Transcript پاور پوینت SDSM

‫جهان قرآن مصور است كه در آن آيه هابه جای •‬
‫آنکه بنشینند ايستاده اند ‪،‬پس بياید تا باهم‬
‫جهان را تالوت كنيم‬
Statistical Downscaling Model
‫ زهرا تقی زاده‬:‫ارائه‬
‫مدلسازی در اقلیم شناس ی‬
‫‪‬‬
‫مدلهای اقلیمی در پی همانند سازی فرایندهای بسیارزیادی هستند که اقلیم را پدید می آورند‬
‫مقصود از مدلسازی آن است که فراینهای اقلیمی را بشناسیم و اثر تغییرات آنها و روابط‬
‫متقابلشان را با یکدیگر پیش بینی کنیم ‪.‬‬
‫‪ ‬انواع مدلهای اقلیمی‬
‫مدل‬
‫مدل های توازن انرژی (‪)EBM‬‬
‫مدل های تابش همرفتی( ‪)RCM‬‬
‫مدل های دو بعدی دینامیکی‪ -‬آماری ( ‪) SDM‬‬
‫مدل های گردش‬
‫عمومی جو ( ‪) GCM‬‬
‫توضیحات‬
‫این مدلها دو فرایند اساس ی حاکم بر سیستم اقلیمی ( توازن انرژی تابش ی را در کل‬
‫سطح کره زمین‪ ،‬انتقال انرژی بین مداری در حد فاصل قطب ها تا استوا) را شبیه‬
‫سازی می کنند‪.‬‬
‫این مدلها عالوه بر ویژگی های مدل های ‪ EBM‬جابه جایی عمودی انرژی نیز در نظر‬
‫می گیرند‪ .‬این مدل ها معموال یک و دو بعدی هستند‪ .‬انتقال انرژی در حالت یک بعدی‬
‫به دو صورت انتقال انرژی تابش ی بصورت جذب و پراکنش ی در اتمسفر و بصورت‬
‫همرفتی در جهت عمودی در اتمسفر صورت می گیرد‪.‬‬
‫این مدل ها معموال دو بعدی بوده و ترکیبی از دو مدل ‪ EBM‬و ‪ RCM‬می باشند‪.‬‬
‫این مدل ها سیستم اقلیمی را در دو بعد افقی و عمودی شبیه سازی می کنند‪.‬‬
‫این مدل ها سه بعدی بوده و قادرند سیستم اقلیمی را با لحاظ نمودن اکثر فرایندها در‬
‫مقیاس جهانی و یا قاره ای شبیه سازی کنند‪.‬این مدل ها برای محاسبه هر یک از‬
‫متغییرهای اقلیمی نیازمند محاسبه‪ ،‬ذخیره و تکرار محاسبات در هر یک از نقاط شبکه‬
‫می باشند‪.‬‬
‫مقدمه ای در باب مدل های گردش عمومی جو‬
‫م دددل ه ددای گ ددردش عم ددومی در واق ددج ددس م دداد ت ددا م ب ددر ج ددو ب ددر اس ددا ق ددوان ن نی ددوت و‬
‫ترمودینامیک هستند‪ .‬به عبارت دیگر قوان ن نیوت در سه محور ‪ Y ،X‬و ‪ Z‬نوشته مدی شدوند ده‬
‫نهایتا به عنوان م اد ت تکانه از آنها یاد می شود ای سه م ادله در ندار قدوان ن عمدومی گازهدا و‬
‫ترمودینامیکی‪ ،‬اسا مددل هدای گدردش عمدومی جدو را شدکیس مدی دهندد‪ .‬هدد مددل هدای گدردش‬
‫عمددومی شددنی بیوددم تحددول زمددا ی جددو مددی باشددد‪ .‬در ارتبدداا بددا ای د مدددل هددا دو دیدددگاه عمددده وجددود‬
‫دارد‪:‬‬
‫‪ )1‬دی دددگاکه دده ه ددد آن اس ددتواده از اینگون دده م دددل ه ددا ب ددرای ش ددنی بیو ددم ص د ه (از ی ددک م داه‬
‫آینده تدا مردا از یکسدال) مدی باشدد‪ .‬البتده ای داا در مر دا هدادنه ان لدنس و سدازمان هواشناسدیم ااشد‬
