بررسي روند متغيرهاي هواشناسي و هيدرولوژيكي حوضه درياچه اروميه با استفاده از روش هاي غيرپارامتري

Trend Analysis of Meteorological and Hydrological Variables in Urmia Lake Basin by use of Non-parametric Methods

گرمايش جهاني باعث تغييرات در سري زماني متغيرهاي هواشناسي شده است كه اين تغييرات همراه با مداخله جدي عوامل انساني در طبيعت، تغييرات هيدرولوژيكي را نيز به همراه داشته است. بطوريكه مي توان اثرات آنها را در قالب روند در سري زماني مربوط مشاهده كرد. هدف از انجام اين تحقيق، بررسي و مقايسه روند تغييرات متغيرهاي دما، بارندگي و دبي رودخانه ها بصورت ماهيانه و سالانه در سطح حوضه درياچه اروميه با استفاده از روش هاي غيرپارامتري مي باشد. بدين منظور چهار روش من-كندال، تايل-سن، اسپيرمن و سنس تي كه جزو متداولترين روش هاي غيرپارامتري هستند، به كار گرفته شدند. مطالعه 11 ايستگاه دما سنجي، 35 ايستگاه باران سنجي و 35 ايستگاه آب سنجي نشان داد كه دما در سطح حوضه بطور معني دار روند افزايشي دارد. اما بارندگي هاي سالانه و ماهيانه رفتارهاي متفاوت را نشان دادند، بطوريكه در 8 درصد از ايستگاه ها روند افزايشي و در 14 درصد از ايستگاه ها روند كاهشي ملاحظه شد. در خصوص دبي رودخانه ها، 60 درصد از ايستگاه ها به صورت سالانه و ماهيانه روند كاهشي داشته اند. مقايسه روش ها نشان داد كه روش هاي من-كندال و تايل-سن درصد ايستگاه هاي معني دار يكسان و روش هاي سنس تي و اسپيرمن به ترتيب كمترين و بيشترين روند را در ارزيابي ماهيانه ايستگاه ها تشخيص مي دهند اما در ارزيابي ساليانه، روش سنس تي بيشترين روند را در ايستگاه ها نشان داد.

Global warming has brought about changes in meteorological variable time series. These changes, accompanied with serious human intervention in nature, has resulted in hydrological changes. So the effects can be tracked down by the trend of the time series. The purpose of this study is to analyze and compare the monthly and annual trends of temperature, precipitation as well as stream flow time series of the Urmia Lake basin, using nonparametric methods. Four non-parametric statistical tests, namely: Mann-Kendall, Theil-Sen, Spearman Rho, and Senʹs T tests are investigated throughout the present study. The records of 11 temperature gauging stations, 35 rain gauge stations and 35 hydrometery stations showed significant increasing trends in the basin temperature. In the case of precipitation recordings, it was different, in a way that 8% of the rain stations indicated increasing trend, while the trend being decreased in 14% of the stations. Finally for stream flows, 60% of the hydrometery stations revealed a decreasing trend. A comparison of the methods revealed (at a monthly scale), that Mann-Kendall and Theil-Senʹs performance were similar. Furthermore, Senʹs T and Spearman Rho methods were detected to be the ones showing the number of stations to undergo minimum and maximum significant trends, respectively. As for annual time scale, Senʹs T showed to represent the maximum number of stations to be suspicious of being of non-stationary as regards the trend.