پهنه بندي شمالغرب ايران بر مبناي بارش هاي روزانه، فواصل زماني بارش ها و روزهاي باراني باكاربرد روش هايPCA,Ward, K-mean

Regionalization of Northwest Iran Based on Daily Rainfalls and Rain’s Time Intervals Using PCA, Ward and K-mean Methods

روش هاي تحليلي كاهش ابعاد داده ها مانند آناليز مولفه هاي اصلي براي درك صحيحي از عوامل موثر بر تغييرات اقليمي با توجيه قسمت مهمي از كل واريانس با تعداد محدودي از مولفه هاي اصلي، در برنامه ريزي منابع آب حايز اهميت مي باشند. در اين تحقيق روش PCA به عنوان تصويركننده فضاي اطلاعات روي محورهاي محدود و معين، K-mean به عنوان روش خوشه سازي گروهي و Wardبه عنوان خوشه سازي سلسله مراتبي مورد استفاده قرار گرفته است. در تحقيق حاضر با استفاده از اين روش ها و كاربرد داده هاي بارش روزانه 60 ايستگاه هواشناسي در طول دوره آماري 35 ساله (2004-1970)،4 نوع پهنه بندي بر مبناي بارش هاي روزانه، سري شاخص فاصله-مقدار، فواصل زماني بارش و سري روزهاي باراني انجام گرفت. آماره S براي آزمون همگني مناطق بدست آمده به كار گرفته شد. نتايج نشان داد كه روش PCA به لحاظ ماهيت خود فضاي داده ها را روي محورهاي اصلي تصوير مي كند و ساختار واقعي فضا را نشان خواهد داد اما در روش هاي سلسله مراتبي كه در هر مرحله خوشه يا اعضا را به هم متصل مي كنند، از نظر ماهيت فضايي خوشه ها بيانگر ساختار واقعي نمي باشند لذا انتظار مي رود كه خوشه هاي حاصل از PCA واقعي تر از خوشه هاي حاصل از ديگر روش‌ها باشد. اما از نقطه نظر گسترش اطلاعات خوشه بندي بر مبناي همگني، روش هاي خوشه بندي سلسله مراتبي بر خوشه بندي واقعي ارجحيت پيدا مي‌كند.

Having a correct view of the effective factors on climatic changes by explanation of a considerable part of the total variance in data with limited number of principal components the analytical methods of decreasing data dimensions, such as PCA are important tools in water resources planning. In this study PCA method as a projection tool for projecting the information space on the limited and specific axes, ward’s method as a hierarchical clustering and k-mean as partitioning clustering method has been applied in this research. Using this methods and application of daily precipitation data of 60 meteorological stations during a 35 years period (1970-2004), 4 types of delineated regions were come out on the basis of daily precipitations, distance-quantity index, time intervals and rainy days series. S statistic test algorithm was used for homogeneity test of the regions. Results showed the nature of the PCA method is such that projects the data space on the main axes and shows the real space. But in the hierarchical methods, clusters do not describe the real structure. Therefore we do expect that the resulting clusters of PCA would be more realistic than that of methods. But hierarchical methods have the advantage of containing the wider clustering information on the basis of homogeneity than the others.