‫هم ن روش را برای شنی بیوم های مرا از ‪ 5‬سال ن ز استواده می نندد‪ ،‬منههدا بدرای منداار داره‬
‫ه تاث اشذیری بنشرای از دمای پهنه های اقیانوسیم دارند‪ .‬در واقج دو مر ا یاد شده بدا اسدتواده از‬
‫قط داده های شرایط مرزی اقیانوسیم اقدام به شنی بیوم ‪ 2‬تا ‪ 5‬سال اقلیم می نند‪.‬‬
‫دوم ن دیدگاه استواده از ای مدل ها برای شنی بیوم اقلیم در مقیا دهه تا‬
‫سده می باشد ه نمونه های ان هم ا نون در مرا ا مختلف اقلیمی در ال‬
‫اجرا می باشد و هم ا نون اقلیم ره زم ن را تا ‪ 2300‬میالدی با استواده از هم ن‬
‫مدل ها شبیه سازی نموده اند‪.‬‬
‫یکی از محدودیت های اص ه در استواده از یروجه های اقلیمی مدل های‬
‫چریه عمومی ای است ه دقت تجایه مکا ی و زما ی آنها با دقت مورد نیاز‬
‫مدل های منطقه ای و هیدرولوایکی مطابقت ندارد‪ .‬دقت مکا ی ای مدل ها در‬
‫دود ‪ 200‬یلومرا است‪ ،‬ه ای دقت یصوصا برای بررسیم مناار‬
‫وهستا ی و شارامراهای اقلیمی نظ ا بارش و دما مناسب نمی باشد ‪ .‬با استواده‬
‫ردن‪ ،‬می توان یروجه های ای مدل ها را به‬
‫از روش وچک مقیا‬
‫وزه مورد مطال ه تبدیس نمود‪.‬‬
‫متغ اهای سطحه در مقیا‬
‫ریز مقیاس نمایی‬
‫مدل های گردش عمومی هیچگاه نمی توانند مستقیما برای پیش بینی‬
‫های منطقه ای یا نقطه ای استفاده شوند‪ ،‬آنها نیازمند ریزمقیاس نمایی‬
‫هستند تا با اعمال رفتار های محلی در آنها پیش بینی هایشان در مقیاس‬
‫های محلی بهبود یابند‪ .‬بایستی قبل از استفاده از این داده ها آنها را‬
‫ریزمقیاس کنید‪ .‬کوچک مقیاس کردن در حقیقت به فرآیند حرکت از پیش‬
‫بینی کننده های بزرگ مقیاس به پیش بینی شونده ها در مقیاس محلی‬
‫اطالق می شود‪.‬‬
‫روش های مختلفی جهت تولید سناریوهای اقلیمی منطقه ای از‬
‫سناریوهای اقلیمی مدل های چرخه عمومی جو وجود دارد که از آن جمله‬
‫می توان روشهای ریز مقیاس را نام برد‪.‬‬
‫‪.‬‬
‫ریز مقیاس نمایی به دو صورت انجام می شود‪:‬‬
‫دینامیکی و آماری‪.‬‬
‫ریز مقیاس نمایی دینامیکی‬
‫مدل هایی که برای ریز مقیاس نمایی دینامیکی استفاده می شوند بسیار شبیه همان مدل های‬
‫گردش عمومی هستند‪ ،‬منتها گامهای زمانی و مکانی شبکه ریزتر و دقیقتر هستند‪.‬‬
‫مثال گام مکانی مدل های گردش عمومی حدود ‪ 2.5‬در ‪ 2.5‬درجه جغرافیایی‪-‬حدود ‪ 250‬کیلومتر‬
‫در عرض های جغرافیایی محدوده کشورمان‪ -‬می باشد در حالیکه که گام مکانی مدل های‬
‫ریزمقیاس نمایی دینامیکی که به آنها مدل های منطقه ای نیز می گویند بین ‪ 20‬تا ‪ 50‬کیلومتر در‬
‫نظر گرفته می شود‪ .‬البته این عدد ثابت نیست و ممکن است شما گام مکانی را ‪ 10‬کیلومتر هم‬
‫بگیرید‪.‬‬
‫از انواع مدل های دینامیکی می توان به ‪ NCEP/RSM , RegCM‬و یا ‪ WRF‬اشاره کرد‪.‬‬
‫روش ریا مقیا‬
‫نمایی آماری ‪:‬‬
