تعیین تناوب تاثیرگذار در روند سری‌های زمانی بارش و رواناب (مطالعه موردی: دشت اردبیل)

محورهای موضوعی : برگرفته از پایان نامه

فرناز دانشور وثوقی ¹

1 - گروه مهندسی عمران، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران.

تاریخ دریافت : 1398/02/20 تاریخ پذیرش : 1399/10/17 تاریخ انتشار : 1399/10/01

کلید واژه: بارش, رواناب, تبدیل موجک, دشت اردبیل, من‌کندال,

چکیده مقاله :

در این پژوهش روند سری­های زمانی بارش و رواناب را در 3 ایستگاه بارش و یک ایستگاه رواناب در دشت اردبیل در مقیاس ماهانه در طول دوره آماری 1394-1350 بررسی می­کند. هدف از این مطالعه تحلیل روند سری­های زمانی بارش و رواناب با استفاده از آزمون­های MK1 و MK2 و MK3 است و هم­چنین برای تعیین تناوب تأثیرگذار از ترکیب آزمون MK1 و تبدیل موجک استفاده گردید. نتایج آزمون­های MK1 و MK2 و MK3 نشان داد ایستگاه­های بارش سامیان (P1) و رواناب سامیان (R1) دارای روند کاهشی و ایستگاه­های بارش گیلانده (P2) و بارش کوزه تپراقی (P3) دارای روند افزایشی می باشند. سری­های زمانی بارش روند معنی داری را نشان ندادند ولی سری زمانی رواناب روند معنی­داری را نشان دادند. نتایج آزمون من­کندال بعد از حذف اثر تمام همبستگی­های معنی­دار (MK3) نسبت به آزمون MK1 از میزان روند کمتری برخوردار است. در کل، دوره­های زمانی کوتاه مدت نقش مهمی را در روند سری­های زمانی اصلی دارا می­باشد. بنابراین، در داده­های بارش دوره زمانی کوتاه مدت دو ماهه (A+D1) در مقیاس ماهانه نشان داده شد. در سری زمانی رواناب، زیر سری جزئی در سطح 3 در ترکیب با سری­زمانی تقریبی (A+D3) به عنوان مولفه زمانی تأثیر گذار انتخاب گردید.

چکیده انگلیسی:

This study analyses the trends in runoff and rainfall data at monthly timescales observed at three rainfall and one runoff stations of Ardabil plain in 1350-1394 period. The purpose of this study is to analyse the trends in runoff and rainfall time series using MK1, MK2 and MK3 tests. Also, in order to determine the dominant periodic components applied hybrid Wavelet Transform and MK1 test. The results of MK1, MK2 and MK3 tests showed that decreasing trend is prevalent in rainfall (P1) and runoff (R1) of Samian station and positive trend in rainfall of Gilandeh (P2) and Kozatopraghi (P3) stations. Also, rainfall time series have not shown non-significant trend. But runoff time series were shown significant trend. The results of MK after removing the effect of all significant serial correlation (MK3) showed the value of trends decreased in comparison to MK1 parameters. Generally, short-term periods were important in the involved trend at original time series. Thus, the rainfall data showed short-term periods of 2 months (A+D1) in monthly scales, respectively. In the runoff time series, wavelet-based detail at level 3 plus the approximation (A+D3) time series was conceded as the dominant periodic component.

منابع و مأخذ:

1)        دانشور وثوقی، ف. و شاکر، رضا.، 1397. بررسی روند تغییرات تراز آب زیرزمینی با روش ترکیبی من­کندال-تبدیل موجک (مطالعه موردی: دشت اردبیل. مجله محیط زیست و مهندسی آب، دوره 4 ،شماره 3: 253-243.

2)        نورانی، و.، آزاد، ن.، قاسم­زاده، م. و شرقی، ا. 1395. بررسی تأثیر پارامترهای هیدروکلیماتولوژیکی آجی­چای بر تغییرات تراز آب دریاچه ارومیه با استفاده از مدل ترکیبی موجک-من­کندال. شماره 7: 159-141.

3)       Adamowski J. 2008. Development of a short-term river flood forecasting method for snowmelt driven floods based on wavelet and cross-wavelet analysis. Journal of Hydrology, 353: 247–266.

4)       Adamowski K., Prokoph A. and Adamowski J. 2009. Development of a new method of wavelet aided trend detection and estimation. Hydrological Processes, 23(18): 2686-2696.

