[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 18، شماره 63 - ( 9-1397 ) ::
جلد 18 شماره 63 صفحات 71-86 برگشت به فهرست نسخه ها
پیش بینی امواج گرمایی و دوره بازگشت آن در ایران با مدل زنجیره مارکف
زهرا ماه آورپور
دانشجوی دکتری اقلیم شناسی دانشگاه اصفهان
چکیده:   (340 مشاهده)

یکی از عوامل مهم در تغییر شرایط محیط زندگی موجودات زنده امواج گرمایی است که زیست بوم‌ها را تحت تأثیر خود قرار داده و در صورت تداوم موجب بهم خوردن تعادل زیستی آن‌ها می شود. هدف این پژوهش پیش بینی امواج گرمایی و احتمال وقوع و عدم وقوع و دوره بازگشت آن‌ها با مدل زنجیره مارکف است. جهت دست یابی به این هدف آمار روزانه دمای حداکثر 1437 ایستگاه باران سنجی، اقلیمی و همدید بکار رفته است. طول دوره آماری از 1/1/1962تا31/12/2004 میلادی می‌باشد. این داده‌ها با روش میانیابی کریجینگ به داده‌های شبکه‌ای تبدیل شده و ماتریسی به ابعاد 7187×15695 ساخته است. در گام بعدی انحراف معیار داده‌ها محاسبه و سپس ماتریس داده‌ها استاندارد شد. به دلیل حجم زیاد داده ها کلیه محاسبات در این پژوهش با نوشتن برنامه های متعددی در محیط Matlab امکان پذیر شد. برای استخراج امواج گرمایی دماهایی که 2+ انحراف معیار بالاتر از میانگین بودند به عنوان موج گرما تعیین شدند. ابتدا احتمالات انتقال شرطی مشخص شد آنگاه با استفاده از مدل زنجیره‌ی مارکوف مرتبه‌ی اول با دو حالت موج و بدون موج، ماتریس‌ فراوانی تشکیل و سپس به روش حداکثر درست‌نمایی ماتریس احتمال انتقال محاسبه شد. به منظور انجام عمل پیش بینی ماتریس احتمال مارکف با به توان رساندن مکرر به حالت ایستا (پایا) رسید.به این ترتیب احتمال وقوع امواج گرما در طولانی مدت پیش‌بینی شد. سپس با در دست داشتن عناصر p (احتمال وقوع موج گرما) وq (احتمال عدم وقوع موج گرما) از ماتریس پایا شده دوره های بازگشت امواج گرما از 2 تا 6 روز برای تمام ماه ها و فصول و سالانه محاسبه و نقشه‌های پیش‌بینی و دوره بازگشت 2 روز کشیده شد. نتایج نشان دادکه احتمال وقوع امواج گرمایی با تداوم 1 و 2 روز بیشتر و امواج پرتداوم احتمال وقوع بسیار ضعیف‌تری دارند.همچنین درطولانی مدت احتمال وقوع یک موج گرما 4 /1 درصد و احتمال عدم وقوع آن 6/ 98 درصد می‌باشد. بدین ترتیب دوره‌ی بازگشت موج گرمای روزانه حدود 72 روز و دوره بازگشت روز بدون موج گرما حدود 1 روز برآورد شد. بیشترین احتمال وقوع موج گرما در ماه ژانویه (دی) حدود 019/0 درصد با دوره بازگشت 51 روز و کمترین احتمال وقوع برای ماه اکتبر(مهر) حدود 01/0 درصد با دوره بازگشت 92 روز پیش‌بینی شد