‫روش دیگری که شما می توانید مدل های گردش عمومی را ریزمقیاس کنید ریزمقیاس نمایی‬
‫آماری است‪.‬‬
‫در این روش پس از تعیین تابع مطلوب‪ ،‬متغیرهای اقلیمی بزرگ مقیاس که توسط مدل های‬
‫چرخه عمومی در دوره های آتی شبیه سازی شده اند‪ ،‬به عنوان ورودی در این توابع اعمال شده‬
‫و متغیر سطحی مورد نظر نتیجه خواهد شد‬
‫در این روش یک ارتباط آماری با استفاده از رگرسیون ساده‪ ،‬چند متغیره ‪ ،‬شبکه عصبی و ‪. . .‬‬
‫بین رفتار واقعی ایستگاه و برونداد مدل گردش عمومی ایجاد می شود‪ .‬بعد از راستی آزمایی‪ ،‬این‬
‫معادالت می توانند در ریزمقیاس نمایی پیش بینی های آینده با استفاده از سناریوهای انتشار‬
‫مورد استفاده قر ‪..‬ار گیرند‪ .‬اگر چه این روش نسبت به روش های قبلی نتایج بهتری را ارائه می‬
‫کند‪ ،‬ولی نیاز به داده های مشاهداتی زیاد و قضاوت متخصصین به منظور برقراری رابطه‬
‫مناسب را دارد‪.‬‬
‫برخی از مدل هایی که برای این روش استفاده می شوند عبارتند از‪:‬‬
‫‪CLIMGEN, LARS-WG, SDSM, ASD, Magicc-Scengen ,WGEN‬‬
‫مقدمه ای در م رفه مدل ریامقیا‬
‫نمایی آماری ‪SDSM‬‬
‫ای ننن م نندل ارتباط ننات آم نناری ب ننین رفت ننار ه ننای ب ننزرگ مقی نناس(پ ننیش بین ننی نن ننده هن نا) و‬
‫محلننی(پننیش بینننی شننونده هننا) را بننر اسنناس روش رگرسننیون خطننی چندگانننه برق نرار مننی‬
‫ند‪.‬‬
‫این ارتباطات با اسنتفاده از داده هنای مشناهداتی ایسنتگاه و برونندادهای (خروجنی)‬
‫منندل هننای گ ننردش عمننومی در دوره مشننابه دی نندبانی ایجنناد مننی ش ننوند‪ .‬فننرض بننر ای ننن‬
‫است ه این روابط در آینده نیز صادق باشند‪ ،‬به عبارت دیگر فرض اساسن ی در رینز‬
‫مقیاس نمایی آماری مسنتقل از زمنان بنودن اینن ارتباطنات اسنت قبنل از انجنام فرآینند‬
‫ریزمقین نناس نمن ننایی توسن ننط این ننن من نندل داده هن ننای مشن نناهداتی و داده هن ننای من نندل هن ننای‬
‫گننردش عمننومی بننا توجننه بننه مقننادیر میننانگین و انح نراد معیننار آنهننا در دوره مننورد نظننر‬
‫نرمالیزه می شوند‪.‬‬
‫‪ .‬اینكار به ای دلیس انجام می شود كه مدل های گردش عمومی نمی توانند به یوبی اقلدیم مح ده‬
‫را ماننددد دیدددبا ی شددبیه سددازی نمایندددی لددذا مقااسدده ای د دو بدداهم قبددس از نرمددال زه كددردن مددی توانددد‬
‫موجب همبست ی های غ ام قول گردد‪.‬‬
‫متغ اهددای شددنی بیوددم كننددده ااالعددات مرتددوا بدده الددت بددارم مقیددا جددو را ددراهم مددی كننددی در‬
‫الیكه متغ اهای شنی بیوم شوند الت جو را در مقیا نقطه ای‪ /‬مح ه مشخص می كنند‪.‬‬
‫رآیند ریامقیا نمایی آماری در ای مدل ای مرا س زیر انجام می شود‪:‬‬
‫‪-1‬بررسیم اولیه توانمندی ریامقیا نمایی توسط متغ اهای شنی بیوم كننده ‪ /‬بارم مقیا ‪،‬‬