5)       Douglas E.M., Vogel R.M. and Kroll C.N. 2000. Trends in flood and low flows in the United States: impact correlation. Journal of Hydrology, 240(1–2): 90–105

6)       Gautam M.R., Acharya K. and Tuladhar, M.K. 2010. Upward trend of streamflow and precipitation in a small, non-snow-fed, mountainous watershed in Nepal. Journal of Hydrology, 387: 304–311.

7)       Jain S.K., Kumar V. and Saharia M. 2013. Analysis of rainfall and temperature trends in northeast India. International Journal of Climatology, 33(4):968–978

8)       Jung H.Y., Choi Y., Oh J.H. and Lim G. H. 2002. Recent trends in temperature and precipitation over South Korea. International Journal of Climatology, 22:1327–1337.

9)       Kendall M.G. 1975. Rank Correlation Measures, Charles Griffin, London.

10)   Kumar S., Merwade V., Kam J. and Thurner K. 2009. Streamflow trends in Indiana: Effect of long term Persistence, precipitation and subsurface drains. Journal of Hydrology, 374: 171-183.

11)   Mann H.B. 1945. Non-parametric test against trend. Econometrica, 13: 245-259.

12)   Nalley D., Adamowski J. and Khalil B. 2012. Using discrete wavelet transforms to analyze trends in streamflow and precipitation in Quebec and Ontario (1954–2008). Journal of Hydrology, 475: 204–228.

13)   Nourani V., Nezamdoost N., Samadi M. and Daneshvar Vousoughi F. 2015. Wavelet-based trend analysis of hydrological processes at different timescales. Journal of Water and Climate Change, 6 (3): 414-435.

14)    Nourani V., Danandeh Mehr A. and Azad N. 2018. Trend analysis of hydroclimatological variables in Urmia lake basin using hybrid wavelet Mann–Kendall and Şen tests. Environmental Earth Sciences, https://doi.org/10.1007/s12665-018-7390-x.

15)   Partal T. and Kahya E. 2006. Trend analysis in Turkish precipitation data. Hydrological Processes, 20: 2011-2026.

16)   Partal T. and Kucuk M. 2006. Long-term trend analysis using discrete wavelet components of annual precipitations measurements in Marmara region (Turkey). Physics and Chemistry of the Earth, 31: 1189–1200.

17)   Pasquini A. I., Lecomte K.L., Piovano E.L., and Depetris P.J. 2006. Recent rainfall and runoff variability in central Argentina. Quaternary International, 158(1): 127-139.

18)   Paul S., Datta D. and Sarkar P. K. 2011. Determination of trend of annual precipitation by stationary wavelet components in Northern part of Maharashtra. Journal of Environmental Sciences, 2: 1–11.

19)   Tan C., Huanga B., Liu K., Chen H., Liu F., Qiu J. and Yang J. 2017. Using the wavelet transform to detect temporal variations in hydrological processes in the Pearl River, China. Quaternary International, 440(B): 52-63.

20)   Türkes M. 1996. Spatial and temporal analysis of annual rainfall variations in Turkey. International Journal of Climatology, 16: 1057–1076.

21)   Wang H., Zhang M., Zhu H., Dang X., Yang Z. and Yin L. 2012. Hydro-climatic trends in the last 50 years in the lower reach of the Shiyang River Basin, NW China. Catena, 95: 33–41.

22)   Wei Y., Jiao J., Zhao G., Zhao H., He Z. and Mu X. 2016. Spatial–temporal variation and periodic change in streamflow and suspended sediment discharge along the mainstream of the Yellow River during 1950‐2013. CATENA, 140: 105-115.

23)   Xu K., Milliman J.D. and Xu H. 2010. Temporal trend of precipitation and runoff in major Chinese Riverssince 1951. Global and Planetary Change, 73:219-232.

24)   Xu J., Yang D., Yi Y., Lei Z., Chen J. and Yang W. 2012. Spatial and temporal variation of stream flow in the Yangtze River basin during the past 40 years. Quaternary International, 186: 32–42.

25)   Yang H.H., Vuuren S. V., Sharma S. and Hermansky H. 2012. Relevance of timefrequency features for phonetic and speaker-channel classification. Speech Communication, 31: 35-50.

26)   Yonghui Y. and Tian F. 2009. Abrupt change of stream flow and its major driving factors in Haihe River Catchment, China. Journal of Hydrology, 374: 373–383.

27)   Zhao G., Hormann G. and Fohrer N. 2010. Streamflow trends and climate variability impacts in Poyang lake basin, China. Water Resourse Management, 24: 689-706.