پهنه بندی دماهای کمینه و بیشینه در ایران به روش رگرسیون چند متغیره

نویسندگان

1 عضو هیئت علمی/پژوهشگاه هواشناسی

2 کارشناس تحقیقات/هواشناسی خراسان رضوی

3 مدیر شبکه پایش هواشناسی

چکیده

دما اثرات انکارناپذیری بر فعالیت های انسانی و فرآیندهای طبیعی می گذارد. با توجه به گستردگی و تنوع آب و هوایی ایران و پراکندگی مکانی و نوسانات دمایی در گستره ایران، شناخت پهنه های دمایی مختلف در ایران در سیاست گذاری بخش های مختلف صنعت، عمران و کشاورزی یک ضرورت می باشد. به دلیل تنوع اقلیمی کشور و به تبع آن احتمال وقوع گرادیان های دمایی مختلف، در این مطالعه بررسی روابط دمای کمینه و بیشینه به تفکیک در 6 منطقه اگروکلیمایی کشور انجام گرفت. آمار دمای حداقل و حداکثر در 184 ایستگاه سینوپتیک کشور( از سال 2002 تا 2016) استفاده شد. الگوی مورد استفاده برای استخراج ارتفاع نواحی (در سطح کشور) با استفاده از داده های مدل رقومی ارتفاع از محصولات ماهواره SRTM و با دقت 90 متر مورد استفاده قرار گرفت.با استفاده ازنرم‌افزار SPSS آنالیز رگرسیون چند متغیره گام به گام انجام شد. از داده های دمای بیشینه و کمینه به عنوان متغیر وابسته و داده های ارتفاع، طول و عرض جغرافیایی، به عنوان متغییر مستقل در تحلیل رگرسیون استفاده به عمل آمد و رابطه مستقلی برای برآورد دمای بیشینه و کمینه ایجاد شد. مشاهده شد معادلات رگرسیونی برای مدل سازی آماری دمای بیشینه عملکرد بهتری نسبت به دمای کمینه داشته اند. معادلات به دست آمده در هر ناحیه برای کل ناحیه و بافر پیرامونی اعمال گردیند و در نهایت با کنار هم قرار گرفتن نواحی و میانگین گیری از مناطق بافر، نقشه های دمای ماکزیمم و مینیمم برای کل کشور ایجاد شدند.

کلیدواژه‌ها


عنوان مقاله [English]

Zoning of minimum and maximum temperatures in Iran using multivariate regression

نویسندگان [English]

  • Ebrahim As'adi Oskouei 1
  • Saeedeh Kouzegaran 2
  • masoud haghighat 3
1 Faculty member/ ASMERC
2 Research Expert/ Khorasan-e-Razavi meteorology bureau
3 irimo
چکیده [English]

Temperature has a key role on human activities and natural processes. Due to Iran's vast and diverse climate and diverse spatial distribution and fluctuations of temperature, defining temperature zones is necessity in different sectors of industry, civil engineering and agriculture. Due to the country's climate variation and existence of different temperature gradients in different regions, in this study, the minimum and maximum temperature evaluation equations were investigated separately in six major agro-climate regions of the Iran. Minimum and maximum temperature data were obtained from 184 synoptic stations (from 2002 to 2016). The pattern used to extract the elevation of the areas (in the country) using the digital elevation data from SRTM satellite products with a precision of 90 meters was used. Maximum and minimum temperature data were used as dependent variable and elevation, latitude, longitude, data were used as independent variable in regression analysis and an independent relationship was established for estimating maximum and minimum temperatures and the calculations were done using SPSS software, multi-variable stepwise regression analysis. It was found that regression equations for maximum temperature modeling have a better performance than the minimum temperature. The equations obtained in each area are applied to the whole area and the peripheral buffer. Finally, with the addition of regions and averaging of buffer zones, maximum and minimum temperature maps were created for the whole country.

کلیدواژه‌ها [English]

  • Interpolation
  • Minimum and Maximum Temperature
  • regression analysis
  • Zoning
منابع
1- اکبری، ط. و ا. مسعودیان، 1388، شناسایی رژیم دمایی و پهنه­بندی نواحی دمایی ایران، جغرافیا و برنامه­ریزی محیطی سال 20، شماره ٣٣، بهار ١٣88: 74-59.
 