‫‪-2‬واسددن ه مدددل ریامقیددا نمددایی‪ .‬متغ اهددای بددارم مقیددا م رفدده شددده در مر لدده ‪ ،1‬بددرای ید ن‬
‫روابط همبست ی یطی چند متغ اه استواده می شوند‪.‬‬
‫مقیا زمدا ی مددل هدای آمداری ارادده شدده در اید مر لده مدی توانندد ماهانده‪ ،‬صد ه و یدا سدا نه‬
‫باشند‪ .‬واریا س و یطای استاندارد مدل مشخص می شوند‪،‬‬
‫‪-3‬تولید چندی سری از وض یت جاری اقلیم با اسدتواده از شدنی بیودم كنندده هدای مشداهدا ی‪ .‬بال اصدله ع دد از‬
‫اینكده مددل آمدداری ارادده شدد‪ ،‬مددی تدوان اندرا ارزیددابی كدرد‪ .‬مولوده تصددادفه ‪ SDSM‬مدی تواندد بدده شدما در تولیددد‬
‫سری های مختلوی از داده های شبیه سازی شده (تدا ‪ 100‬سدری) كده دارای مشخصدات آمداری یكسدا ی هسدتند‪،‬‬
‫كمك نمایدی اما مقادیر روزانه هر سری با همدیگر متواوت می باشد‪،‬‬
‫‪-4‬تولیددد سددری هددای مختلوددی از داده هددای هواشناسددیم بددا اسددتواده از متغ اهددای شددنی بیوددم كننددده ‪ . GCM‬اید‬
‫سری داده ها با استواده از روابط آماری رگرسیون یطی چند متغ اه اصس از مر له دوم بدست می آیند‪،‬‬
‫‪-5‬مر له نهایی آنال ز داده هدای شدنی بیودم شدده (سدناریوهای غی دا اقلدیم) و مشداهدا ی مدی باشدد‪ .‬در اید مر لده‬
‫مشخصات آماری سناریوی غی ا اقلیم را مدی تدوان بدا ر تدار مشداهدا ی ااسدت اه مقااسده و مدورد تجایده و تحلیدس‬
‫قرار داد‪.‬‬
‫برخه از متغ اهای شنی بیوم كنننده‪ /‬بارم مقیا مدل های گردش عمومی‬
‫مورد استواده در مدل ‪ SDSM‬عبارتند از‪:‬‬
‫دمای ‪ 2‬مرای‪ ،‬شار سطح متوسط دریا‪ ،‬ارتواع ژئوپتا سی ه ‪ 500‬میلیباری‪ ،‬ارتواع ائوپتا سی ه سطح ‪850‬‬
‫میلیباری‪،‬راوتت سبم مجاور سطح زم ن‪،‬راوتت سبم سطح ‪ 500‬میلیباری‪،‬راوتت سبم سطح ‪850‬‬
‫میلیباری‪ ،‬راوتت ویژه مجاور سطح زم ن‪ ،‬راوتت ویژه سطح ‪ 500‬میلیباری‪ ،‬راوتت ویژه سطح ‪850‬‬
‫میلیباری‪ ،‬سرعت باد زمینگرد‪ ،‬تاوایی‪ ،‬مولوه مداری باد‪،‬مولوه نصف النهاری باد‪ ،‬واگرایی و سمت باد‪ .‬از ب ن‬
‫متغ اهای وق قط متغ ا سمت باد نرمال زه نمی شود ‪.‬‬
SDSM ‫مراحل کارنرم افزار‬
www.sdsm.org.uk )1
‫‪ )2‬نصب نرم افزار‬
‫منوهای ‪SDSM‬‬
‫قبل از شروع‪ ،‬کاربر باید محدوده تاریخ‪ ،‬نوع و یکپارچگی تمام داده های ورودی را‬
‫بررس ی نماید‪ .‬برای ایجاد محیط کار با کلیک بر روی نماد تنظیمات صفحه نمایش‬
‫دسترس ی می یابید‪.‬‬
‫‪ 3‬تنظیمات‬
‫صفحه نمایش تنظیمات ‪SDSM‬‬
‫‪.‬تنظیمات جهانی زیر موجود است‪:‬‬
‫اول سال‪ :‬به طور پیش فرض(‪ )366‬بر روز ‪ 29‬ماه فوریه هر چهار سال قرار دارد و باید داده های مشاهده ای استفاده شود ‪.‬جایگزین های برای‬
‫شماره های مختلف از روز در داده های ‪GCM‬وجود دارد‪ .‬به عنوان مثال‪CGCM2 ،‬و ‪CSIRO‬‬
