تحلیل و مدل‌سازی آماری میانگین دمای سالانه ایستگاه گرگان (2005-1956)

نوع مقاله: مقاله پژوهشی

نویسنده

دانشجوی دکتری اقلیم‌شناسی سینوپتیک، دانشگاه خوارزمی تهران

چکیده

 روش‌های آماری ابزاری مفید جهت شناخت رفتار متغیرهای اقلیمی هستند. در این مطالعه برای شناسایی رفتار میانگین سالانه دمای گرگان طی دوره آماری 1956 تا 2005 از تکنیک‌های آماری شناخت روند،‌ نوسان و افت و خیز استفاده شده است. آزمون Run test با خطای 05/0 نشان داد که داده‌های میانگین دمای سالانه تصادفی هستند. نتایج آزمون‌های تعیین روند همبستگی پیرسون، اسپیرمن و من – کندال و همچنین رگرسیون خطی نشان داد که سری زمانی میانگین دمای سالانه گرگان روند معنی‌داری ندارد. برای پیش‌بینی تداوم و توالی سال‌های با دمای بالاتر از میانگین (ناهنجاری دمایی) از مدل زنجیره مارکوف استفاده شد. با آزمون اعمال شده بر ماتریس تغییر حالت داده‌های میانگین دمای سالانه، دو حالته و چند حالته بودن آن مورد پذیرش قرار نگرفت. هم‌چنین تکنیک تحلیل طیفی جهت تعیین افت و خیزهای موجود در دما نیز اعمال شد که نتایج حاکی از عدم وجود روند است. در بازه اطمینان 95% در تکینک تحلیل طیفی چرخه‌ی 20 با دوره بازگشت کوتاه مدت 5/2 ساله معنی‌دار است که می‌توان آن را به نوسانات شبه دوسالانه نسبت داد. برای پیش‌بینی رفتار میانگین دمای سالانه گرگان از مدل‌های ARIMA استفاده شد، در این روش سه الگو به عنوان الگوهای اولیه برازش داده شد. آزمون آکاییک (AIC) نشان دادکه الگوی سوم (1، 1، 0) ARIMA بهترین انتخاب برای پیش‌بینی دما است و بر همین اساس برای 10 سال آینده (2015- 2006) با بازه اطمینان 95 % پیش‌بینی دما صورت گرفت. 

کلیدواژه‌ها


عنوان مقاله [English]

Statistical Analysis and Modelling of Annual Mean Temperature in Gorgan Station (1956-2005)

نویسنده [English]

  • fatemeh setoudeh
چکیده [English]

Statistical methods are useful tools for understanding the behavior of climatic variables. In this study, statistical techniques such as identification of trends, oscillations and fluctuations of temperature are used in order to identify any change in the behavior of Gorgan station during 1956 to 2006. Run test (P<0.5) has shown a random trend to the annual mean temperature. The results of conducted tests such as the Pearson, Spearman and Mann - Kendall and linear regression have shown no significant trend in the time series of Gorgan. To predict the duration and sequence of years with higher temperatures than the annual mean temperatures (temperature anomalies) Markov chain model was used. According to test on transition matrix of annual mean temperature, no dual-or multi state were accepted. Moreover, a spectral analysis techniques was conducted in order to identify the fluctuations in temperature, in which no significant trend was observed. Furthermore, the 95% confidence level in spectral analysis technique showed a significant cycle of 20 with short-term returns period of 2.5 years. Studies carried out by many researchers indicate that the mentioned cycle is in relation with oscillation periods of the quasi-biennial oscillation (QBO) in other parts of the world. ARIMA models were used to predict the behavior of the annual mean temperature in Gorgan. In this method, a number of three patterns were processed as the initial patterns. AIC test has shown that the third ARIMA model, M3 (0,1,1) is a better choice for temperature prediction. Based on this predictions of temperature for next 10 years (2015- 2006) with 95% confidence level were performed.  