2- آذرخشی، م.، ج. فرزادمهر، م. اصلاح و ح. صحابی، 1392، بررسی روند تغییرات سالانه و فصلی بارش و پارامترهای مختلف دما در مناطق مختلف آب و هوایی ایران، نشریه مرتع و آبخیزداری مجله منابع طبیعی ایران، شماره 66: 16- 1.
3- پیشگاه ‌هادیان، پ.، ا. احسانزاده و ر. معینی، 1395، مقایسه عملکرد روش­‌های مختلف در بررسی روند تغییرات متغیرهای اقلیمی (حوضه سد سفیدرود)، تحقیقات منابع آب ایران، (2)12: 49-66.
 
4- تقوی، ف.، م. ناصری، ب. بیات، س.س. متولیان و د. آزادی‌فرد، 1390، تعیین الگوی رفتار اقلیم در مناطق مختلف ایران بر اساس تحلیل طیفی و خوشه‌بندی مقادیر حدی بارش و دما، پژوهش‌های جغرافیایی طبیعی، شماره    77 : 124- 109.
 
5- جهانگیری، ز. و ف. رحیم­زاده، 1384، ضرورت قابل اعتماد بودن اطلاعات هواشناسی در مسائل اقلیم و تغییراقلیم، نیوار، (30) 56-57 : 91-105.
 
6- خورشید دوست، ع. م.، ع. ا. رسولی، ع. سلاجقه و م. نساجی زواره، 1395، ارزیابی همگنی سری­های زمانی دمای بیشینه و کمینه سالانه و فصلی (ناحیه خزر)، نشریه جغرافیا و برنامه­‌ریزی، (20) : 133-149.
 
7- عظیمی، ف.، 1387، پهنه­بندی دمای سطح شهر اهواز با استفاده از تصاویر حرارتی سنجنده ETM، جغرافیای سرزمین، 5، شماره 1 (پیاپی 17): 97-110.
 
8- علی‌آبادی، ک. و ع. داداشی رودباری، 1394، بررسی تغییرات الگوهای خودهمبستگی فضایی دمای بیشینه ایران، مطالعات جغرافیایی مناطق خشک، شماره 21 : 104- 86 .
 
9- علیجانی، ب.، پ. محمودی، م. سلیقه و ا. ریگی چاهی،
1390، بررسی تغییرات کمینه و بیشینه‌های سالانه دما در ایران، فصلنامه تحقیقات جغرافیایی، شماره 102 : 17352-17374.
 
10- علیجانی، ب.، 1374، آب و هوای ایران، انتشارات دانشگاه پیام نور، چاپ دوم، 183 ص.
 
11- قائمی، ه.، آ. زرین و ف. خوش اخلاق، 1391،       اقلیم­شناسی مناطق خشک، انتشارات سمت، تهران.
 
12- کرم پور، م. و ا. یاراحمدی، 1394، پهنه­بندی بیشینة متوسط و بیشینة مطلق دما در ایران، مجلة جغرافیا و توسعة ناحیه­ای، سال سیزدهم، پاییز و زمستان 1394، (2)2 : 88-67.
 
13- مسعودیان، ا.، 1390، آب‌ و هوای ایران، انتشارات دانشگاه اصفهان.
 
14- مسعودیان، ا.، ح.  زینالی و ر.  حجتی زاده، 1387،  نواحی دمایی ایران، تحقیقات جغرافیایی، تابستان 1387، دوره23 (2) 89 :  3-18.
 
15- مسعودیان، ا. وم. کاویانی،1376، اقلیم­شناسی ایران، چاپ اول، دانشگاه اصفهان، 179ص.
 
16- مدرسی، ف.، ش. عراقی‌نژاد، ک. ابراهیمی و م. خلقی، 1389، بررسی منطقه­‌ای پدیده تغییر اقلیم با استفاده از آزمون‌های آماری (مطالعه موردی: حوضه آبریز گرگانرود- قره­‌سو)، نشریه آب ‌وخاک، (3)24: 489-476.
 
17- مجرد، ف.، 1376، تحلیل و پـیش­بینـی یخبندان در آذربایجان، رساله دکتری، گـروه جغرافیـا ، دانشگاه تربیت مدرس تهران.
 
18- مجرد، ف. و ب. جوادی، 1389، پهنه­بندی ایران بر مبنای دماهای حداقل، مجله جغرافیا و برنامه­ریزی محیطی، سال 21، شماره پیاپی 39، شماره 3 : 106-88 .
 