‫‪ 365‬روز کامل و نه سال کبیسه دارند ‪,‬‬
‫در حالی که ‪HadCM2‬و ‪HadCM3‬سالهای مدل متشکل از ‪ 360‬روز دارند‪ .‬عدم تنظیم صحیح این پارامتر می تواند به خطاهای سیستم منجر‬
‫شود‬
‫شروع استاندارد داده‪ /‬شایان استاندارد داده‪:‬‬
‫بنه طنور پنیش فنرض شنروع و پاینان تناریخ داده هنای ورودی تعینین شنده اسنت ‪.‬اینن تناریخ در سراسنر بهنره بنرداری از ‪SDSM‬ظناهر منی شنود‪ ،‬امنا ممکنن‬
‫است از هر صفحه نمایش به روز شود‪.‬‬
‫آستانه رویداد‪:‬‬
‫برای برخی از متغیرها مشخص کردن یک آستانه رویداد الزم اسنت ‪.‬بنه عننوان مثنال‪ ،‬هنگنامی کنه مندل هنای بنارش روزاننه انندازه گینری و کالیاراسنیون منی‬
‫شوند‪ ،‬پارامتر ممکن است به ‪ 0/3‬میلی متر روز به روز به عنوان ی بارانی خشک مشخص میکنند‬
‫شناسه داده ها‪:‬‬
‫این سری کد به تمام داده های ورودی اختصاص داده شده است ‪.‬هر گاه ‪ SDSM‬با این کد مواجه گردد ارزش ان نادیده گرفته خواهد شد‪.‬‬
‫شماره تصادفه داده ها‬
‫اطمین ن ن ن ننان م ن ن ن ننی دهن ن ن ن نند ک ن ن ن ننه تن ن ن ن ننوالی تص ن ن ن نناد ی تولین ن ن ن نند شن ن ن ن ننده توسن ن ن ن ننط آب و ه ن ن ن ننوا مولن ن ن ن نند (بخن ن ن ن ننش‪ ) 7‬ایجن ن ن ن نناد س ن ن ن ننناریو (بخن ن ن ن ننش ‪ )11‬متفن ن ن ن نناوت اسن ن ن ن ننت‬
‫هر بار که مدل اجرا شده است‪.‬‬
‫‪ 2‬تنظیمات شنشر ته‬
‫تنظیمات شنشر ته از صدوحه نمداای تنظیمدات بدا لیدک دردن بدر روی لمده ‪advanced‬در بدا ی صدوحه نمداای‬
‫شنشر ته قابس دسراسیم اسدت ‪.‬صدوحه نمداای تنظیمدات شنشدر ته اجدازه مدی دهدد تدا دارتر تنظیمدات مددل ریدا مقیدا‬
‫نمایی را بنشرا غی ا و ذی اه نماید‪.‬‬
‫واریا س داده ها‬
‫نرمال بودن داده ها‬
‫مشخص شود‬
‫انحرا م یار‬
‫تنظیمات ایس‬
‫‪ -4‬نرال یویت و تبدیس داده ها‬
‫نرال یویت‬
‫برای چک کردن یک فایل ورودی برای داده های از دست رفته و یا دارای ارزشهای متفاوت ‪ ،‬بر روی گزینه آنالیز در باالی منوی اصلی کلیک کنید ‪،‬‬
‫پس از ان با کشیدن منو به پایین کنترل کیفیت را انتخاب کنید‪ .‬صفحه زیر ظاهر خواهد شد‬
‫با کلیک بر روی دکمه ‪Select File‬فایل انتخاب می شود ‪.‬پنجره باز کردن فایل ظناهر خواهند شند‪ .‬از طرین ‪browse‬شنما فهرسنت شناخه هنا‬
‫و فایننل هننای کننه مننورد بررسن ی قنرار گرفتننه اننند را بیاورینند مننثال منناکزیمم درجننه حنرارت روزانننه‪ .‬بننر روی داده هننای مننرود نینناز کلیننک کنینند تننا داده هننا بنناز‬
‫شوند‪ .‬برای فعال کردن روش کنترل کیفیت بر روی دکمه ‪Check File‬در باالی صفحه نمایش کلیلک کنید ‪.‬تایید زیر ظاهر خواهد شد‪:‬‬
‫‪)2‬انتقال یا تبدیس داده ها‬
