نوع مقاله : مقاله پژوهشی

نویسندگان

• بهرام چوبین ¹
• شهرام خلیقی سیگارودی ²
• آرش ملکیان ²

¹ دانشگاه تهران-کارشناسی ارشد

² دانشگاه تهران-عضو هیئت علمی

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 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.

کلیدواژه‌ها

• بارش فصلی
• تجزیه مؤلفه‎های اصلی
• حوزه آبخیز مهارلو-بختگان
• سیگنال‎های بزرگ مقیاس اقلیمی
• همبستگی متقاطع

عنوان مقاله [English]

Impacts of Large-Scale Climate Signals on Seasonal Rainfall in the Maharlu - Bakhtegan Watershed

نویسندگان [English]

• bahram choubin ¹
• SHahram KHalighi Sigaroodi ²
• Arash Malekian ²

چکیده [English]

Predicting climate trends, especially forecasting rainfall, provides managers of different fields with
suitable tools so that considering these predictions; they can devise future-state policies. At this
study, after selecting the most effective climate indices applying PCA method, the effects of largescale
climate signals in seasonal rainfall of basin Maharlu - Bakhtegan were investigated both
simultaneously and by delay through statistical methods (Pearson correlation and cross-correlation
coefficient) and by applying stepwise regression model, regression equation for forecasting rainfall
was offered. The results showed that in cross-correlation between the time series of SPI (dependent
variable) at time (t) and climate signals (independent variable) at time (t-k), only SOI index
concurrently has a significant relationship with rainfall, whereas, most of indices turned significant
with standardized precipitation index with different lag times. In season to season study of the
signals with the standard precipitation index using Pearson's correlation coefficient it was found that
climate signals of spring and summer are not significantly correlated with SPI. Representation
coefficients (R2) and standardized regression effect (Beta) in stepwise regression model showed that
simultaneous and with season to season delays signals (for example: SPI index of autumn with four
previous seasons indexes) at method Pearson correlation have higher relationship with seasonal
standardized precipitation index than the cross-correlation in time (t-k), (which signals of all
seasons given is delay together with than SPI of all seasons) show.

کلیدواژه‌ها [English]

• Seasonal Rainfall
• Principal component analysis
• Maharlu - Bakhtegan watershed
• Large-scale climate signals
• Cross- correlation