19- مهربان، ا. و ا. غریب عشقی، 1384، استفاده از      سیستم­های اطلاعات جغرافیایی (GIS) در شناسایی مناطق مستعد سرمازدگی، مجموعه مقالات همایش علمی کاربردی راه­های مقابله با سرمازدگی، وزارت جهاد کشاورزی، سازمان جهاد کشاورزی استان یزد، 171- 162.
 
20- Alexanderson H. & A. Moberg, 1997, Homogenization of Swedish temperature data Part 1: homogeneity test for linear trends, International Journal of Climatology, 17, pp. 25–34.
 
21- Anslow, F. & Y. Wang, 2016, Statistical Homogenization of Temperature data from the Williston Basin and Campbell river regions of British Columbia, University of Victoria, pp. 38.
 
22- Bharath, R., V. V. Srinivas & B. Basu, 2015, Delineation of homogeneous temperature regions: a two‐stage clustering approach, International Journal of Climatology, v. 35, Issue 15, pp. 4707-4727.
 
23- Dixit, N. & D. Chen, 2010, Farm-scale zoning of extreme temperatures in Southern Mallee, Victoria, Australia. Biosystems engineering, 105 (2), 198-204.
 
24- Domonkos, P., 2013, Measuring performances of homogenization methods, Quarterly Journal of the Hungarian Meteorological Service, 117(1), pp. 91-112.
 
25- Jones, D. A., 1999, Characteristics of Australian land surface temperature variability, Applied Climatology, 63, pp. 11-31.
 
26- Hasan, M. A. & R. A. Tarefder, 2018, Development of temperature zone map for mechanistic-empirical (ME) pavement design, Int. J. Pavement Res. Technol., 11 (1), pp. 99-111.
 
27- Jones, D. A., 1999, Characteristics of Australian land surface temperature variability: Theoretical and Applied Climatology, 63, pp. 11-31.
 
28- Marcolini, G., A. Bellin & G. Chiogna, 2017, Performance of the Standard Normal Homogeneity Test for the homogenization of mean seasonal snow depth time series, International Journal of Climatology.
 
29- Pineda-Martinez, L. F., N. Carbajal & E. Medina-Roldan, 2007, Regionalization and classification of bioclimatic zones in the central –northeastern region of Mexico using principal component analysis (PCA), Atmosphere 20(2), pp. 133-145.
 
30- Ribeiro, S., J. Caineta & A. C. Costa, 2016, Review and discussion of homogenization methods for climate data, Physics and Chemistry of the Earth, Parts A/B/C, 94, pp. 167-179.
31- Romeroa, R., C. Ramisa, J. A. Guijarrob & G. Sumnerc, 1999, Daily Rrainfall Affinity in Mediterranean Spain, International Journal of Climatology, Vol. 19, pp. 557-578.
 
32- Sahin, S. & H. K. Cigizoglu, 2010, Homogeneity analysis of Turkish meteorological data set, Hydrological Processes, 24(8), pp. 981-992.
 
33- Steirou, E. & D. Koutsoyiannis, 2012, Investigation of methods for hydroclimatic data homogenization, Geophysical Research Abstracts, Vol. 14.
 
34- Unal, Y., T. Kindap & M. Karaca, 2003, Redefining the climate zones of Turkey using cluster analysis, International Journal of Climatology, Vol. 23(9), pp. 1045-1055.
 
35- Verichev, K., A. Salimova & M. Carpio, 2018, Thermal and climatic zoning for construction in the southern part of Chile, Adv. Sci. Res., 15, pp. 63–69, https://doi.org/10.5194/asr-15-63-2018.
 
36- Yin. Z. Y. & P. A. Knapp, 1999, Winter temperature variability warning and cooling periods in the conterminous United Stated, 1947-1992, Theor. Appl. Climatol. 62.
 
37- Zhang, L., G. Y. Ren, Y. Y., Ren, A. Y. Zhang, Z. Y. Chu & Y. Q. Zhou, 2014, Effect of data homogenization on estimate of temperature trend: a case of Huairou station in Beijing Municipality, Theoretical and applied climatology, 115(3-4), pp. 365-373.
 
38- Zhou, D., S. Khan, A. Abbas, T. Rana, H. Zhang & Y. Chen, 2009, Climatic regionalization mapping of the Murrumbidgee Irrigation Area, Australia, Progress in Natural Science, Vol. 19(12), pp. 1773-1779.