بررسی تغییرات و مدل‌سازی دما در سواحل جنوبی دریای خزر

نوع مقاله: مقاله پژوهشی

نویسنده

کارشناس ارشد اقلیم شناسی، کارشناس هواشناسی کشاورزی، اداره کل هواشناسی استان مازندران

چکیده

در این تحقیق مدل‌سازی دمای سواحل جنوبی دریای خزر توسط مدل آریمای فصلی یا مدل تلفیق‌شده میانگین متحرک و خودبرگشتی انجام شده‌است. بدین منظور دمای میانگین ماهانه ایستگاه‌های هواشناسی سینوپتیک بندرانزلی، رامسر و بابلسر که دارای بازه زمانی طولانی‌تری نسبت به سایر ایستگاه‌ها بوده‌اند، از سال 1955 الی 2008 میلادی مورد مطالعه قرار گرفت. مطالعات آماری تغییر اقلیم معمولاً سه پدیده همگنی، روند و جهش را در سری های اقلیمی بررسی می‌کنند. لذا به منظور مطالعه روند تغییراقلیم در منطقه، پدیده‌های همگنی، روند و جهش یا ناپیوستگی سری‌‌ها مورد بررسی قرار گرفتند. سپس سری های زمانی دما جهت اجرای مدل آریمای فصلی آماده شدند. ابتدا سری ‌های زمانی با استفاده از اعمال تفاضل گیری به سری‌های نرمال و ایستا تبدیل شدند تا جهت برازش مدل آریما آماده شوند. آنگاه پس از انتخاب چند مدل مناسب‌تر و تخمین فراسنج‌های مدل به روش حداکثر درستنمایی، استقلال و نرمال بودن باقیمانده‌های مدل مورد کنترل قرار گرفتند. در آخر ملاک اطلاعاتی آکائیک جهت انتخاب بهترین مدل از میان مدل‌های انتخابی به‌کار رفت. در نهایت مدلsARIMA (1,0,0)(0,1,1)12   برای سری میانگین دمای ماهانه انزلی و بابلسر و مدل sARIMA(0,0,2)(0,1,1)12   برای سری میانگین دمای ماهانه رامسر انتخاب شدند. در مقایسه با داده‌‌های واقعی دما طیّ 4 سال‌ از 2005 تا 2008 به عنوان سال‌های شاهد، برازش مدل آریمای فصلی در هر سه سری‌ زمانی بسیار مناسب بوده‌است. ضریب همبستگی بین داده های واقعی و برازش داده شده توسط مدل‌ تقریباً 97/0 بود و خطاهای نسبی و مطلق مدل‌ نیز بسیار کوچک بودند

کلیدواژه‌ها


عنوان مقاله [English]

Analyzing of changes and Modeling on Temperature of The Caspian southern coasts

نویسنده [English]

  • azita amiri
چکیده [English]

In this paper, modeling of temperature of the Caspian southern coasts has been done by sARIMA or seasonal Autoregressive integrated moving average. Therefore monthly mean temperature related to Anzali, Ramsar and babolsar synoptic stations with long term dataset has been studied through (1955 – 2008). Statistical surveys of climate change usually analyze three phenomena as homogeneity, trend and jump in the climatic series. Hence in order to study the climate change process in the region, three phenomena; homogeneity, trend and discontinuity of the series were analyzed. Then temperature time series have prepared for performance of seasonal ARIMA model.  In preparation of the time series to use the ARIMA model, at first the time series have transformed to normal and stationary series using differencing method. Then, after selection of some suitable models and estimation of parameters by maximum likelihood method, independence and normality of model residuals () were considered. At the end, Akaike information criterion (AIC) was used to select one among the various alternative models. So, sARIMA (1,0,0) (0,1,1) 12 was selected for Anzali and Babolsar  and    sARIMA (0,0,2) (0,1,1) 12 was selected for Ramsar mean monthly temperature. Performance of seasonal ARIMA model for each time series has well suited, in comparison with the actual data in four years 2005 to 2008 as the gauge by sARIMA model. Correlation coefficient between the actual and fitted data was nearly 0.97 and the absolute and relative errors were very small

کلیدواژه‌ها [English]

  • time series
  • ARIMA
  • Anzali
  • Ramsar
  • Babolsar

 

1-   امیری، آزیتا، 1383، بررسی تغییرات احتمالی اقلیم و  برازش یک مدل مناسب آریما بر داده‌های دما و بارندگی استان گیلان، معاونت آموزشی و پژوهشی سازمان هواشناسی کشور، بخش 5 و6

2-  اندرسن، الیور، 1976، تجزیه‌ و ‌تحلیل سری‌های زمانی و پیش‌بینی، ترجمه دکتر ابوالقاسم بزرگ‌نیا، 1366، انتشارات آستان قدس رضوی، صص. 137-136، 84، 22-19.

3-   پژوهشکده هواشناسی و علوم جو، 1379، آشکارسازی تغییر اقلیم در ایران، گزارش شماره 8، صص. 20، 8-5.

4-   علیجانی، بهلول، رمضانی، ن.، 1381, پیش بینی خشکسالی‌ها و ترسالی‌های استان مازندران با استفاده از مدل باکس- جنکینز، ویژه نامه پژوهش‌های جغرافیایی دانشکده جغرافیای دانشگاه تهران، اسفند 81، صص. 155. 

5-   ویلیام، دبلیو. اس. وی.، 1376، تحلیل سری‌های زمانی- روش‌های یک متغیری و چند متغیری، ترجمه نیرومند، ح.، انتشارات دانشگاه فردوسی مشهد، چاپ اول، صص. 103-86، 194 ,196.

6-       Box G. E. P., Jenkins, G. M., Time Series Analysis; Forecasting and Control, Holden day, San Francisco, 1976.

7-       Buishand J. A., 1982, some methods for testing the homogeneity of rainfall records, J. Hydro 58, pp. 11-27.

8-       Mitchell, J. M., et al., 1966; Climatic Change, Technical note 79,WMO No. 195, pp. 2-5,60.

9-       Sneyers, R., 1990, On the Statistical Analysis of Series of Observations, Technical note 143, WMO No. 415, Geneva, , pp. 8-11.


10-   Soltani, S., et al., 2005, the determination of regional rainfall climates of Iran based on time series modeling, the first Iran-Korea joint workshop on climate modeling, Mashhad, pp. 317.

11-   Wilks, Daniel S., 1995, Statistical Methods in the Atmospheric Sciences, Academic press, INK, New York, pp. 51-58, 106-107, 284-285.