بررسي و ارتباط سنجي روند سري هاي دمايي و روزهاي همراه با گرد و غبار استان همدان

Investigation and Correlation Test of Temperature Time Series and Dusty Days in Hamedan Province

گردوغبار همواره به عنوان يكي از مهمترين مخاطرات محيطي مطرح بوده و پيامدهاي زيست محيطي نامطلوبي را بر جاي مي گذارد. پژوهش حاضر، با هدف بررسي روند روزهاي همراه با گردوغبار و سري هاي دمايي استان همدان و تاثير سري هاي دمايي بر تعداد روزهاي همراه با گردوغبار شكل گرفته است. در اين زمينه از آمار تعداد روزهاي همراه با گردوغبار، متوسط دما، دماي حداقل و دماي حداكثر ايستگاه هاي همدان، همدان نوژه و ملاير طي دوره آماري 2012-1992 استفاده شد. ابتدا سنجش بهنجاري داده هاي مورد مطالعه توسط آزمون اندرسون دارلينگ بررسي و ماه هاي نرمال و غيرنرمال جدا شدند؛ سپس جهت ماه هاي غيرنرمال از آزمون من-كندال و جهت ماه هاي نرمال از آزمون t و روش كمترين مربعات استفاده شد. در نهايت، توسط آزمون هاي همبستگي پيرسون و رگرسيون خطي ارتباط سنجي ها انجام گرديد. نتايج حاصل نشان داد سري هاي دمايي در ماه هايي كه رونددار بوده اند از روند افزايشي برخوردار بوده اند. تعداد روزهاي همراه با گردوغبار نيز در ماه هاي سرد سال روند كاهشي و در ماه هاي گرم سال روند افزايشي داشته است. طبق مدل پيش بيني انجام شده روند رخداد اين پديده در آينده نيز افزايشي خواهد بود.

Dust has always been considered as one of the most important environmental hazards and has undesirable environmental impacts. This study aims to investigate the trend of dusty days and temperature time series in Hamedan province and the effect of temperature series on the number of dusty days. In this regard, the number of dusty days as well as average temperature, minimum temperature and maximum temperature of the stations in Hamedan, Nozheh Hamedan and Malayer, during the statistical period of 1992-2012, were used. At first, the Normality test of the data was performed by Anderson-Darling test and then the normal and abnormal months were separated. Then for non-normal months, Mann Kendall test and for normal months, t test and Least Squares method were used. Finally, the Correlation test was performed, using the Pearson Correlation and Linear Regression tests. The results showed that the temperature time series in the months with specific trends have been increasing. Also, the number of dusty days has decreased in the cold months of the year and increased in the warm ones. According to the Prediction model, the occurrence of this phenomenon will have an increasing trend in the future.