واکاوی زمانی بارش سالانه شهر شیراز با استفاده از تحلیل سری های زمانی
محورهای موضوعی : برگرفته از پایان نامهیونس خسروی 1 , سعید بلیانی 2 , علی بیات 3
1 - استادیار گروه علوم محیط زیست، دانشکده علوم، دانشگاه زنجان،
2 - دکتری اقلیم‌شناسی در برنامه‌ریزی محیطی، دانشگاه خوارزمی تهران.
3 - دکتری اقلیم‌شناسی در برنامه‌ریزی محیطی، دانشگاه خوارزمی تهران.
کلید واژه: شیراز, پیش بینی, مدل سازی, بارش سالانه, سری های زمانی,
چکیده مقاله :
بارندگی یکی از عوامل مهم هواشناسی است که مقدار آن به نحو چشمگیری در نقاط مختلف کره زمین تغییر می‌یابد. یکی از روش‌هایی که به کمک آن می توان سیر تحولات بارندگی را درگذشته و حال بررسی نمود، آنالیز روند سری‌های زمانی در مقیاس‌های مختلف زمانی است. در این تحقیق از متوسط بارش سالانه شهر شیراز برای مدل‌سازی و پیش‌بینی با استفاده از تکنیک تحلیل سری‌های زمانی استفاده‌شده است. برای این منظور از ایستگاه سینوپتیک شیراز با طول دوره آماری 60 ساله (2010-1951) استفاده گردیده است. نتایج نشان داد، در تکنیک تحلیل طیفی چرخه‌های 5/2 ساله، 5 ساله، 10، 12 و20 ساله بر بارش سالانه حاکم بوده و همساز سوم با دوره بازگشت 20 ساله به‌عنوان چرخه غالب با واریانس (حدود 12 درصد) در طیف بارش شناسایی گردید. در نهایت برای آگاهی و اطمینان از جهت رفتار گذشته و پیش‌بینی مقدار بارش سالانه تا سال‌های آینده مدل‌سازی ARIMA برای سری زمانی مورد بحث در دستور کار این پژوهش قرارگرفت، که با آزمون و خطا در خانواده الگوهای ARIMA، یک الگوی نهایی به نام CON M4(0,1,1) به‌عنوان الگویی برتر ازنظر معیارهای آماری مناسب انتخاب شد. این الگو نیز برای هر سال میزان 44/1 میلی‌متر کاهش بارش را تا سال 2020 پیش‌بینی نموده است. با توجه به نتایج حاصل از این پژوهش (رفتار کاهشی بارش سالانه) و با امکان موضوع تغییر اقلیم که امروزه از اصلی‌ترین چالش‌های بشر می‌باشد، برنامه‌ریزی‌های جامع مدیریت منابع بالقوه آب در کشور (استان فارس و شهر شیراز) ضرورتی اساسی به نظر می‌رسد.
Precipitation is one of the most important meteorological criteria whose quantity significantly varies throughout the earth. One of the methods to study precipitation trends in the past and present is the analysis of time series in different time scales. In this study, time series analysis was used for modeling and forecasting the average annual precipitation in Shiraz. Accordingly, the annual precipitation data in Shiraz were collected in the time interval 1951-2010. The results of this study indicated that 2.5, 5, 10, 12 and 20-year cycles cover in the study area and the third Compatible with a return period of 20-years and variance about 12 percent was dominanted in the study area. In the end, to make sure of the trend in the past and also forecasting the future precipitation, the ARIMA modeling was used. Finally, by trial and error in the ARIMA patterns family, a final pattern called M4(0,1,1) CON was selected as the optimum pattern in terms of statistical criteria. This pattern has suggested a 1.44 mm decline in precipitation until the year 2020. According to the results (the decreasing annual precipitation) and according to the climate change as a main topic, a comprehensive planning for the management of water resources unavoidable in Fars province and Shiraz city.
منابع
1) Ahani, H., Kherad, M., Kousari, MR., Rezaeian-Zadeh, M., Karampour, MA., Ejraee, F., Kamali, S. 2012. An investigation of trends in precipitation volume for the last three decades in different regions of Fars province, Iran. Theoretical and Applied Climatology. 109: 361-82.
2) Asakereh, H. 2001. Statistical-climate analysis of temperature time series in Iran, Ph.D. Thesis in Climatology, University of Isfahan (In Persian).
3) Asakereh, H. 2007. Spatio – Temporal Changes of Iran Inland Precipitation during Recent Decades. Geography And Development Iranian Journal. 5: 145-164 (In Persian).
