• شماره ركورد
    1347740
  • عنوان مقاله

    ارزيابي كارايي مدل هاي سري زماني در تعيين بهترين مدل براي پيش‌بيني بارش هاي سالانه ايستگاه‌هاي منتخب شمال غرب ايران

  • پديد آورندگان

    صلاحي ، برومند دانشگاه محقق اردبيلي - دانشكده علوم اجتماعي - گروه جغرافياي طبيعي , صابر ، مهناز دانشگاه محقق اردبيلي - دانشكده علوم اجتماعي - گروه جغرافياي طبيعي , وطن‌پرست قلعه‌جوق ، فاطمه دانشگاه محقق اردبيلي - دانشكده علوم اجتماعي - گروه جغرافياي طبيعي

  • از صفحه
    525
  • تا صفحه
    538
  • كليدواژه
    سري زماني , مدل ARMA , بارش , شمال غرب ايران
  • چكيده فارسي
    بارش به‌عنوان يكي از مهم‌ترين عناصر اقليمي و مؤلفه‌اي اصلي و تعيين‌كننده در بيلان آب هر منطقه تلقي مي‌گردد. تغيير زماني و مكاني بارش برحسب نوع اقليم هر منطقه متفاوت بوده و اين تغيير به‌ويژه در مناطق داراي اقاليم خشك و نيمه‌خشك بيشتر است. منطقه شمال غرب ايران علاوه بر نيمه‌خشك بودن، به‌دليل كوهستاني بودن شاهد تغييرات زماني و مكاني زيادي ازنظر بارش است. شناخت و بررسي اين متغير و روند آن مي‌تواند در پيش‌نگري‌ها و ترسيم چشم‌انداز تغييرات احتمالي آن مفيد و مؤثر واقع شود. در اين پژوهش براي پيش‌بيني بارش سالانه ايستگاه‌هاي منتخب شمال غرب ايران شامل: تبريز، اروميه، سقز، زنجان، سنندج و خوي طي دوره آماري ۶۱ ساله (۲۰۲۱‌-۱۹۶۱) از سري زماني استفاده گرديد. به‌منظور ارزيابي ايستايي مدل از تابع خودهمبستگي استفاده شد و داده‌هاي ناايستا با به‌كارگيري روش تفاضل‌گيري به داده‌هاي ايستا تبديل شدند. سپس مدل‌هاي تصادفي براي تعيين بهترين مدل براي برازش بارش ايستگاه‌ها مورد ارزيابي قرار گرفتند. توزيع سري زماني و تحليل روند معادله خط رگرسيون بارش ايستگاه‌هاي همديد شمال غرب برحسب ميلي‌متر نشان‌دهنده اين است كه شيب‌خط در همه ايستگاه‌ها، روند كاهشي دارد و كاهش بارش در ايستگاه‌ها بين ۱ تا ۳ ميلي‌متر در سال برآورد شده است. از بين مدل‌هاي ميانگين متحرك (MA)، اتورگرسيون (AR)، مدل ميانگين متحرك خودهمبسته (ARMA) و مدل ميانگين متحرك تجمعي خودهمبسته (ARIMA) برحسب مقدار قدر مطلق آماره T بيش‌تر از مقدار ۲، P– value كمتر از ۰۵/۰ و كمترين مقدار معيار اطلاعات آكائيكي (AIC)، مدل (۰، ۰، ۱) AR براي ايستگاه‌هاي سقز، زنجان، اروميه، خوي و تبريز و مدل (۱،۰،۱) ARIMA براي ايستگاه سنندج به‌عنوان بهترين مدل تعيين شدند. نتايج پيش‌بيني نشان دهنده افزايش بارش براي سال ۲۰۲۳ و كاهش بارش براي سال‌هاي ۲۰۲۴ و ۲۰۲۵ است.
  • عنوان نشريه
    جغرافيا و روابط انساني
  • عنوان نشريه
    جغرافيا و روابط انساني