واژه‌های کلیدی: موج گرما، احتمال وقوع، دوره بازگشت، ماتریس احتمال انتقال، زنجیره مارکف.
متن کامل [PDF 1651 kb]   (119 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۴/۴/۱۶ | پذیرش: ۱۳۹۵/۶/۲۴
فهرست منابع
1. Abbasi Nia, M., Tavousi, T., Pourhashemi, S., (2015). "Analysis and forecast of Sabzevar short term storm course with Markov chain model", Geographical Space, 15 (50): 233-250. ]In Persian[.
2. Asakere, H., (2008), "Investigation of the probability of continuity and rainy days in Tabriz city using Markov chain model", Iranian water Resources Magazin, No.2:1-16. [In Persian].
3. Berger, A. Goossens, C.H.R., (1983). Persistence of wet and dry spells at Uccle (Belgium). J. Climatol, 3: 21-34. [DOI:10.1002/joc.3370030103]
4. Cazacioc, L., Cipu, E. C., (2004), "Evaluation of the transition probabilities for daily precipitation time series using a Markov chain model", Proceedings of The 3-rd International Colloquium, Mathematics in Engineering and Numerical Physics, Splaiul Independentei 313, Ro-060042, Romania, Bucharest, October (2004) 7-9.
5. Esmail Nejad, M., Khosrave, M., Alijani, B., Masoudian, A., (2013), "Identification of Iran's heat waves", Geography and development, 33: 39-54. [In Persian].
6. Fujibe, F., Yamazaki, N., Kobayashi, K., Nakamigawa, H., (2007), "Long-term changes of temperature extremes and day-today variability in Japan", papers in Meterology and Geophysics, 58: 63-72. [DOI:10.2467/mripapers.58.63]
7. Giuseppe, E., Vento, D., Epifani, C., Esposito, S., (2005), "Analysis of dry and wet spells from 1870 to 2000 in four Italian sites", Geophysical Research Abstrcts, p 7.
8. Higgins, M., (2000), "Probability concepts and randomized modeling", Translation by Ali Meshkani, Ferdowsi University Press: Mashhad. [In Persian].
9. IPCC, (2007), "The physical science basis, Working Group I Contribution to the IPCC fourth assessment report, In: Solomon", S., Qin, D., Manning, M., Chen, Z., Marquis, M., climate change.
10. Kerkides, P., Ochola, W. O., (2003), "Markov chain simulation model for predicting critical wet and dry spells in Kenya: analyzing rainfall events in the Kano Plains", Irrigation and Drainage, 52: 327-342. [DOI:10.1002/ird.94]
11. Kovats, S. R., Ebi, L. K., (2006), "Heat waves and public health in Europe", Eur J Public Health 16. London.
12. Kulkarni, M., Kandalgaonkar, s., Tinmaker, M., Nath, A., (2002), "Markov chain models for pre-monsoon season thunderstorms over Pune", Internation J. of Climatology, 22: 1415-1420. [DOI:10.1002/joc.782]
13. Lennartsson , J., Baxevani, A., Chen, D., (2008)."Modelling precipitation in Sweden using multiple step markov chains and a composite mode", Journal of Hydrology, 363: 42-59. [DOI:10.1016/j.jhydrol.2008.10.003]
14. Mahavarpour, Z., (2012), "Iran's rainfall Markov model based on Asfazari database", Master's thesis.Human Faculty, Esfahan university. [In Persian].
15. Marze, G., (2001), "Analysis and weather forcast with Markov chain model", Master's thesis, Human Faculty, Tarbiat Moalem university of Tehran. [In Persian].
16. Massoudian, S. A., (2011), "Iran's Weather", Sharia Tous publishing house of mashhad. [In Persian].
17. Momene, M., (1994), "Optical Model operational research", theran: Publication Samt. [In Persian].
18. NOAA., (2007), "Natural Hazard Statistics", National Oceanic and Atmospheric Administration. Washington U.S.A.
19. Paulo, A. A., Pereira, L. S., (2005), "Drought class transition analysis through Markov and Log linear models, an approach to early warning", Agricultural Water Management, 77: 59-81. [DOI:10.1016/j.agwat.2004.09.039]
20. Tavousi, T., Rigi, A., (2017). "Analysis of continuity of stormy days in Zahedan city with Markov chain model", Geographical Space, 17 (58): 131-148. ]In Persian[.
21. Yazdan Panah, H., Alizade, T., (2001), "Estimation of the probability of occurrence of heat waves whit different continuity periods in Kerman province using Markov chain", Quarterly Journal of Geographic research, 3: 17300-17322. [In Persian].
22. Zarei, H., Shahkar, Gh., (2001), "Investigating the likelihood of rainfall and dry days in Khoramdare, Ardak and Zoshk areas", Jornal: probability and Random processes seminar, The third probability and Random processes seminarE sfahan university 7, 8 shahrevar, 3: 134-144. [In Persian].
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

mahavarpour Z. Forecasting of Heat Wave Occurrence and its Return Time in Iran Using Markov Chain Model. جغرافیایی. 2018; 18 (63) :71-86
URL: http://geographical-space.iau-ahar.ac.ir/article-1-1805-fa.html

ماه آورپور زهرا. پیش بینی امواج گرمایی و دوره بازگشت آن در ایران با مدل زنجیره مارکف. فضای جغرافیایی. 1397; 18 (63) :71-86

URL: http://geographical-space.iau-ahar.ac.ir/article-1-1805-fa.html



دوره 18، شماره 63 - ( 9-1397 ) برگشت به فهرست نسخه ها
فضای جغرافیایی Geographic Space
Persian site map - English site map - Created in 0.19 seconds with 32 queries by YEKTAWEB 3862