الگوسازی روابط مکانی فراوانی رخداد ماهانه بارش‌های شدید (فصول سرد) ناحیه خزری

نوع مقاله : پژوهشی

نویسندگان

دانشگاه زنجان

چکیده

از مهم‌ترین اهداف آمار فضایی، بررسی روابط مکانی داده­های محیطی (بارش شدید) برای تحلیل الگوها و وابستگی­های فضایی است. در این راستا تحلیل اکتشافی داده‌های فضایی روش­هایی را برای تمایز بین الگوهای تصادفی و غیر تصادفی فراهم می­آورد. در این پژوهش با کاربرد آماره فضایی به تبیین الگوهای مکانی بارش­های شدید که با پیامد­های محیطی – انسانی همراه است،  پرداخته شد. در این راستا مجموع فراوانی ماهانه بارش‌های شدید فصول سرد ناحیه خزری در دو گروه آستانه صدک 95-90 و 99-95، از 385 ایستگاه اقلیمی طی 2016- 1966 با کاربرد آماره موران و آماره Gi*به‌منظور تحلیل خودهمبستگی فضایی استفاده شد. یافته­های آماره موران کلی  نشان داد که رفتار حاکم  بر بارش شدید دارای ساختار فضایی و به شکل خوشه‌ای است. بررسی­های ماهانه فصول نشان داد که به لحاظ فراوانی وقوع بارش­های حاصل از این دو گروه بارشی، فراوانی رخداد بارش­های صدک آستانه 95-90 بیشتر از آستانه صدک 99-95 می­باشد. براساس نقشه‌های موران محلی نواحی با خود­همبستگی‌های مثبت در هر دو گروه بارشی بیشتر در نواحی غربی، مرکزی و الگوهای حاصل از خودهمبستگی منفی در بخش شرقی قرار دارد. در بررسی روابط مکانی، آماره دو متغیره موران بین بارش شدید و عوامل جغرافیایی نشان داد که تأثیر عوامل جغرافیایی در فراوانی رخداد فرین‌ها ضعیف‌تر از عملکرد و نفوذ سامانه‌های همدید است. درنهایت، در این ناحیه که این بارش­ها یکی از مخاطرات طبیعی است، شناسایی این الگوها می­تواند در مدیریت و برنامه‌ریزی و کاهش آسیب‌پذیری و افزایش سازگاری  مؤثر باشد.

