برآورد احتمالات بارش روزانه با استفاده از مدل زنجیره مارکف در اقلیم‌های مختلف ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیاًت علمی بخش مهندسی آب/ دانشکده کشاورزی، دانشگاه شهید باهنر کرمان

2 دانش آموخته کارشناسی ارشد مهندسی منابع آب/ بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان

چکیده

برای تجزیه و تحلیل آماری پیشامدهایی که مستقل نبوده و به پیشامدهای قبلی خود وابسته می‌باشند، از زنجیره مارکف استفاده می‌شود. در این مطالعه، احتمالات پیشامدهای متوالی روزهای خشک و تر 15 ایستگاه  سینوپتیک کشور با اقالیم مختلف از اقلیم خشک سرد تا مرطوب معتدل با استفاده از روش زنجیره‌ مارکف مورد تحلیل قرار گرفت. برای دستیابی به احتمالات پیشامدهای متوالی روزهای خشک و تر از آمار بارش روزانه ایستگاه‌های کرمان، مشهد، شیراز و بندرعباس طی سال‌های مطالعاتی 2009-1978، ایستگاه‌های تبریز، خرم‌آباد، اصفهان، تهران، زاهدان، اهواز، اردبیل و گرگان طی سال‌های مطالعاتی 2008-1978، ایستگاه زنجان طی سال‌های مطالعاتی 2007-1978، ایستگاه یاسوج طی سال‌های مطالعاتی 2008-1987 و ایستگاه ساری طی سال‌های مطالعاتی 2008-2000 بهره گرفته شد. آمار مزبور بر اساس ماتریس شمارش تغییر حالت روزهای بارانی و فاقد بارش مرتب شده، سپس ماتریس احتمال تغییر وضعیت بر اساس روش درستنمایی بیشینه محاسبه گردید. همچنین نقشه‌های خطوط هم احتمال طول موسم خشک مورد نظر تهیه شدند. نتایج نشان داد که احتمال عدم بارش در ایستگاه‌ها مطالعاتی با اقلیم‌های خشک از 811/0 تا 909/0، با اقلیم‌های نیمه‌خشک از 685/0 تا 84/0 و با اقلیم‌های معتدل و مرطوب از 695/0 تا 728/0 متغیر می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Estimation Probability of Daily precipitation by using Markov Chain Models in Different Climates of Iran

نویسندگان [English]

  • B Bakhtiari 1
  • N Shahraki 2
  • M M. Ahmadi 1
1 Faculty Member in Department of Water Engineering, College of Agriculture, Shahid Bahonar University of Kerman
2 M. Sc. Graduated Student in Water Resources Engineering, Department of Water Engineering , College of Agriculture , Shahid Bahonar University of Kerman
چکیده [English]

The Markov chain used for statistical analysis events that are not independent and are related to their previous events. In this study, events possibility of serial dry and wet days were analyzed by Markov Chain method for 15 synoptic stations with different climates of coldest arid climates to its moderate humid in Iran. For this purpose was used daily precipitation data (1978-2009) for  Kerman, Mashhad, Shiraz and Bandar Abbas stations, (1978-2008) for Tabriz, Khorramabad, Isfahan, Tehran, Zahedan, Ahwaz, Ardabil, Gorgan stations, (1978-2007) for Zanjan station, (1987-2008) for Yasouj stations and (2000-2008) for Sari station. These data are arranged according to frequency matrix of rainy days and without rainfall, then probability matrix was calculated by maximum likelihood method. The respectively produced the Probability contour maps during the dry monsoon. In the study stations, results showed that lack of precipitation probability has variable, 0.811- 0.909 in the arid climates, 0.685- 0.84 in the semi-arid climates and 0.695- 0.728 in the moderate and humid climates.

کلیدواژه‌ها [English]

  • Markov chain
  • Daily precipitation
  • Modeling
  • Probability contour maps

جعفری­بهی خ (1378) تحلیل آماری دوره­های تر و خشک بارندگی در چند نمونه اقلیمی ایران با استفاده از زنجیره مارکف، پایان نامه کارشناسی ارشد، دانشگاه تهران.

رجبی م،  فرج زاده م،  بذرافشان ج (1386)  شبیه‌سازی رفتار احتمالی سری زمانی شاخص بارش استاندارد با مدل زنجیره مارکف برای هشدار خشکسالی‌های استان فارس. نشریه دانشکده منابع طبیعی،60 (4): 1170- 1157.

رحیمی ج، قهرمان ن،  رحیمی ع (1390) تحلیل آماری دوره­های تر و خشک بارندگی هفتگی با استفاده از  زنجیره  مارکف به منظور برنامه­ریزی کشاورزی دشت ورامین. نخستین کنفرانس ملی هواشناسی و مدیریت آب  کشاورزی، 2-1 آذر، پردیس کشاورزی و منابع طبیعی دانشگاه تهران.

زارعی ا (1383) آمار مهندسی،چاپ اول. نشر دانش­پرور.

طالشی ع (1384) مدل سازی بارش­های سالانه ایران با استفاده از روش زنجیره مارکف. پایان نامه کارشناسی ارشد، دانشگاه تبریز.

عساکره ح (1387) بررسی احتمال تواتر و تداوم روزهای بارانی در شهر تبریز با استفاده از مدل زنجیره مارکف. تحقیقات منابع آب ایران، 4 (2): 56- 46.

میر موسوی ح، زهره وندی ح (1390) مدلسازی احتمالات بارش هفته ای جهت تحلیل روزهای خشک متوالی، نمونه موردی: ایستگاه هواشناسی نهاوند استان همدان، دومین کنفرانس ملی پژوهشهای کابردی منابع آب ایران، 29-28 اردیبهشت، شرکت آب منطقه ای زنجان، زنجان.

Bekele E (2002) Markov chain modeling and ENSO influences on the rainfall seasons of Ethiopia. National Meteorological Servises of Ethiopia, 25: 1-13

Bigdeli A, Eslami A (2010) Analysis of wet and dry periods by Markov Chain Model  in southern of  Caspian sea.. Enviromental Engineering and Applications, 96-99

Chunale GL, Kulkarni SR, Patil AK, Patil BR (2003) Dry spell probability by Markov chain model and its application to crop planning in Kolhapur. Journal of  Maharashtra  Agricultural Universities, 28(3): 291-294.

 Dastidar AG, Gosh D, Dasgupta S (2010) Higher order Markov chain models for  monsoon rainfall over west Bengal, India. Indian Journal of Radio & Space Physics, 39: 39-44.

Hoaglin DC, Mosteller F, Tukey JW (2011) Exploring Data Table, Trends, and  Shapes, John Wily & Sons.Inc, U.S.A. 538 P.

Khalili A (1997) Integrated water plan of Iran. Meteorological studies, Ministry of  power. Iran.

Lennartsson Y, Baxevani A, Chen D ( 2008) Modeling percipitation in Sweden using  multiple step markov chains and a composite model.  Journal of Hydrology, 363: 42-59.

Moradi HR, Rajabi M, Farajzade M (2011) Invesstigation of meteorological drought characteristics in Fars province, Iran. CATENA, 84: 35-46.