رفتارشناسي اقليمي بر مبناي تحليل مولفه‌هاي اصلي مطالعه موردي: استان‌هاي كردستان و كرمانشاه

The Recognition of Climate Behavior on the basis of Principal Component Analysis Case Study: Kordestan and Kermanshah provinces

رفتار اقليمي در هر منطقه‌اي تابعي از تاثير گذاري متغيرهاي مختلف اقليمي در آن منطقه است. شناسايي عوامل و عناصر اصلي سازنده اقليم هر منطقه‌اي مي‌تواند در تعيين پتانسيل‌هاي اقليمي آن منطقه بسيار موثر واقع شود. با استفاده از شيوه‌هاي نوين، نظير روش‌هاي آماري چند متغيره جهت رفتارشناسي اقليمي، مي‌توان به نتايج مطمين‌تري دست يافت. روش تحليل مولفه‌هاي اصلي از خانواده بردارهاي ويژه است كه عمدتاً يك روش رياضي براي كاهش حجم داده‌ها است. با استفاده از مولفه‌هاي اصلي مي‌توان تغيرات زماني- مكاني متغيرهاي اقليمي را به صورت چند مولفه نمايش داد. در اين مطالعه به منظور تحليل مولفه‌هاي اقليمي، از داده‌هاي 19 ايستگاه سينوپتيك و 22 متغير اقليمي استان‌هاي كرمانشاه و كردستان استفاده شده است. روش مورد استفاده در اين مطالعه، تجزيه مولفه‌هاي اصلي است. نتايج حاصل از تحليل متغيرهاي اقليمي منتخب در استان‌هاي كرمانشاه و كردستان نشان داد كه 6 مولفه اول در مجموع 91 درصد از پراش داده‌ها را تبيين مي‌كنند. اين مولفه‌ها به ترتيب شامل دما (37 درصد)، بارش (20 درصد)، ميزان رطوبت و تغييرات دمايي (14 درصد)، ساعات آفتابي (9 درصد)، روزهاي طوفاني (6 درصد) و باد و روزهاي همراه با گرد و غبار (5 درصد) مي‌باشند.

The regional climate behavior as the function of different variables influences the climate in the region. Identifying key elements of a constructive climate in each region can determine the potential of the regionʹs climate to be effective. Using modern methods such as multivariate statistical methods for recognition of climate behavior can achieve more reliable results. Component analysis is mainly based on family of vectors, particularly for reducing the volume of data it is a mathematical method. Using the components can change the time and where about of the climate variables in displaying few components. In this study with the aim of climate components analysis, data from 19 synoptic stations and 22 climate variable of the provinces of Kermanshah and Kordestan have been used. Method used in this study, is the principal components analysis. Results of the analysis of selected climatic variables in Kermanshah and Kordestan provinces showed that first 6 components in 91% of the data diffractions are explained. These components include: temperature (37%), precipitation (20%), humidity and temperature variations (14%), sunshine hours (9%), stormy days and days with dust storm (5%).