‫برای تبدیل داده ها‪ ،‬بر روی دکمه ‪ Transform‬در باالی صفحه از منوی اصلی کلیک کنید ‪.‬‬
‫هدد از صفحه نمایش متغیرها این است که به کاربر در انتخاب متغیرهای پیش‬
‫بینی ریز مقیاس نمایی مناسب برای کالیاراسیون مدل کمک می کند‪.‬‬
‫‪ SDSM‬سه وظیفه حمایتی را انجام می دهد‪:‬‬
‫تجزیه و تحلیل همبستگی فصلی‪ ،‬تجزیه و تحلیل همبستگی جزئی ‪ ،‬و نمودارهای پراکندگی‪.‬‬
‫به منظور بررس ی روابط و پیش بینی ‪ ،‬بر روی دکمه ‪ Analyse‬در باالی صفحه کلیک کرده‪ ،‬و سپس‬
‫متغیرهای صفحه نمایش ‪ Screen Variables‬پایین کشیدن منو رو انتخاب کنید ‪.‬صفحه زیر ظاهر خواهد‬
‫شد‬
‫تجزیه و تحلیل داده های مشاهده شده و ریزمقیاس نمایی‬
‫آزم ننون ه ننای آم نناری از داده ه ننای ج ننوی مش نناهده ش ننده و ریزمقی نناس از طری ن راه ه ننای‬
‫کمی توسط مدل ‪ sdms‬به کار گرفته می شوند اما هر دوی انها بر روی اننالیز داده‬
‫ها ‪Analyse Data‬در روی صفحه نمایش انجام خواهند گرفت‪.‬‬
‫ایننن امننار شننامل میننانگین متغیننر‪ ،‬حننداکثر‪ ،‬حننداقل‪ ،‬واریننانس‪ ،‬حنندهای بنناال‪ ،‬حنندهای‬
‫پ ننایین ت ننر از اس ننتانه‪ ،‬ص نندکها‪ ،‬رطوب ننت نس ننبی روزان ننه و ط ننول‪ ،‬محاس ننبه تق ننویم زم ننانی‪،‬‬
‫فصلی یا به صورت ساالنه‪.‬‬
‫بن نرای ارزی نناری داده ریزمقی نناس و ی ننا داده ه ننای مش نناهده ش ننده‪ ،‬ب ننر روی گزین ننه آن ننالیز‬
‫‪ Analyse‬در بناالی صنفحه کلیلنک کنرده ‪ ،‬و سنپس از داخنل مننو ‪Analyse‬‬
‫‪ ،‬آنالیز داده ها ‪Analyse Data‬را از لیست انتخاب کنید‬
‫صفحه زیر ظاهر می شود ‪.‬مراحل کار در این صفحه‪:‬‬
‫‪ ]1‬انتخاب گزینه ‪ Data Source‬می باشد‬
‫انتخاب داده های ورودی از طری منوی ‪ file‬در سمت چپ نرم افزار و بعد کلیک بر روی گزینه ‪ select input file‬می باشد‬
‫‪ .‬در مرحله بعد می توان از طری منوی ‪modeled scenario‬و با نتخاب ‪model details‬می توان سناریوهای مدل را مانند پیش بینی‪ ،‬تاریخ‬
‫شروع و پایان‪ ،‬کد فصول و غیره را مشاهده نمود که با انتخاب گزینه ‪View Details‬می توان جزئیات هر کدام را مشاهده نمود‪.‬‬
‫چهارم‪ :‬وارد کردن بازه زمانی برای تجزیه و تحلیل داده ها از طری منوی ‪Analysis Period‬و بعد از ان انتخاب شروع و پایان دوره زمانی با انتخاب‬
‫گزینه ها‪.‬‬
‫پنجم‪ :‬اندازه ‪ Ensemble‬به طور پیش فرض همیشه بر روی گزینه ‪ Use Ensemble Mean‬قرار دارد‪.‬‬
‫ششم‪ :‬برای ذخیره کردن نهایی داده ها از طری منوی ‪select output file‬و بعد گزینه ‪ Save Summary File As‬را انتخاب می کنیم و‬
‫سپس برای ان یک اسم انتخاب می کنیم و در نهایت آن را ذخیره می نماییم‪ .‬و برای تعداد ‪Ensemble‬در بسیاری موارد اعداد ‪ 100 – 1‬را به کار می‬
‫گیرند‬
