بررسی تغییرات زمانی بارش در استان همدان با استفاده از مدلهای آماری و شبکه عصبی مصنوعی

محورهای موضوعی : اقلیم شناسی

زهره مریانجی ¹ (استادیار گروه جغرافیا - دانشگاه سید جمال الدین اسد آبادی، همدان، ایران)
حامد عباسی ² (استادیار گروه علوم جغرافیایی دانشگاه لرستان، ایران)

تاریخ دریافت : 1394/02/26 تاریخ پذیرش : 1394/07/19 تاریخ انتشار : 1394/09/30

کلید واژه: شبکه عصبی مصنوعی, روند, آغاز و خاتمه بارش, فصل بارش,

چکیده مقاله :

تغییر اقلیم یکی از معضلهای کنونی جامعه بشری است و تهدید و بلای سیاره زمین به شمارمیآید افزایش دمای کره زمین سبب تغییرات ژرف و وسیع در اقلیمهای زمین شده و باعثبروز تغییراتی در زمان و مکان بارش می شود که آسیبهای بسیاری را خصوصاً در دهه اخیروارد کرده است. در این راستا این پژوهش با شناخت تغییرات و روند فصل و دوره بارش درگذشته به الگوهای مؤثر بارش در بازههای مختلف زمانی میپردازد و پیش بینی تغییرات درآینده را از روش شبکه عصبی مصنوعی امکان پذیر میکند. در انجام این پژوهش از دادههای- دو ایستگاه سینوپتیک همدان و نوژه استفاده شده دوره آماری مورد مطالعه نیز 92 ساله ) 324924 ( انتخاب شده است. بر اساس یافتههای این پژوهش به نظر میرسد فصل بارندگی درناحیه مرکزی استان همدان در دهه اخیر دیرتر آغاز و دیرتر به پایان میرسد به عبارتی آغازفصل بارندگی در همدان که در فصل پاییز رخ میداد به سمت زمستان میرود و فصل پاییزخشکتر از دورههای قبل است این نشان از جابه جایی فصل بارندگی در این ناحیه است. دراستفاده از روش شبکه عصبی توجه به دو نکته مهم در پیشبینی بارش ضروری به نظرمیرسد یکی دقت پایین شبکه عصبی در پیش بینی دراز مدت بارش است اگر چه این روشدر پیش بینیهای کوتاه مدت دقت بهتری دارد و دیگری اغراق در مقادیر حداقل و حداکثربارش در فصول مختلف سال است.

چکیده انگلیسی:

Climate change is one of the common problems in today’s societies and considerate as threat for earth. Increasing of earth temperature is cased to extensive changes in earth climates and also it laded to same variations of spatial and temporal of precipitation so that these variations cased to a lot of damages especially in last decade. This study to identify of variations and the trend of season and duration of precipitation in different times intervals. Then it is predicted same changes in the future by the method of artificial neural network. In this study we have us of the data from two synoptic stations Hamadan and Nojeh .The statistic’s years in this study; it seems the rainfall season in the central part of Hamadan province in started later and ended later in last decade. In other words the starter of rainfall season in Hamadan which occurred in the fall season, at present tend to ward the winter season and the fall season is more dryer than before ages. This shows that the rainfall season is interchanged in this district. in using of the method of artificial neural network we should consider to two main points in the predicting of precipitation the first one, the low attention of this method in the long –term predicting of precipitation and the second one, the exaggerate in the minimum and maximum amount of precipitation in different seasons of year.

منابع و مأخذ:

1- بابایی فینی ا. (1382): تحلیل و الگویابی مکانی و زمانی بارش در ایران، رساله دکتری دانشگاه تربیت مدرس.

2- خوش اخلاق، ف. (1377): پدیده انسو و تأثیر آن بر رژیم بارش ایران، فصل­نامه تحقیقات جغرافیایی. (51): 139-121.

3- عبد ا... زاده، ک، (1380): آمار و احتمالات، انتشارات آمار پردازان.

4- عساکره، ح. (1386): تغییرات زمانی - مکانی بارش ایران زمین، مجله جغرافیا و توسعه، 5 (10): 164-145.

5- محمدی ح. جاوری م. (1385): تغییرات زمانی بارش ایران، مجله محیط شناسی، (40): 100-87.

6- مسعودیان ا. (1384): شناسایی رژیم­های بارش ایران به روش تحلیل خوشه­ای، فصل­نامه پژوهش­های جغرافیایی، شماره (52): 21-33.

7- مسعودیان س. ا. (1386): نواحی بارش ایران. مجله جغرافیا و توسعه (13): 91-79.

8- مشکانی، م، (1364): آمار مقدماتی، مرکز نشر دانشگاهی تهران.

9- Ashabokov Bischokov R. and Derkach, D. (2008): Study of Changes in The Regime of Atmospheric Precipitation in The Central Northern Caucasus, Meteorologiya i Gidrologiya. NO. 2: 98-102.

10- Bodri L., Cermak V., and Kresl M. (2005): Trend in Precipitation Variability: Progue (The Czech Republic), Climatic Change. 72:151-170.

11- Kadioglu M., Ozturk N., Erdun H., and Sen Z. (1999): On The Precipitation Climatology of Turkey by Harmonic Analysis, Int. J. Climatol. 19:1717-1728.

12- Karagianndis A., Bloutsos A., Mahers P., and Sachsamanoglou Ch. (2008): Some Statistical Characteristis of Precipitation in Europ, Theor. Appl. Climatol., 91: 193-204.

13- Kirkyla K., and Sultan Hameed. (1989): Harmonic Analysis of The Seasonsl Cycle in Precipitation Over The United States: a Comparison Between Observations and General Circulation Model, American Meteorological Society. 11794:1463-1475.

14- Livada I., Charalambous G., and Assimakopoulos M. (2008): Spatial and Temporal Study of Precipitation Characteristics Over Greece, Theor. Appl. Climatol. 93:45-55.

15- Tarawneh Q., and Kadoglu M. (2003): An Analysis of Precipitation Climatology in Jordan, Theor. Appl. Climatol, 74:123-136.