شناسايي و توزيع مكاني الگوهاي احتمال بارش روزانه ايران

Identification and spatial distribution of precipitation probability models of Iran

شناسايي ويژگي هاي بارش روزانه در برنامه ريزي منابع آب و الگوهاي كشت اهميت زيادي دارد، با برازاندن مدل هاي احتمال بر بارش روزانه مي توان به برخي ويژگي هاي اين داده ها در قالبي خلاصه دست يافت. در اين پژوهش، از داده هاي بارش روزانه شبكه بندي شده پايگاه داده بارش آفروديت خاورميانه به ابعاد 25/0 25/0 درجه طول / عرض جغرافيايي استفاده شده است. داده هاي بارش روزانه اين پايگاه داده در محدوده ايران طي دوره 1/1/1330 تا 29/12/1385 (معادل20453 روز) خورشيدي به كمك نرم افزار Grads استخراج گرديد. براي شناسايي برازنده ترين توزيع روزهاي بارشي، از آزمون نيكويي برازش كلموگروف- اسميرنف استفاده شد. با برنامه نويسي در محيط نرم افزار Matlab توابع توزيع تيپ نرمال و گاما بر تك تك ياخته هاي با بارش بيش از 5/0 ميلي متر برازش داده شد. تابع نظري توزيع گاماي دو فراسنجي و نمايي توانسته اند شرايط آماري لازم آزمون نيكويي برازش در فاصله اطمينان 95% را به عنوان برازنده ترين توزيع احراز نمايند. محاسبه فراسنج هاي برازنده ترين تابع توزيع فراواني نشان مي دهد با وجود كم بودن مقدار فراسنج ميانگين بارش مورد انتطار در بخش قابل توجهي از كشور ميزان اعتماد به بارش روزانه كم و نوسان بارش زياد است. فراسنج هاي چولگي و كشيدگي حكايت از چوله بودن بارش و عدم تقارن در بارش دارد. از طرف ديگر، پايين بودن مقدار فراسنج شكل، نشان دهنده فاصله زياد تابع توزيع فراواني بارش با شرايط نرمال دارد موضوعي كه توسط آماره-هاي آزمون آماري نيكويي برازش نيز تاييد شده بود.

Identifying the characteristics of daily precipitation in water resources planning and planting patterns is important. By fitting probability models to daily precipitation be achieved some aspects of these data in abbreviated form. In this research, the data from the gridded daily precipitation of 0.25*0.25 degree longitude/latitude within time interval of 22/03/1951 –20/03/2007 (equals 20453 days) was extracted from APHRODITE precipitation database of the Middle East for Iranian territory by Grads software. To identify the fittest distribution of the days with over 0.5mm precipitation, in each pixel Kolmogorov-Smirnov Fitness Test has performed. Programming in Matlab software environment for types normal and gamma distribution functions of individual pixels have executed. The theoretical two-parameter gamma distribution and exponential have the necessary statistical goodness of fit test at Confidence interval 95%. Calculating the parameters of the fittest distribution function shows, despite the low average rainfall expected in a significant proportion of daily precipitation of low confidence and fluctuating rainfall is high. Skewness and kurtosis Parameters shows Skew and asymmetry in precipitation. On the other hand, the low value of the parameters represents the distance distribution function of normal precipitation conditions; the subject has also confirmed by the goodness of fit test statistics.