‫هفتم‪ :‬در پایان برای تجزیه و تحلیل انچه که نیاز است از طری انتخاب گزینه ‪ Statistics‬در منوی باالی اقدام می کنیم که صفحه بعدینشان داده می‬
‫شود‬
‫انتخاب‬
‫داده و‬
‫مدل‬
‫این صفحه نمایش به دو بخش تقسیم شده است‪ .‬بخش اول شامل ‪Generic Tests‬یا معیارهای کلی که شامل لیستی‬
‫از متغیرها مانند میانگین‪ ،‬حداکثر و حداقل‪ ،‬مجموع‪ ،‬واریانس‪ ،‬میانه‪ ،‬حدهای باال و پاینن‪ ،‬درصد‪ ،‬محدوده بین چارک ها‪،‬‬
‫همبستگی‪ ،‬چولگی و حداکثر مجموع تعداد روزها و غیره می باشد‪.‬‬
‫بخش دوم شامل فقط بارش هست‪ .‬مثال شامل درصد رطوبت‪ ،‬متوسط طول دوره خشک و مرطوب‪ ،‬حداکثر طول دوره‬
‫خشک‪ ،‬حداکثر طول دوره مرطوب‪ ،‬انحراد استاندارد طول دوره خشک‪ ،‬انحراد استاندارد طول دوره مرطوب‪ ،‬حداکثر‬
‫استانه و یک درصد از مجموع کل بارندگی‬
‫صوحه نماای انتخاب آمار‬
‫هنگامی که تمام اطالعات باال تکمیل شدند بر روی گزینه ‪ back‬کلیک کرده تا به صفحه قبل باز‬
‫گردد و سپس گزینه ‪ Analyse‬کلیک می کنیم که نتایج به صورت زیر ظاهر می گردند‪.‬‬
‫نمایش مثالی از آنالیز داده ها )‪(Modelled‬که متوسط و انحراد معیار را برای یک گروه ‪20‬عضوی نشان می دهد‪.‬‬
‫بعد از آن که نتایج آماری به دست امد می توان این نتایج رو با هم مقایسه کرد و برای هر کدام نموداری ترسیم نمود‪.‬‬
‫ب نرای دسترس ن ی بننه ایننن کننار بننر روی گزینننه ‪ Analyse‬در بنناالی صننفحه کلیننک کننرده و سننپس ب نرای مقایسننه امننار بننا هننم‬
‫گزیننه ‪ Compare Results‬را انتخناب منی کننیم‪ .‬در مرحلنه بعند از طرین گزیننه‪ input file 1‬گزیننه ‪Select‬‬
‫‪First File‬را انتخاب کرده و فایل مورد نظر را فراخوانی می کنیم کنه بعند از ان صنفحه نمنایش امناری آن ظناهر منی گنردد کنه انهنا‬
‫را اتخناب منی کننیم‪ .‬بنه همنین صنورت از طرین گزیننه ‪ input file 2‬و ‪Select Second File‬داده هنای منورد نظنر را‬
‫فراخننوانی مننی کنننیم‪ .‬در نهایننت بننر روی گزینننه ‪ line‬کلیننک کننرده و نننوع نمننودار را انتخنناب مننی کنننیم‪ .‬کننه بنرای مقایسننه کننردن مننی تننوان از‬
‫انواع نمودار ها استفاده نمود‬
‫در مرحلنه بعند از طرین گزیننه‪ input file 1‬گزیننه ‪Select First File‬را انتخناب کنرده و فاینل منورد نظنر را فراخنوانی منی‬
‫کننیم کنه بعند از ان صنفحه نمنایش امناری آن ظناهر منی گنردد کنه انهنا را انتخناب منی کننیم‪ .‬بنه همنین صنورت از طرین گزیننه ‪input‬‬
‫‪ file 2‬و ‪Select Second File‬داده هنای منورد نظنر را فراخنوانی منی کننیم‪ .‬در نهاینت بنر روی گزیننه ‪ line‬کلینک کنرده و‬
‫نوع نمودار را انتخاب می کنیم‪.‬‬
‫برای مقایسه کردن می توان از انواع نمودار ها استفاده نمود‪.‬‬
‫با شکر‬