسان می کند و به دلیل تأثیرات منفی تبدیل می شود [5 ، 6]. تأثیرات آن به طور مستقیم یا غیرمستقیم بیش از سایر خطرات طبیعی بر فعالیت های انسان تأثیر می گذارد [3 ، 4 ، 7 ، 8]. علاوه بر این ، این امر از چند طریق بر مناطق وسیع تأثیر منفی می گذارد ، مانند پریشانی اقتصاد منطقه ، تفریح ، منابع آب ، آب پرندگان ، انرژی هیدروالکتریک ، جنگلداری و سایر مناطق محیطی [9-11]. با این حال ، اقدامات مناسب برای نظارت بر خشکسالی می تواند به کاهش تأثیرات منفی خشکسالی در منطقه آسیب دیده در مورد نیازهایی مانند اقتصاد منطقه ، غذا ، منابع آب ، انرژی هیدروالکتریک و تأمین اجتماعی مردم کمک کند. اگرچه خشکسالی در درجه اول یک خطر مرتبط با آب است ، اما توسط چندین زمینه از دیدگاه های مختلف ارزیابی و تعریف شده است [12-14]. برای به دست آوردن برخی از دستور برای اندازه گیری خشکسالی که به طور قابل توجهی در بررسی اثرات مختلف کمک می کند ، دانشمندان اقلیمی خشکسالی را به چهار نوع اصلی گروه بندی کردند [15 ، 16]. این تعاریف با کمبود بارش در طول زمان همراه است [12-14].

روشهای استاندارد شده معمولاً برای ارزیابی خشکسالی و توصیف آن استفاده می شود [17]. مطالعات بی شماری چندین شاخص خشکسالی استاندارد را برای توصیف و نظارت بر خشکسالی ارائه داده است [18 ، 20]. شاخص ها اطلاعات کمی در مورد پیش بینی نظارت بر خشکسالی ارائه می دهند که به تصمیم گیرندگان با ویژگی های خشکسالی کمک می کند. با گذشت سالها ، چندین شاخص خشکسالی برای ارزیابی خشکسالی ایجاد شده است. با این حال ، به دلیل پیچیدگی پدیده های خشکسالی ، چندین محقق شاخص های مختلف خشکسالی را به شرایط آب و هوایی خاص پیشنهاد دادند. برخی از شاخص ها در مناطق خاص مورد استفاده قرار می گیرند و در شرایط آب و هوایی خاص محدودیت های استفاده دارند. به عنوان مثال ، پالمر [21] شاخصی را ارائه داد که به عنوان "شاخص شدت خشکسالی پالمر (PDSI)" شناخته می شود و در ایالات متحده به طور گسترده مورد استفاده قرار می گیرد. گیبس و ماهر [22] شاخصی را ایجاد کردند که به عنوان "دکوراسیون بارندگی به عنوان شاخص های خشکسالی (RDDIS) و عملکرد" در استرالیا شناخته می شود. شاخص چین Z (CZI) در چین توسعه یافته و اغلب در چین برای شناسایی و نظارت بر حوادث خشکسالی مورد استفاده قرار می گیرد. با این حال ، در بین شاخص های مختلف استاندارد ، شاخص بارش استاندارد (SPI) ، که توسط مک کی و همکاران تهیه شده است.[23] ، اغلب مورد استفاده قرار می گیرد. SPI از داده های بارش برای ارزیابی خشکسالی هواشناسی در مقیاس های مختلف زمانی استفاده می کند. این امر در توسعه سیاست های نظارت و کاهش خشکسالی غالب است [24 ، 25]. علاوه بر این ، مقادیر استاندارد شده SPI می تواند برای مقایسه در مناطق مختلف آب و هوایی استفاده شود [13 ، 19 ، 26 ، 27]. SPI غالباً برای شناسایی یا پیش بینی وقایع خشکسالی در نظر گرفته شده است. با این حال ، مقادیر عددی استاندارد از شاخص در ارتباط با نقص بارش و تکامل زمانی خشکسالی چالش برانگیز می شوند [28 ، 29]. بنابراین ، تهیه یک روش جدید که اطلاعاتی در مورد نقص بارش ، احتمال خشکسالی و تکامل زمانی خشکسالی ارائه می دهد ، مهم است.

