كاربرد" قواعد انجمني " در رصد كردن وقايع بارندگي و خشكسالي با استفاده از دماي سطح آبهاي آزاد (مطالعه ي موردي: استان خوزستان)

Applying Association Rules Methods for Drought and Rainfall Monitoring Using the Sea Surface Temperature- Case Study: Khoozestan Province-

كشور ايران، به دليل واقع شدن در عرضهاي جغرافيايي 40- 25 درجه شمالي، در معرض تغييرات ويژه ي جوي و اقليمي قرار دارد، و چنانچه پيش بيني پديده هاي جوي نظير بارندگي، خشكسالي و ترسالي به درستي صورت گيرد، تاثير بسزايي در مقابله با بلاياي طبيعي، و برنامه ريزي منابع آب و كشاورزي خواهد داشت. يكي از عوامل مهم در ايجاد تغييرات اقليمي، دماي سطح آب گستره هاي آبي است كه مي تواند بر مقدار بارش در نقاط مختلف تاثير گذار باشد. در اين تحقيق، سعي شده است تا با استفاده از يكي از روشهاي داده كاوي به نام قواعد انجمني، روابط بين دماي سطح آب خليج فارس و درياي سرخ، و مقدار بارندگي پاييزه و زمستانه سه ايستگاه سينوپتيك آبادان، اهواز و دزفول، واقع در استان خوزستان، طي سالهاي 2010- 1966 مورد بررسي قرار گيرد. داده كاوي سازمانها را قادر مي سازد تا با كاوش در مورد داده هاي يك سامانه، الگوها، روندها و رفتارهاي آينده را كشف و پيش بيني كرده و بهتر تصميم بگيرند.در اين تحقيق، وقايع خشكسالي و ترسالي بر اساس شاخص بارندگي معيار شده تعريف گرديدند و تاثير جداگانه و همزمان دماي سطح آب خليج فارس و درياي سرخ در مورد اين وقايع، با استفاده از الگوريتم زنجيره ي زماني داده كاوي مورد تجزيه و تحليل قرار گرفت. الگوريتم توسعه داده شده روابط بين شاخصهاي جوي و بارندگي را به طريقه اي متفاوت با آنچه به صورت آمار آبشناسي سنتي به دست مي دهد، پيدا مي كند. نتايج نشان دادند كه استفاده ي همزمان از دماي سطح آب خليج فارس و درياي سرخ، روابط بيشتري را نسبت به حالت جداگانه كشف مي نمايد. با وجود اين كه الگوريتم تهيه شده قادر است شرايط خشكي متوسط تا رطوبت شديد را پيش بيني كند، اما شرايط خنثي نيز، با احتمال بسيار زياد و اطمينان بالايي، قابل پيش بيني مي باشند.

Iran encounters climatic variations as located in 25-40 North latitudes. If atmospheric events like rain, drought and flood predicts correctly it would affect significantly on natural hazard control and water resources and agriculture planning. One of the most important factors in climatic variation is the sea surface temperature (SST) which is effective on the amount of rain. In this research, the relation between the Persian Gulf and Red sea’s SST and the fall and winter rain of three synoptic stations in Khuzestan province in Iran during years 1965- 2010 is detected by means of a data mining technique called association rules. Data mining is an advanced tool for regional water authorities to carry out research on databases and detect the hidden patterns and procedure of events and clarify their future manners, and make better decisions. In this study, drought and wet year events are defined according to Standardized Precipitation Index (SPI). The coincident and individual effects of Persian Gulf and Red sea’s SST on these events are analyzed using a time series data mining algorithm called ARSS. The new algorithm (ARSS) is developed to find the relations between atmospheric and climatic indices in a different manner than classic statistical hydrology. Results show that coincident use of Persian Gulf and Red sea’s SST enables us to find more relations than the separate use of them. The ARSS algorithm can also predict the neutral condition with most confidence in future, though its ability to predict the moderate drought and extreme wet conditions is mentionable.