| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,846 |
| تعداد مقالات | 32,300 |
| تعداد مشاهده مقاله | 41,387,040 |
| تعداد دریافت فایل اصل مقاله | 18,562,156 |
پیش‌بینی خشکسالی در منطقه خشک و نیمه‌خشک ایران با استفاده از مدل‌های سری زمانی و زنجیره مارکف | ||
| مهندسی و مدیریت آبخیز | ||
| مقاله 9، دوره 8، شماره 4، دی 1395، صفحه 454-477 اصل مقاله (2.28 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2016.107181 | ||
| نویسنده | ||
| طیب رضیئی* | ||
| استادیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران | ||
| چکیده | ||
| با استفاده از مدل‌های سری زمانی و زنجیره مارکف مرتبه اول امکان پیش‌بینی پدیده خشکسالی در بخش خشک و نیمه‌خشک مرکز و شرق ایران مورد بررسی قرار گرفت. برای این منظور با استفاده از داده‌های بارش 69 ایستگاه سینوپتیک و اقلیم‌شناسی منطقه مورد مطالعه در دوره 2005-1975 نمایه SPI در مقیاس‌های زمانی سه، شش و 12 ماهه برای همه ایستگاه‌ها محاسبه شد. با استفاده از تحلیل مولفه‌های اصلی و چرخش به روش وریمکس منطقه مورد مطالعه بر اساس تغییرات زمانی SPI سه و 12 ماهه به دو منطقه و بر اساس تغییرات زمانی SPI شش ماهه به سه منطقه کاملاً همگن تقسیم و سری زمانی نمره استاندارد مولفه‌های انتخابی به‌عنوان سری زمانی منطقه‌ای SPI در هر منطقه برای پیش‌بینی شدت خشکسالی با استفاده از مدل‌های سری زمانی باکس-جنکینز مورد استفاده قرار گرفت. با برازش مدل‌های مختلف باکس-جنکینز به سری‌های منطقه‌ای SPI در مقیاس‌های مختلف، مدل مناسب برای هر یک از سری‌های منطقه‌ای شناسایی شد. همچنین با استفاده مدل زنجیره مارکف مرتبه اول احتمال وقوع دوره‌های خشک، نرمال و تر و نیز تعداد و تداوم رویدادهای خشک و تر مورد انتظار برای همه ایستگاه‌ها محاسبه شد. نتیجه این بررسی نشان می‌دهد که احتمال رسیدن از یک حالت معین به همان حالت در ماه بعدی در همه ایستگاه‌ها بسیار زیاد و اغلب بیش از 60 درصد است. در مقابل احتمال گذر از یک وضعیت به وضعیت مخالف در همه ایستگاه‌ها بسیار پائین و اغلب کمتر از 10 درصد است. نتیجه این بررسی همچنین نشان داد که مدل ARMA با سری‌های منطقه‌ای SPI سه و شش ماهه و مدل SARIMA با سری‌های منطقه‌ای SPI دوازده ماهه بهترین برازش را دارند. با استفاده از مدل‌های شناسایی شده مقدار SPI برای گام‌های زمانی آینده برای هر یک از سری‌های SPI منطقه‌ای پیش‌بینی شد و مشخص شد که مدل‌های انتخاب شده حداکثر می‌توانند تا سه ماه آینده را با دقت مناسب پیش‌بینی کنند، اما از دقت پیش‌بینی برای گام‌های زمانی بیش از سه ماه جلوتر به سرعت کاسته می‌شود. | ||
| کلیدواژه‌ها | ||
| احتمال انتقال؛ تحلیل مولفه‌های اصلی؛ ARIMA؛ SARIMA؛ SPI | ||
| عنوان مقاله [English] | ||
| Drought forcasting in eastern and central arid and semi-arid regions of Iran using time series and Markov chainmodels | ||
| نویسندگان [English] | ||
| Tayeb Raziei | ||
| Assistant Professor, Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran | ||
| چکیده [English] | ||
| In this research, the target area were regionlized into few distinctive homoginious sub-regions by applying principal component alalysis to the SPI time series at 3-, 6- and 12-months time scales and the resultant PC scores were considered as the regional SPI time series for drought forecasting using time series modellingineach identified sub-region. The probability of occurences of dry, normal and wet events were also predicted for all the considered stations using Markov chain model and the results were spatially mapped and analysed. The expected drught numebr and drught length of the prediceted drought events were also estimated and mapped to spatially display their results in order to ease their spatial variability comparrison. Furthermore, different time series models were fitted to the Regional SPI series (PC scores) to identify the best fitted model for each region in order to use for drought forcasting. The result shows that the ARMA is the best fitted model for SPI time series at 3- and 6-months time scales while for the 12-months time scales the SARIMA model is the best fitted model. Using the identified models the magnitude of the SPI was forcasted for the leading times. The result shows that the time series models can favorably forcast SPI values for three months ahead, wherease the predicted results for more than three months ahead is not reasonably accurate. | ||
| کلیدواژه‌ها [English] | ||
| ARIMA, PCA, SARIMA, SPI, Transition matrix | ||
|
آمار تعداد مشاهده مقاله: 826 تعداد دریافت فایل اصل مقاله: 904 |
||