ارزيابي الگوهاي بارشي استان خراسان رضوي با استفاده روش هاي نوين آمار فضايي

Evaluation of Rain Patterns in Khorasan Razavi Province Using Spatial Statistical Modern Methods

بارش متغير ترين عنصر اقليمي است. اين تغييرات هم در بعد مكان و هم در بعد زمان در قالب اقليم منطقه رخ مي هد. هدف از اين مطالعه ارزيابي خودهمبستگي فضايي بارش استان خراسان رضوي مي باشد. بدن منظور از داده هاي بارش 12 ايستگاه همديد استان خراسان رضوي استفاده شده است. به منظور دستيابي به تغييرات فصلي بارش استان خراسان رضوي از روش هاي آمار فضايي مانند خودهمبستگي فضايي شاخص موران جهاني، شاخص انسلين محلي موران، تحليل خوشه و تا ( Clusters/Outliers ) و لكه داغ (Hot Spot) با استفاده از امكانات برنامه نويسي در محيط MATLAB و ARC GIS بهره گرفته شد. نتايج حاصل از اين پژوهش نشان داد كه بارش در استان خراسان رضوي داراي الگوي خوشه اي بالا مي باشد. بر اساس شاخص موران محلي و لكه داغ، بارش در بخش هاي مركزي، شمال غرب و شمال استان داراي الگوي خودهمبستگي فضايي مثبت (خوشه هاي بارش بارزش بالا) اين گروه از الگوي هاي بارشي مجموعا در سطوح 3 گانه 95، 90 و 99 درصد، مساحتي معادل 25 درصد از مناطق استان را تشكيل داده اند. نواحي جنوبي داراي خودهمبستگي فضايي منفي (خوشه هاي بارش بارزش پايين) (مجموعأ مساحتي 18 درصد از كل استان بوده است. در ساير مناطق استان كه شامل 57 درصد مي باشد بارش هيچ گونه الگوي معني داري را نشان نداده است.

Rainfall is the most variable climatic element. These changes both in space and in time, occur in the regional climate. The purpose of this study is to evaluate the spatial autocorrelation of precipitation in Khorasan Razavi province. For this purpose, data of precipitation of 12 synoptic stations in Khorasan Razavi is used. In order to achieve changes in seasonal precipitation in Khorasan Razavi, spatial statistical methods such as spatial autocorrelation index global Moran, Moran local Anslyn index, cluster and non-cluster analysis (Clusters / Outliers) and hot spots (Hot Spot) are used using programming facilities in MATLAB and ARC GIS. The results showed that rainfall in Khorasan Razavi province has high clustering pattern. According to the local Moran index and hot spots, rainfall in parts of central, no western north and north have positive spatial autocorrelation patterns (clusters of high rainfall value). This pattern of rainfall of 90%, 95% and 99% levels cover totally 25% of the areas of the province. Southern regions have negative spatial autocorrelation (clusters of low rainfall value) (totally an area equal to 18%) from the entire province. The rainfall including 57 percent of the province has not shown any significant pattern in other areas of the province.