جاوید جامعی

در این مقاله به منظور شناسایی تغییرات زمانی- مکانی دمای شمال غرب ایران از 19 ایستگاه سینوپتیک منطقه که دارای دوره آماری کامل تری بوده اند، استفاده شده است. ابتدا تغییرات فضایی دمای منطقه بر اساس شاخص های مرکزی و پراکندگی آماری مورد مطالعه قرار گرفت و با استفاده از روش میانیابی TPSS که کمترین خطای MAE را داشته، اقدام به ترسیم منحنی های هم دما و ضریب تغییرات گردید. سپس بر اساس روش های آماری به بررسی تغییرات زمانی دمای شمال غرب پرداخته شد. علاوه بر استفاده از روش پارامتری رگرسیون خطی با توجه به ماهیت غیر خطی بودن عناصر اقلیمی از روش ناپارامتری من- کندال (به عنوان روشی توزیع آزاد) بهره گرفته شده است. نتایج ماخوذه نشان می دهد که شمال غرب ایران در دوره آماری مورد مطالعه منطقه همگنی از لحاظ دمایی نبوده و متوسط دمای سالانه با ارتفاع رابطه معکوس و معنی داری داشته است. نتایج نشان می دهد، دوره میانگین دمای سالیانه در بیشتر مناطق شمال غرب به تدریج افزایش یافته است. از حیث تغییرات بارشی، نواحی سردتر و مرتفع تر نظام بارشی متغیرتری را تجربه نموده اند. اکثر مناطق شمال غرب کشور با روند افزایشی دما مواجه بوده و این گرمایش از غرب به شرق بارزتر است. البته در نوار باریکی از غرب منطقه مورد مطالعه روند کاهشی دما به صورت معنی دار اتفاق افتاده است.

با توجه به اهمیت بارش در مدیریت منابع آب و آمایش سرزمین و نقش آن در برنامه ریزی های خرد وکلان، بخصوص تاثیر فراوان آن بر اقتصاد کشاورزی، الگوسازی و شبیه سازی رفتار بارش در سال های اخیر، مورد توجه مجامع علمی بوده است. الگوی فصلی - ضربی باکس، جنکینس (1976) برای دست یابی به این مقصود با توجه به ماهیت فصلی بودن داده های بارش از کارایی بیشتری برخوردار است. در این روش، متوسط هر ماه بر اساس میانگین بارش ماه های پیشین در همان سال و سال های قبل و همچنین ضربه های تصادفی بیان می شود. در این تحقیق با استفاده از داده های پنجاه ساله بارش ماهانه ایستگاه های ارومیه و تبریز، ابتدا مولفه های اولیه و ثانویه مورد مطالعه قرار گرفت، سپس بر اساس روش seasonalARIMA و پارامترهای مربوط (به شرط نرمال و تصادفی بودن باقیمانده ها) الگوی نهایی بارش ایستگاه های ارومیه و تبریز به ترتیب (000) (111)12، (000) (011)12 تعیین شد. در نهایت به پیش بینی مقادیر سال های آتی پرداخته شد. ضریب همبستگی بالای بارش پیش بینی شده و مشاهده شده برای سال های 2001 و 2002، حاکی از توانایی الگوی انتخابی در برآورد بارش ایستگاه های مورد مطالعه است

اقلیم و پارامترهای مربوط به آن ـ از جمله بارش، دما، رطوبت و … ـ و تغییرات احتمالی این عناصر در طول دوره زمانی نقش بسزایی در محیط زندگی انسان دارد. لذا شناخت عناصر مذکور و تغییرات مربوط از طریق به کمی در آوردن و مدل بندی آماری پارامترهای و فراسنجهای اقلیمی، امکان بهره وری بهینه از طبیعت و امکانات خدادادی آن را فراهم می سازد. در مقاله حاضر، به منظور تجزیه و تحلیل سری زمانی بارش ماهانه ایستگاههای منتخب غرب کشور و پیش بینی مقادیر آتی برای شناسایی خشکسالی، از روش ساریما استفاده شده است. برای تعیین خشکالی، دو شاخص توزیع استاندارد و درصد بارش نرمال به کار گرفته شده و در نهایت معناداری تغییرات بارش در طول دوره آماری مورد مطالعه، از طریق آزمون F بررسی گردیده است. در خاتمه خشکسالی ضعیف خشکسالی غالب بوده و بارش ایستگاه های منتخب تغییرات معناداری نداشته است.

هدف: هدف از این پژوهش، پیش بینی دماهای حداقل به عنوان یکی از عناصر مهم اقلیمی در پیش بینی سرمای دیررس بهاره و یخبندان است. روش: از شبکه های عصبی مصنوعی برای پیش بینی دماهای حداقل ایستگاه های پیرانشهر و سردشت استفاده شده است. بدین منظور، از دورة آماری 18 ساله (1391-1374) ایستگاه سینوپتیک پیرانشهر- سردشت و توابع و امکانات موجود در نرم افزار MATLAB برای آموزش و آزمون این مدل ها بهره گرفته شد. سپس، به بررسی شاخص های عملکرد شبکه، ازجمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، درصد نسبی خطا و ضریب همبستگی پرداخته شد. یافته ها: علاوه بر تأیید توانایی شبکه های عصبی مصنوعی، یافته ها نشان داد که حداکثر خطای این مدل با داده های واقعی در ایستگاه های پیرانشهر و سردشت، به ترتیب 35/0 و 15/0 درجة سانتی گراد است که توانایی قابل توجه این مدل را در مدل سازی پیش بینی سرمای دیررس بهاره و یخبندان نشان می دهد. نتیجه گیری: استفاده از روش شبکه های عصبی مصنوعی در پیش بینی دماهای حداقل برای تعیین سرمای دیررس بهاره با توجه به تعیین خطای آموزشی، می تواند به عنوان گزینه ای سودمند موردتوجه و بررسی قرار گیرد.