4) Asakereh, H. 2009. Analysis of average annual temperature in Zanjan city, Geography and Development. 8: 11-24 (In Persian).
5) Alijani, b., Brien, J and Yarnal. b. 2007. Spatial analysis of precipitation intensity and concentration in Iran.Theor.Appl.Climatol. 97: 107- 127.
6) Asgari, A and Rahimzadeh, F. 2006. Study of the precipitation variability in recent decades in Iran, Journal of Geography Research. 38: 67-80 (In Persian).
7) Babaei, A and Farajzadeh, M. 2002. Patterns of spatial and temporal variations ofprecipitation in Iran, Journal of Modarres of Human Sciences. 6: 51-70 (In Persian).
8) Babazadeh, H., Shamsniya, S., Bostani, F., Norozyaghdam, E and Khodadadydehkardy, D. 2012. Analysis of Drought, Wetness Year and Forecasting of Climate Parameters, Precipitation and Temperature Using Stochastic Methods in Shiraz City, Geography and Planning. 16: 23-47 (In Persian).
9) Balyani, Y., Fazelnia, Gh., Jalali, M and Bayat, A. 2012. A study and prediction of annuel temperature in shiraz using ARIMA model. Geographical Space. 12: 127-144 (In Persian).
10) Bayat, A. 2010. Analyzes of time series of precipitation in Zanjan, MSc Thesis, University of Zanjan, Geography department, Zanjan (In Persian).
11) Bayat, A. 2015. The modeling and forecasting of annual precipitation in Iran using ARIMA method, International Journal of Geography. 1: 1-25 (In Persian).
12) Becker S, Gemmer M, Jiang T. 2006. Spatiotemporal analysis of precipitation trends in the Yangtze River catchment. Stochastic Environmental Research and Risk Assessment. 20: 435-44.
13) Brooks C.E.P and Carrthers N. 1953: Handbook of statistical methods in meteorology. London, H.M.S.O.
14) Chetfield, S. 2002. An Introduction to Time Series Analysis, Translated by Hassan Ali Nirmand and Abolghasem Big Nia, Ferdowsi University Press, Mashhad (In Persian).
15) Dehghani, A. 2010. Application of Arima Models in predicting annual precipitation trends of selected stations in Fars province, MSc Thesis, University of Payamnour, Shiraz (In Persian).
16) Firouzi, F., Negaresh, H and Khosravi, M. 2012. Modeling, forecasting and estimating precipitation trend in selected stations of Fars province, Journal of Management System, 7: 77-91 (In Persian).
17) Jung, I.W., Bae, D.H., and Kim, G. 2011. Recent trends of mean and extreme precipitation in Korea. International journal of climatology, 31: 359-370.
18) Kharadmand Nia, M and Asakereh, H. 2001. Modeling the ARIMA for the average annual air temperature in Jask, 3rd Conference of probability and random processes, University of Isfahan, Khansar Unit (In Persian).
19) Mahajan, S., North, GR., Saravanan, R and Genton MG. 2012. Statistical significance of trends in monthly heavy precipitation over the US. Climate dynamics. 38:1375-87.
20) Mohammadi, H. 2007. Temporal Variation of Rainfall in Iran, Journal of Environmental Studies. 32: 87-100 (In Persian).
21) Şen, Z. 1998. Small sample estimation of the variance of time‐averages in climatic time series. International journal of climatology.18: 1725-32.
22) Soltani, S., Modarres, R and Eslamian, S. 2007. The use of time series modeling for the determination of rainfall climates of Iran. Int. J. Climatol. 27: 819–829.
23) Tromel, S and Schonwiese, C.D. 2008. Robust trend estimation of observed German precipitation Theor. Appl. Climatol. 93: 107-115.
24) Tromel, S and Schönwiese, C.D. 2011. Extreme Value and Trend Analysis Based on Statistical Modelling of Precipitation Time Series. In Extremis. 2: 184-200.
25) Tomozeiu, R., Busuioc, A., Marletto, V., Zinoni, F and Cacciamani, C. 2000. Detection of changes in the summer precipitation time series of the region Emilia-Romagna, Italy. Theoretical and Applied Climatology. 67:193-200.
Xoplaki, E., Gonzalez-Rouco, JF., Luterbacher, JU and Wanner H. 2004. Wet season Mediterranean precipitation variability: influence of large-scale dynamics
_||_