چكيده فارسي :
دماي سطح آب درياها و اقيانوس ها يكي از شاخص هاي سنجش ويژگي هاي اقيانوس‌شناسي و هواشناسي است، به طوريكه در مسائل اقيانوس شناسي، هواشناسي، ماهيگيري و سياست‌گذاري‌ها و برنامه ريزي هاي دريايي نقش مهمي ايفا مي كند. يكي از پهنه‌هاي آبي كه نقش بسزايي در اكوسيستم، امنيت غذايي، فرصت اشتغال، امنيت نظامي و غيره براي برخي از كشورهاي هم‌جوار با آن، من‌جمله ايران دارد، پهنه‌ي آبي درياي خزر مي‌باشد. كشيدگي درياي خزر در راستاي شمالي جنوبي به طول 1200 كيلومتر سبب شده است، الگوهاي دمايي مختلفي را تجربه نمايد. لذا اين تحقيق بر مبناي آمار ماهانه و 25 ساله‌ي (2009-1985) دماي آب سطح خزر كه از تارنماي نوآ استخراج گرديد، اقدام به خوشه‌بندي الگوهاي متفاوت دمايي نموده است. نرم‌افزارهاي مورداستفاده در اين تحقيق شامل MatLab و Surfer مي‌باشد. بر مبناي خوشه‌بندي 300 ماه موردنظر، 6 خوشه‌ي اصلي استخراج گرديد كه به ترتيب خوشه‌ي يك با 101 ماه و خوشه‌ي پنجم با 95 ماه، در رتبه‌هاي اول و دوم بيشترين فراواني قرار دارند. به‌هرحال در اكثر خوشه‌ها، ناحيه‌ي جنوب شرقِ خزر جنوبي به‌عنوان گرم‌ترين منطقه شناخته شد و خزر مياني نسبت به ساير نواحي ديگر به‌عنوان خنك‌ترين ناحيه معرفي گرديد. به‌طوري‌كه با حركت از خزر شمالي و جنوبي به ناحيه‌ي خزر مياني، از مقادير دما كاسته شده است. لازم به توضيح است كه بالاترين ضريب تغييرات و انحراف معيار دماي سطح آب خزر نيز، متعلق به خزر مياني مي‌باشد؛ بنابراين در اين تحقيق براي اولين بار در تحليل دماي سطح آب خزر به‌جاي صرف ميانگين ماهانه براي كل دوره زماني، از خوشه‌بندي دما براي شناسايي الگوي دمايي ماهانه استفاده گرديد و درنهايت يافته‌هاي اين تحقيق نشان مي‌دهد كه در تحليل‌هاي اقليمي نمي‌توان تنها از ميانگين‌هاي تقويمي مانند ماهانه استفاده نمود زيرا يك الگوي دمايي تنها در يك ماه اتفاق نمي‌افتد و از طرف ديگر نيز ممكن است در بعضي سال‌ها در ماه‌هاي مختلف الگوها متفاوت شوند، پس بنابراين بهترين حالت در تحليل دماي سطح آب درياي خزر استفاده از الگوهاي خوشه‌اي است.
چكيده لاتين :
Sea surface temperature (and ocean) is considered as one of the indicators to measure the oceanography and meteorology playing an important role in the areas of oceanography, meteorology, fisheries, policy making and marine planning. The water area of the Caspian Sea, on the other hand, is considered as the most important one for some of its neighboring countries including Iran which also plays a significant role in ecosystem functioning, food security, employment opportunity, military security to name a few. The extent from north to south which is about 1200 km in length would cause the Caspian Sea to experience different temperature levels. The purpose of this study is to cluster different temperature patterns based on monthly and annual statistics from 1985 to 2009 namely the 25-year statistics retrieved from NOAA website. Accordingly, six major clusters were extracted from 300 months from which cluster no.1 containing 101 months and cluster no.5 containing 95 months were ranked in first and second place respectively in terms of frequency. Generally speaking, the southeast of southern Caspian and the middle Caspian identified as being the hottest and coldest areas respectively. It appears as if the temperature by passing from northern and southern Caspian to middle Caspian is decreased. It is also worthy to be mentioned that the middle Caspian has the highest coefficient of variation and standard deviation as well. Therefore, in this study, for the first time we use the clustering method to cluster the temperature in the analysis of Caspian sea surface temperature, for a whole period, rather than monthly mean temperature so as to identify the pattern of monthly temperature mainly because the results derived suggest that the monthly mean temperature cannot serve as a good model for analyzing the Caspian sea surface temperature.