معمولاً وقایع خشکسالی توسط تنظیمات تک متغیره مشخص می شود. با این حال ، ویژگی های اقلیمی پدیده های هیدرولوژیکی از ساختار وابستگی تشکیل شده است. تنظیمات تک متغیره نمی تواند ساختار وابستگی را در نظر بگیرد. از آنجا که رویکردهای یک متغیره نمی توانند عملکرد خوبی داشته باشند و در پدیده های هیدرولوژیکی کافی نباشند [30]. بنابراین ، تکنیک های چند متغیره برای پرداختن به ساختار وابستگی خصوصیات برای افزایش کارآیی تخمین ها در مطالعات هیدرولوژیکی تدوین شد. این تکنیک ها چندین کاستی دارند. به عنوان مثال ، این تکنیک ها به صراحت بیش از دو متغیر را مدل نمی کنند. این تکنیک ها همچنین بر اساس این شرط است که حاشیه ای باید توزیع احتمال مشابهی داشته باشد که آنها را از نشان دادن سایر ساختارهای وابستگی فردی محدود می کند. بنابراین تحقیق برای توسعه تکنیک هایی که صریحاً ساختار وابستگی را برای غلبه بر این موضوعات توصیف می کنند ، مورد نیاز است. در این راستا ، مفهوم مدل سازی مبتنی بر کوپلا معرفی شد که انعطاف پذیری دارد. به عنوان مثال ، مدل سازی مبتنی بر کوپلا به طور گسترده یک ساختار وابستگی چند متغیره و توزیع مشترک را از طریق طبقه بندی ساختار وابستگی متغیرهای تصادفی از توزیع حاشیه آنها ارزیابی می کند [31]. کوپول ها و کاربردهای آنها در خشکسالی برای مدل سازی مشترک شاخص های خشکسالی از اهمیت قابل توجهی برخوردار بوده اند [32]. علاوه بر این ، از عملکردهای کوپول ها برای ارزیابی ویژگی های مختلف حوادث خشکسالی (به عنوان مثال ، مدت ، بزرگی ، شدت و توزیع مکانی) استفاده شد. در مناطق آب و هوایی مانند منطقه شمالی پاکستان ، منبع اصلی حوادث خشکسالی بارش کافی در طول فصل بارانی نیست. یک روش پیشرفته مبتنی بر کوپلا برای مشاهده پیشرفت در احتمال خشکسالی با استفاده از اطلاعات مداوم بارش استفاده می شود.

مطالعه حاضر ، سیستم نظارت بر احتمال خشکسالی مداوم منطقه ای منطقه ای (RSACDPMS) را برای محاسبه اطلاعات دقیق تر و جامع تر در مورد ایستگاه های همگن و نظارت بر ویژگی های خشکسالی منطقه ای به سرعت ، پیشنهاد می کند. RSACDPMS از کارکردهای بارش آگلومراتیو (SAP) و کپول ها برای نظارت مداوم بر احتمال خشکسالی در منطقه همگن استفاده می کند. چارچوب پیشنهادی در شش ایستگاه هواشناسی در منطقه شمالی پاکستان تأیید شده است. این مطالعه یک روش کمی بهتر برای تجزیه و تحلیل خشکسالی در سطح منطقه ای ارائه می دهد.

2. روشها

2. 1نظریه کوپولا

رابطه پیش بینی کننده بین دو یا بیش از دو متغیر را می توان با مطالعه ساختار وابستگی آنها مورد تجزیه و تحلیل قرار داد. بیشتر ، رابطه بین متغیرها با استفاده از ضریب همبستگی پیرسون قابل تجزیه و تحلیل است. با این حال ، این روش نمی تواند وابستگی ساختاری اما میزان وابستگی را در نظر بگیرد. علاوه بر این ، وابستگی ساختاری با استفاده از این روش بی اهمیت است. بنابراین ، ساختار وابستگی غیرخطی بین متغیرها را می توان با ضریب همبستگی رتبه قضاوت کرد. به طور کلی ، این ساختار وابستگی غیرخطی با استفاده از همبستگی رتبه Spearman و تاو کندال ارزیابی می شود. علاوه بر این ، استفاده از تاو کندال مکرر است زیرا به طور مستقیم به تعیین احتمال جفت متناسب یا متناقض کمک می کند. رابطه بین ضریب همبستگی و عملکرد کوپلا امکان ارزیابی وابستگی های آستر را فراهم می کند [33]. برای این منظور ، قضیه Sklar اهمیت قابل توجهی در ویژگی های مختلف برای تجزیه و تحلیل در ادبیات کسب کرده است [33 ، 34]. به عنوان مثال ، متغیرهای تصادفی می توانیم بگوییم

که پیروی از عملکرد توزیع احتمال حاشیه ای هستند

، ... ، ، به ترتیب ، یک کوپلا ، C [35] وجود دارد که می تواند برای پیوستن به این توابع توزیع حاشیه ای به شکل یک عملکرد توزیع مشترک ، همانطور که در معادله زیر نشان داده شده است ، استفاده شود: