نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استاد اقلیم شناسی گروه جغرافیا، دانشگاه خوارزمی تهران

2 دانشجوی دکترای اقلیم شناسی، دانشگاه خوارزمی تهران

3 دانشجوی دکترای تغییرات آب و هوایی، دانشگاه زنجان

4 دانشجوی دکترای اقلیم‌شناسی دانشگاه خوارزمی تهران

2

چکیده

بارش از مهم‌ترین و متغیرترین عناصر اقلیمی است که شناخت رفتار آن همواره مورد توجه اقلیم‌شناسان بوده است. از این رو پیـچیدگی عناصر اقلیمی در مقیاس­های زمانـی و مکانی لزوم به­کارگیری روش­های کارامد مانند تحلیل طیفی به عنوان ابزاری مفید برای مطالعه الگوهای اقلیمی را نشان می­دهد. هدف از این مطالعه بررسی و تحلیل نوسان­های بارش ایران با استفاده از  تحلیل طیفی (تحلیل همسازه­ها) می­باشد بدین منظور داده­های بارش سالانه ایستگاه همدید ایران از بدو تأسیس تا سال 2008 که بیش از 40 سال آمار داشتند از سازمان هواشناسی کشور استخراج گردیده است. سپس به‌منظور بررسی و تحلیل چرخه­های بارش ایران از برای انجام محاسبات از امکانات برنامه‌نویسی در محیط نرم‌افزارMatlab  و نیز برای انجام عملیات ترسیمی از نرم‌افزار Surfer بهره گرفته شد. نتایج حاصل از تحلیل چرخه­ها نشان داد که چرخه‌های معنی‌دار 3- 2 ساله، 5- 3ساله، 6- 2 ساله و گاهی 11 ساله و بالاتر بر بارش ایران حاکم است. بر این اساس در شرق و جنوب شرق ایران بیش­تر چرخه‌های 5- 3 ساله و در غرب، جنوب غرب و شمال غرب کشور چرخه‌های 3- 2 ساله و در شمال شرق چرخه‌های 6- 2 ساله غالب هستند. بیش­ترین و متنوع‌ترین چرخه­ها به­دلیل قرارگیری در سایه ناهمواری‌های زاگرس از یک­سو و مجاورت با خلیج‌فارس از سوی دیگر در بخش­های از جنوب و جنوب غرب رخ داده است. نواحی شمال غرب کشور هم همانند نواحی جنوب‌غرب به­دلیل وجود کوه­های عظیم سبلان و سهند دارای چرخه‌های متنوعی بوده است. چرخه‌های غیرسینوسی که دوره بازگشتی برابر با طول دوره آماری دارند در برخی ایستگاه‌ها از قبیل قزوین، سنندج و تهران مشاهده می‌شوند. این چرخه‌ها به وجود روند در داده‌ها نسبت داده می‌شوند. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Spectral Analysis of Time Series for Annual Precipitations in Iran

نویسندگان [English]

  • Bohlul Alijani 1
  • Ali Bayat 2
  • Mehdi Doostkamian 3
  • yadollah Balyani 4

1 Professor of Vlimatology, Kharazmi University.

2 Ph.D. Student of climatology, Kharazmi University

3 Ph.D. Students of Vlimatology of Vlimatology Planning Zanjan University

4 Ph.D. Student of Climatology, Kharazmi University

چکیده [English]

Precipitation is one of the most essential and variable climate components whose understanding has long been a concern for climatologists. The main objective of the current paper is to investigate and analyze the precipitation cycles in Iran. In order to realize this objective, the annual precipitation data of isometric station of Iran were extracted. These data have been collected by the country’s meteorological organization since the establishment of the station until 2008 which adds up to more than 40 years of statistics. Then, in order to investigate and analyze the precipitation cycles, spectral analysis (co-structural analysis) was utilized. Regarding the calculations, the programming utilities of Matlab were used and the Surfer software application was exploited for drawing operations. The results obtained from analyzing the cycles show that there are significant 2 to 3 year cycles, 3 to 5-year cycles, 2 to 6 year cycles and sometimes 11 or more- year cycles governing Iran’s precipitation patterns. Hence, in east and southeast of Iran, 3 to 5-year cycles are prevailing and in west and northwest 2 to 3-year cycles are dominant and finally in north east 2 to 6-year cycles are customary. The most numerous and the most variable cycles happen in south and south east, mainly due to the mountainous regions of Zagros as well as the proximity to Persian Gulf. The north western regions, much like the southwestern regions, indicate variable cycles due to the mammoth mountains of Sabalan and Sahand. Moreover, the presence of those cycles which have a return period equal to the statistical period has been seen in various parts of Iran, which indicates a precipitation trend in this country. 

کلیدواژه‌ها [English]

  • Precipitation
  • Spectrum analysis
  • harmonic
  • Iran
ـ تقوی، فرحناز؛ ناصری، محسن؛ ، بیات، بردیا؛ متولیان، سیدساجد و داود آزادی ­فرد (1390)، «تعیین الگوهای رفتار اقلیم درمناطق مختلف ایران بر اساس تحلیل طیفی و خوشه­بندی مقادیر حدی بارش و دما»، پژوهش­های جغرافیای طبیعی، شماره 77: 124-109.
ـ جهانبخش، سعید و معصومه عدالت­دوست (1387)، «تغییر اقلیم در ایران (مطالعه موردی: شاخص نوسانات اطلس شمالی به‌عنوان شاخصی از تأثیرات فعالیت خورشیدی بر تغییرات بارش آذربایجان)»، سومین کنفرانس مدیریت منابع آب ایران. دانشگاه تبریز.
ـ چتفیلد، سی (1381)، «مقدمه­ای بر تجزیه و تحلیل سری­های زمانی»، ترجمه حسنعلی نیرومند و ابوالقاسم بزرگ­نیا، انتشارات فردوسی مشهد.
ـ عساکره، حسین (1388)، «تحلیل طیفی سری­های زمانی دمای سالانه تبریز»، فصلنامه تحقیقات جغرافیایی، شماره 94، 50-33.
ـ عساکره، حسین و رباب رزمی (1391)، «تحلیل تغییرات بارش سالانه شمال­غرب ایران»، جغرافیا و برنامه­ریزی، شماره 3، 162-147
ـ عساکره، حسین و رباب رزمی (1391)، «تحلیل تغییرات بارش سالانه شمال­غرب ایران»، مجله جغرافیا و برنامه­ریزی محیطی، شماره 3، صص 147-162.
ـ قلی­زاده و محمد حسین قلی­زاده و محمد دارند (1388)، «پیش­بینی بارش ماهانه با استفاده از شبکه­های عصبی مصنوعی»، پژوهش­های جغرافیایی، شماره 71، صص 53-61
ـ یازجی، دانیال و نیستانی، ابوالفضل و فرحناز تقوی (1389)، «مجموعه مقالات چهاردهمین کنفرانس ژئوفیزیک ایران»، تهران21-23 اردیبهشت 89، موسسه ژئوفیزیک، صفحه 57-60.
-Arrigo, R.D, R.vilallba, G.wiles. (2001), “Tree-Ring Estimates of Pacific Decadal Climate Variability”, Climate Dynamics, 18: 219-224.
-Azad, Sarita and T.S. Vigneshb and R. Narasimha, (2009), “Periodicities in Indian Monsoon Rainfall over Spectrally Homogeneous Regions”, Int. J. Climatol, DOI: 10.1002/joc.2045.
-Earle M.D, K.E. Steele, D.W.C. Wang (1999), “Use of Advanced Directional Wave Spectra Analysis Methods”, Ocean Engineering 26, pp 1421-1434.
-Ghil.M, M.R. Allen, M.D. Dettinger, K. Ide, D. Kondrashov, M. E. Mann, A.W. Robertson, Saunders, Y. Tian, F. Varadi, & P. Yiou (2001), “Advanced Spectral Methods for Climatic Time Series”, Reviews of Geophysics, 40, 1, pp 1-1-1-41.
-Hartmann, S. Becker, & L. King, (2008), “Quasi-Periodicities in Chinese Precipitation Time Series”, Theor. Appl, Climatol, 92, 155-163.
-Hegge, Gerhard Masselink (1996), “Spectral Analysis of Geomorphic Time Series: Auto-Spectrum”, Earth Surface Processes and Landforms, Vol. 21, 1021-1040.
-Kalaycı Serdar, M. Cagatay Karabork, and Ercan Kahya, (2004), “Analysis of EL NINO signals on Turkish streamflow and precipitation pattern using spectral analydsis”, Fresenius Environmental Bulletin, Vol. 13, No. 8.
-Kane, R.P. and Teixeira. N.R. (1991), “Power Spectrum Analysis of the Annual Rainfall Series for Massachusetts (NE. U.S.A)”, Climatic Change, 18: 89-94.
-Kristina I. Kirkyla and Sultan Hameed, (1989), “Harmonic Analysis of the Seasonal Cycle in Precipitation over the United States: A Comparison between Observations and a General Circulation Model”, J. Climate, 2, 1463–1475. 
-Lana.x & A. Burgueno (2000), “Statistical Distribution and Spectral Analysis of Rainfall Anomalies for Barcelona (NE Spain)”, Theor. Appl. Climatology, 66, 211-227.
-Livada, I., Charalambous, M. & Asimakopoulos, N. (2008), “Spatial and Temporal Study of Precipitation Characteristics over Greece”, Theoretical and Applied Climatology, Vol. 93, PP. 45-55.
-Olsen Lena Ringstad, Probal Chaudhuri, Fred Godtliebsen (2008), “Multistage Spectral Analysis for Detecting Short and Long Range Change Points in Time Series”, Computational Statistics and Data Analysis, 52, 3310–3330.
Richard E. Chandler, (1997), “A spectral method for estimating parameters in rainfall models”, Bernoulli, Vol. 3, No 3 (1997), 301-322.
Spangenberg, A. & M. Bredemeier (1999), “Applications of Spectral Analysis to Meteorological and Soil Solution Chemistry Data”, Chemosphere, Vol. 39, No. 10, pp 1651-1665.
Wilks D.S, (2006), “Statistical methods in the atmospheric sciences”, CornellUniversity.
Yun-Ju. J, & Lee. J.Y. (2010), “Time Series Analysis of Hydrologic Data Obtained from a Man-Made Undersea LPG Cavern”, Engineering Geology, Vol. 113, pp 70-80.