کلیدواژه‌ها [English]

  • Spectral analysis
  • Markov chain
  • Gorgan
  • Arima Model
  • Mean Temperature

 

  1. جهانبخش، سعید، باباپور باصر، علی اکبر، (1382)، بررسی و پیش‌بینی متوسط دمای ماهانه تبریز با استفاده از مدل آریما (ARIMA)، فصل‌نامه تحقیقات جغرافیایی، شماره 70، صص46-34.
  2. خردمندنیا، منوچهر، عساکره، حسین، (1380)، الگوسازی ARIMA برای متوسط درجه حرارت سالانه هوا در جاسک، سومین سمینار احتمال و فرایندهای تصادفی،‌ دانشگاه اصفهان، واحد خوانسار.
  3. خسروی، محمود، (1383)، بررسی روابط بین الگوهای چرخش جوی کلان مقیاس نیمکره شمالی با خشکسالی‌های سالانه سیستان و بلوچستان، مجله جغرافیا و توسعه، شماره 4، 188-167.
  4. رضیئی، طیب، دانش‌کار آراسته، پیمان، اختری، روح نگیز، ثقفیان، بهرام، (1386)، بررسی خشکسالی هواشناسی (اقلیمی) در استان سیستان و بلوچستان با استفاده از نمایه SPI و مدل زنجیره مارکف، تحقیقات منابع آب ایران، شماره 1، 35-25.
  5.  عساکره، حسین، (1382)، بررسی آماری روند بارش سالانه تبریز، فضای جغرافیایی، شماره 10، صص 67-57.
  6. عساکره، حسین، (1386)، کاربرد رگرسیون خطی در تحلیل روند دمای سالانه تبریز، فصل‌نامه تحقیقات جغرافیایی، شماره 87، 26-3.
  7. عساکره، حسین، (1387)، بررسی احتمال تواتر و تدوام روزهای بارانی در شهر تبریز با استفاده از مدل زنجیره مارکف، تحقیقات منابع آب ایران، شماره 2، 56-47.
  8. عساکره، حسین، (1384)، تحلیل روند بارش سالانه استان اصفهان، مجله نیوار، شماره 56 و 57 مشهد.
  9. غیور، حسنعلی، عساکره، حسین، (1384)، کاربرد مدل‌ها فوریه در برآورد دمای ماهانه و آینده‌نگری آن، مطالعه موردی: دمای مشهد، فصل‌نامه تحقیقات جغرافیایی، شماره 77، صص 99-84.
  10. عساکره, حسین، (1388)، تحلیل طیفی سری­های زمانی دمای سالانه تبریز، فصلنامه تحقیقات جغرافیایی، شماره 94، صص50 -33.
  11.  عساکره، حسین، (1389)، تحلیل چرخه­های میانگین دمای سالانه شهر زنجان، جغرافیا و توسعه، شماره 19، صص 24-11.
  12. عساکره، حسین، (1388)، الگوسازی ARIMA برای میانگین سالانه دمای شهرتبریز، شماره 2 (پیاپی 93)، صص 188- 166.
  13. کاویانی، محمد رضا، عساکره، حسین، (1384)، بررسی آماری روند بلند مدت بارش سالانه­ی اصفهان، مجله پژوهشی دانشگاه اصفهان، شماره 1، صص 162-143.
    1. Lamb HH, )1972(. Climate: Present, Past and Future Fundamentals and Climate Now,. Methuen: London, vol.1: 240–250.
    2. Mishra A. K, Desai. V. R, (2005). Drought forecasting using stochastic, models , Stoch Environ Res Risk Assess, 19: 326–339 .
    3. Momani. M, Naill. P.E, (2009). Time Series Analysis Model for Rainfall Data in Jordan: Case Study for Using Time Series Analysis, American Journal of Environmental Sciences, 5: 599-604 .
    4. Pao, Shan Yu, Tao, (2002 ). Chang Yang and Chin, Kang WuImpact of Climate Change on Resources in Sourthern Taiwan, Journal of Hydrology, 260: 161- 175.
    5. Rajagopalana, B., Lall, U. b, (1998). Interannual variability in western US precipitation, Journal of Hydrology, 210: P51–67.
    6. Selvam, A.N., Joshni, R.R., Vijayakumar, R., (1994). Signatures of a universal spectrum for atmospheric interannual variability in COADS temperature time series, IITM Research Report, Vol 060.
    7. ZHOU, Yue,LU, Xixi,HUANG, Ying and ZHU, Yunmei, (2004). Anthropogenic Impacts on the Sediment Flux in the Dry-hot Valleys of Southwest China an Example of the Longchuan River, Journal of Mountain Science, 1: 239-249 .
    8. Wilks, Daniel.S, (2006). Statistical Methods in the Atmospheric Science. Second Edition. Academic press. Elsevier Inc. U.S.A. 627.