کلیدواژه‌ها


خوش‌اخلاق، فرامرز؛ فرید مجتهدی، نیما؛ نگاه، سمانه؛ مؤمن پور، فروغ؛ صبوری، شبنم؛ اسعدی اسکویی، ابراهیم؛ 1393. پدیده برف دریاچه ای و نقش آن در رخداد برف‌های سنگین کرانه جنوب غربی دریای خزر ، فضای جغرافیایی، شماره‌ 53، 251-229.
خوشحال دستجردی، جواد؛ 1376. تحلیل و ارائه مدل‌های سینوپتیک کلیماتولوژی برای بارش‌های بیش از یک صد میلی‌متر در سواحل جنوبی دریای خزر. رساله دکتری اقلیم‌شناسی: استاد راهنما: هوشنگ قائمی، دانشگاه تربیت مدرس.
ستوده، فاطمه؛ علیجانی، بهلول؛ 1394. رابطه‌ی پراکندگی فضایی بارش‌های سنگین و الگوهای فشار در گیلان. تحلیل فضایی مخاطرات محیطی،شماره 1، 73-63.
عساکره، حسین؛ 1387. کاربرد روش کریجینگ در میان‌یابی بارش، جغرافیا و توسعه، شماره 12، 42-25.
عساکره،حسین؛ خوش‌رفتار، رضا؛ ستوده، فاطمه؛ 1391. بارش‌های سنگین روزانه سپتامبر در ارتباط با الگوهای همدید در استان گیلان(2005-1976). پژوهش‌های جغرافیای طبیعی، شماره 2، 66-51.
عسگری، علی؛1390. تحلیل‌های آمار فضایی با ARCGIS ، چاپ اول، سازمان فناوری اطلاعات و ارتباطات شهرداری تهران.
علیجانی، بهلول؛ 1394. تحلیل فضایی، مجله مخاطرات محیطی، شماره3، 1-14.
فلاح قالهری، غلام عباس؛ اسدی، مهدی؛ داداشی رودباری، عباسعلی؛ 1394. تحلیل فضایی پراکنش رطوبت در ایران. پژوهش‌های جغرافیای طبیعی، شماره 4، 650-637.
قدرتی، علیرضا؛ رحمتی، سمانه؛ 1394. تحلیل سینوپتیکی بارش‌های رگباری منجر به سیل در غرب گیلان، سومین کنفرانس ملی مدیریت و مهندسی سیلاب، 21-23 مهرماه 1394.
کارخانه، میثم؛ مفیدی، عباس؛ زرین، آذر؛ 1395. شبیه‌سازی نقش دریای خزر بر وقوع بارش‌های منطقه‌ای در سواحل جنوبی دریای خزر، جغرافیا و آمایش شهری- منطقه‌ای، شماره 18، 168-153.
مرادی، حمیدرضا؛ 1380 بررسی سینوپتیک سیلاب 21 آبان ماه سال 1375 نواحی مرکزی مازندران، مجله رشد آموزش جغرافیا، شماره 56، 41-33.
مرادی، حمیدرضا؛ 1385. پیش‌بینی وقوع سیلاب‌ها بر اساس موقعیت‌های سینوپتیکی در ساحل جنوبی دریای خزر، پژوهش‌های جغرافیایی، شماره 55، 131-109.
مظفری، غلامعلی؛ مزیدی، احمد؛ شفیعی، شهاب؛ 1396. واکاوی روابط فضایی بارش‌های فرین غرب ایران. جغرافیا و توسعه، شماره 46، 184-169.
مفیدی، عباس؛ زرین، آذر؛ جانباز قبادی، غلامرضا؛ 1386. تعیین الگوی همدیدی بارش‌های شدید و حدی پاییزه در سواحل جنوبی دریای خزر، مجله فیزیک زمین و فضا، شماره 3، 131-154.
مفیدی، عباس؛ زرین، آذر؛ جانباز قبادی، غلامرضا؛ 1387. تعیین الگوی همدیدی بارش‌های شدید زمستانه و مقایسه آن با الگوی بارش‌های شدید پاییزه در سواحل جنوبی دریای خزر، اولین کنفرانس بین‌المللی تغییرات زیست‌محیطی منطقه خزری، 3 تا 4 شهریورماه 1387، دانشگاه مازندران، بابلسر.
میرموسوی، حسین؛ دوستکامیان، مهدی؛ ستوده، فاطمه؛ 1394. بررسی و تحلیل الگوی فضایی تغییرات درون دهه‌ای بارش‌های سنگین و فوق سنگین ایران، جغرافیا و برنامه‌ریزی محیطی، شماره 3، 76-67.
نظری‌پور، حمید؛ دوستکامیان، مهدی؛ علیزاده، سارا؛ 1394. بررسی الگوهای توزیع فضایی دما، بارش و رطوبت با استفاده از تحلیل اکتشافی زمین‌آمار(بررسی موردی: نواحی مرکزی ایران)، مجله فیزیک زمین و فضا، شماره 1، 117-99.
یوسفی، حسن؛ عزیزی، قاسم؛ 1383. زمانیابی ورود پرفشار سیبری به سواحل جنوبی دریای خزر. فصلنامه مدرس علوم انسانی، شماره 4، 193-213.
Agena, I., Macdonald, N., & Morse, A.P. (2014). Variability of maximum and mean average temperature across Libya (1945–2009). Theoretical and Applied Climatology, (Vol. 117), 549-563.
Alexandersson, H, 1986. A Homogeneity Test Applied to precipitation data. Journal of Climatology, (Vole. 6), 661-675.
Allard, D., & Soubeyrand, S. (2012). Skew-normality for climatic data and dispersal models for plant epidemiology: when application fields drive spatial statistics. Spatial Statistics, (Vol. 1), 50-64.
Anselin, L. (1995).Local indicators of spatial association-LISA. Geographical Analysis, (vol. 27), 93–115.
Chang, H., Kwon, W. (2007). Spatial variations of summer precipitation trends in South Korea, 1973–2005, ENVIRONMENTAL RESEARCH LETTERS2 (045012), 1-9.
Clark, W.A.V., Hosking, P., L. (1986). Statistical Methods for geographers: John Wiley and sons, New York, 379.
Fu,W.J., Jiang,P.K, Zhou,G.M., & Zhao,K.L.( 2014).Using Moran's I and GIS to study the spatial pattern of forest litter carbon density in a subtropical region of southeastern China, Biogeoscinces,11(8), 2401-2409.
Hartmann, S., Baker. & King. L. (2008). Quasi-Periodicities in Chinese Precipitation Time Series. Theoretical and Applied Climatology, (Vol.92), 155-163
IPCC. (2007). the physical science basis. Contribution of Working Group I to Fourth Assessment Report of the Intergovernmental Panel on Climate Change: Cambridge, United Kingdom, & Cambridge University Press.
Jia, S., Zhu, W., Lű, A., & Yan, T. (2011). ''A statistical spatial downscaling algorithm of TRMM precipitation based on NDVI and DEM in the Qaidam Basin of China''. Remote sensing of Environment. 115(12), 3069-3079.
Mc Cabe, M.F., kalma, J.D., & Franks, S.W. (2005).Spatial and temporal patterns of land surface fluxes remotely sensed surface temperatures within an uncertainty modelling framework, Hydrology and Earth system Sciences, 9(5), 467-480.
Ord, J, K, & Getis, A. (1995). Local Spatial Autocorrelation Statistics: Distributional Issues and an Application. Geographical analysis, (Vol. 27), 306-286.
Robeson, S.M., Li., A. & Hunang, C. (2014). Point- pattern analysis on the sphere Statistics. Spatial Statistics (Vol. 10), 76-86.
Rousta, I., Doostkamian, M., Haghighi, E., Ghafarian, H., Yarahmadi, P. (2017). An Analysis of Spatial Autocorrelation Patterns of Heavy and Super-Heavy Rainfall in Iran. Advances in atmospheric sciences, (VOL. 34), 1069–1081.
Rousta, I., Nasserzadeh, M., Jalali, M., Ghaseme, A. (2017). Decadal Spatial-Temporal Variations in the Spatial Pattern of Anomalies of Extreme Precipitation Thresholds (Case Study: Northwest Iran). Atmosphere 2017, (Vol.8), 1-15.
Sugumaran, R., Larson, S. R. & DeGroote, J. P.(2009).Spatial-temporal cluster analysis of county-based human West Nile Virus incidence in the continental United States, International journal of health geographice,8(1),8-43.
Wang, Q., Ni, J., & Tenhunen, J. (2005).Application of a geographically weighted regression analysis to estimate net primary production of Chines forest ecosystems, Global Ecology Biogeography, 14(4), 379-393.
CAPTCHA Image