عباسعلی داداشی رودباری

سرفصل مطالب


#	سرفصل مطالب	طرح درس (براساس سرفصل)
1	مفاهیم و تعاریف، کاربرد آمار در اقلیم‌شناسی: مفاهیم پایه آمار و انواع آن، شامل آمار توصیفی، استنباطی، پارامتری، ناپارامتری، تک متغیره و چند متغیره، در کنار کاربردهای آمار در اقلیم‌شناسی، مانند تحلیل روند دما و بارش، بررسی می‌شوند. نصب R و RStudio و آشنایی اولیه با محیط نرم‌افزار، بخش عملی این جلسه را تشکیل می‌دهد.
2	انواع داده‌ها و متغیرهای اقلیمی: به انواع داده‌ها و متغیرهای اقلیمی، شامل داده‌های کمی و کیفی، پیوسته و گسسته، و متغیرهای اسمی، ترتیبی، فاصله‌ای و نسبتی، و مقیاس‌های اندازه‌گیری آن‌ها پرداخته می‌شود. نحوه معرفی و تبدیل انواع داده در R در بخش عملی آموزش داده خواهد شد.
3	منابع اطلاعات و داده‌های اقلیمی: منابع اطلاعات و داده‌های اقلیمی، شامل ایستگاه‌های هواشناسی، داده‌های ماهواره‌ای و مدل‌های اقلیمی، و منابعی مانند سازمان هواشناسی جهانی (WMO) و پایگاه‌های داده آنلاین NOAA و ECMWF معرفی می‌شوند. دانلود داده‌های اقلیمی از یک منبع آنلاین با استفاده از پکیج‌هایی مانند rnoaa در R ،تمرین عملی این جلسه است.
4	نمایش گرافیکی داده‌های اقلیمی: روش‌های نمایش گرافیکی داده‌ها، شامل نمودارهای پراکندگی، هیستوگرام و نمودار جعبه‌ای، و تفسیر آن‌ها آموزش داده می‌شود. رسم این نمودارها در R با استفاده از پکیج ggplot2 برای داده‌های بارش و دمای یک ایستگاه، به عنوان تمرین عملی انجام خواهد شد.
5	آزمون همگنی، درستی و بازسازی داده‌های اقلیمی: موضوع این جلسه، نمایش، آزمون همگنی، درستی و بازسازی داده‌ها و متغیرهای اقلیمی است. آزمون‌های آماری برای بررسی همگنی داده‌ها، مانند آزمون SNHT، آموزش داده می‌شوند و در بخش عملی بر روی داده‌های بارش با استفاده از پکیج climatol در R پیاده‌سازی می‌شوند.
6	روابط بین متغیرهای اسمی: روابط بین متغیرهای اسمی با استفاده از آماره‌هایی مانند Chi-Square، ضریب کاپا و ضریب همبستگی بررسی می‌شود. نحوه انجام آزمون Chi-Square و محاسبه ضریب کاپا در R در بخش عملی نشان داده خواهد شد.
7	روابط بین متغیرهای رتبه‌ای و فاصله‌ای: مباحث این جلسه شامل بررسی روابط بین متغیرهای رتبه‌ای با استفاده از همبستگی اسپیرمن و کندال، و روابط بین متغیرهای فاصله‌ای با استفاده از ضریب همبستگی پیرسون است. مفاهیم همبستگی، ضریب همبستگی و ماتریس همبستگی توضیح داده می‌شوند و محاسبه ضرایب همبستگی و رسم ماتریس همبستگی در R در کنار بررسی معنی‌داری آماری آن‌ها، تمرین عملی این جلسه خواهد بود.
8	محاسبه ضریب شباهت برای صفات کیفی: به اندازه‌گیری فاصله و تشابه در صفات کیفی پرداخته می‌شود. کاربرد آن‌ها در اقلیم‌شناسی، مانند مقایسه پوشش گیاهی در دو منطقه، بررسی می‌شود و نحوه محاسبه آن‌ها در R در بخش عملی آموزش داده می‌شود.
9	محاسبه ضریب شباهت برای صفات کمی و شاخص‌های تنوع: اندازه‌گیری فاصله و تشابه در صفات کمی با استفاده از فاصله اقلیدسی و ضریب کسینوس، و همچنین شاخص‌های تنوع آموزش داده می‌شوند. مفهوم تنوع زیستی و اقلیمی و تفسیر شاخص‌های تنوع نیز بررسی خواهد شد. محاسبه این شاخص‌ها در R بخش عملی این جلسه را تشکیل می‌دهد.
10	تحلیل رگرسیون خطی ساده: مفاهیم رگرسیون خطی ساده، روش حداقل مربعات و مفروضات رگرسیون خطی آموزش داده می‌شوند. انجام رگرسیون خطی ساده در R با استفاده از تابع lm()، رسم خط رگرسیون، بررسی معنی‌داری ضرایب، تحلیل باقیمانده‌ها، بررسی مفروضات رگرسیون و بررسی معیارهای ارزیابی مدل مانند RMSE و R-squared، بخش‌های عملی این جلسه هستند.
11	رگرسیون غیر خطی و تبدیل داده‌ها: رگرسیون غیر خطی و تبدیل‌های داده‌ها برای خطی‌سازی، شامل انواع روابط غیر خطی و تبدیل‌هایی مانند لگاریتمی، ریشه دوم و معکوس، بررسی می‌شوند. انجام رگرسیون غیر خطی در R با استفاده از تبدیل داده‌ها و تابع nls() در بخش عملی انجام خواهد شد.
12	رگرسیون چند متغیره و هم‌خطی: این جلسه به رگرسیون چند متغیره و مسئله هم‌خطی اختصاص دارد. مدل رگرسیون چند متغیره، تفسیر ضرایب رگرسیون، هم‌خطی و اثرات آن، و روش‌های تشخیص و رفع هم‌خطی بررسی می‌شوند. انجام رگرسیون چند متغیره در R و بررسی هم‌خطی با استفاده از VIF و سایر روش‌ها، بخش عملی این جلسه را تشکیل می‌دهد.
13	رگرسیون متغیرهای کیفی :نحوه استفاده از Dummy Variables در رگرسیون آموزش داده می‌شود. تعریف متغیرهای مجازی و کاربرد آن‌ها در رگرسیون شرح داده شده و ایجاد متغیرهای مجازی در R و استفاده از آن‌ها در رگرسیون در بخش عملی انجام خواهد شد.
14	آزمون‌های روند: آزمون‌های ناپارامتری برای تشخیص روند در داده‌های اقلیمی، مانند آزمون من-کندال، بررسی می‌شوند. مفهوم روند و اهمیت آن در اقلیم‌شناسی و آزمون‌های ناپارامتری Mann-Kendall و Sen’s Slope شرح داده می‌شوند. انجام آزمون Mann-Kendall و محاسبه Sen’s Slope در R با استفاده از پکیج trend تمرین عملی این جلسه است.
15	جمع‌بندی و پروژه تحلیلی: این جلسه به جمع‌بندی و مرور کلی مطالب و پاسخ به سوالات اختصاص دارد. انجام یک پروژه کوچک تحلیلی با R با استفاده از داده‌های واقعی اقلیمی، بخش عملی این جلسه است.
16	رفع اشکال و مرور مطالب