بهرام چوبین؛ شهرام خلیقی سیگارودی؛ آرش ملکیان
چکیده
پیشبینی فرایندهای آب و هوایی بهویژه پیشبینی بارندگیابزار مناسبی در اختیار مدیران حوزههای گوناگون قرار میدهد تا با در نظر گرفتن این پیشبینیها، سیاستهای آینده را طراحی کنند. در این تحقیق بعد از انتخاب مؤثرترین شاخصهای اقلیمی با روش تجزیه مؤلفههای اصلی (PCA)، تأثیر سیگنالهای اقلیمی بزرگ مقیاس بر بارش فصلی ...
بیشتر
پیشبینی فرایندهای آب و هوایی بهویژه پیشبینی بارندگیابزار مناسبی در اختیار مدیران حوزههای گوناگون قرار میدهد تا با در نظر گرفتن این پیشبینیها، سیاستهای آینده را طراحی کنند. در این تحقیق بعد از انتخاب مؤثرترین شاخصهای اقلیمی با روش تجزیه مؤلفههای اصلی (PCA)، تأثیر سیگنالهای اقلیمی بزرگ مقیاس بر بارش فصلی حوزه آبخیز مهارلو-بختگان به صورت همزمان و با تأخیر توسط روشهای آماری (ضریب همبستگی متقاطع و پیرسون) مورد بررسی قرار گرفت و با استفاده از مدل رگرسیون گام به گام اقدام به ارائه معادله رگرسیون برای پیشبینی بارش شد. نتایج نشان داد که در روش همبستگی متقاطع بین سری زمانی SPI (متغیر وابسته) در زمان (t) و سیگنالهای اقلیمی (متغیر مستقل) در زمان (t-k) تنها شاخص SOI به صورت همزمان دارای ارتباط معنیداری با بارش است، در حالی که بیشتر شاخصها با تأخیر زمانی مختلف با شاخص بارندگی استاندارد معنادار شدهاند. در بررسی فصل به فصل سیگنالها با شاخص بارندگی استاندارد با استفاده از ضریب همبستگی پیرسون مشخص شد که سیگنالهای اقلیمی فصل بهار و تابستان ارتباط معنیداری با SPI ندارند. طبق ضرایب تبیین (R2) و تأثیر رگرسیونی استاندارد (Beta) در مدلهای رگرسیونی گام به گام مشخص شد که بررسی همزمان و با تأخیر فصل به فصل سیگنالها (مثلا SPI فصل پاییز با شاخصهای چهار فصل قبل) در روش همبستگی پیرسون نسبت به همبستگی متقاطع در زمان (t-k)، (که سیگنالهای تمام فصول با هم نسبت به SPI تمام فصول تأخیر داده میشود) ارتباط بیشتری را با شاخص بارندگی استاندارد فصلی نشان میدهد.