نشریه علمی - پژوهشی مرتع و آبخیزداری

نویسندگان

چکیده

تغییرهای اقلیمی جهان و چرخه عمومی جو تحت تاثیر پدیده‌های بزرگ مقیاسی است که درسطح آب‌های آزاد جهان رخ می دهد. بسیاری از این پدیده‌ها که به سیگنال‌های بزرگ مقیاس اقلیمی2 معروف اند، از بیش از یک قرن پیش شناخته شده بودند. سیگنال‌های نام برده به طورمعمول با بهره گیری از شاخص‌هایی مانند فشار و دمای سطح آب اقیانوس‌ها محاسبه می‌شوند. به منظور بررسی امکان بهره گیری از مدل‌های آماری برای پیش‌بینی بارش سالیانه بر پایه الگوهای سینوپتیکی پیوند از دور، منطقه خراسان بزرگ شامل سه استان خراسان شمالی، خراسان جنوبی و خراسان رضوی گزینش شد. پس از بررسی‌های لازم و تکمیل خلاهای آماری، شمار 37 ایستگاه همدیدی، اقلیم شناسی و باران سنجی زیر پوشش سازمان هواشناسی کشور، گزینش و آزمون همگنی ران تست3 بر روی داده‌های بارش این ایستگاه‌ها انجام شد. در مرحله پس، در محیط نرم‌افزار Arc GIS، دوره زمانی بارش میانگین منطقه‌ای به روش مدل رقومی ارتفاعی4 محاسبه شد. با بهره گیری از روابط همبستگی به دست آمده بین بارش میانگین منطقه‌ای و سیگنال‌های هواشناسی شاخص در بازه‌های زمانی مختلف، مدل‌های آماری برای پیش‌بینی بارش سالیانه (دسامبر تا می) بهره گیری شده است. نتایج نشان می‌دهد مدل‌های آماری می توانند برای پیش‌بینی بارش به طور موفقیت آمیزی بهره گیری شوند. در این میان، ریشه میانگین مربعات خطا برای مدل گام به گام ورود متغیرها5 49 میلی‌متر به دست آمد.

کلیدواژه‌ها

عنوان مقاله [English]

Annual rainfall forecasting based on synoptic patterns of tele-connection using statistical models

نویسندگان [English]

  • Gh. A. Fallah Ghalhary
  • M. Mousavi Baygi
  • M. Habibi Nokhandan
  • J. Khoshhal

چکیده [English]

The research show that global climate changes and atmospheric general circulation are affected by large scale phenomena that occurred in the sea surface. These large scale phenomena are often named "climate large scale signals". These signals are calculated based on criteria such as sea Level Pressure (SLP), Sea Surface Temperature (SST) and so on. A method for weather forecasting is a special approach based on statistical modeling. In this study, data of 37 rainfall stations were used to model the relation between precipitation and Sea Level Pressure (SLP), Sea Surface Temperature (SST), Sea Level Pressure gradient (?SLP) and the difference between sea surface temperature and air temperature at 1000 HP. The results show that statistical modeling can successfully predict the amount of annual rainfall. The mean root square error for stepwise model were obtained 49 millimeters.

کلیدواژه‌ها [English]

  • Digital Elevation Model
  • Meteorological signals
  • Stepwise model
  • synoptic pattern