الگوسازی روابط مکانی فراوانی رخداد ماهانه بارش‌های شدید (فصول سرد) ناحیه خزری

جغرافیا و مخاطرات محیطی

مقاله 10، دوره 7، شماره 4 - شماره پیاپی 28، بهمن 1397، صفحه 165-182   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/geo.v0i0.58731

نویسندگان

حسین عساکره^* ؛ لیلا حسینجانی

دانشگاه زنجان

چکیده

از مهم‌ترین اهداف آمار فضایی، بررسی روابط مکانی داده­های محیطی (بارش شدید) برای تحلیل الگوها و وابستگی­های فضایی است. در این راستا تحلیل اکتشافی داده‌های فضایی روش­هایی را برای تمایز بین الگوهای تصادفی و غیر تصادفی فراهم می­آورد. در این پژوهش با کاربرد آماره فضایی به تبیین الگوهای مکانی بارش­های شدید که با پیامد­های محیطی – انسانی همراه است،  پرداخته شد. در این راستا مجموع فراوانی ماهانه بارش‌های شدید فصول سرد ناحیه خزری در دو گروه آستانه صدک 95-90 و 99-95، از 385 ایستگاه اقلیمی طی 2016- 1966 با کاربرد آماره موران و آماره Gi*به‌منظور تحلیل خودهمبستگی فضایی استفاده شد. یافته­های آماره موران کلی  نشان داد که رفتار حاکم  بر بارش شدید دارای ساختار فضایی و به شکل خوشه‌ای است. بررسی­های ماهانه فصول نشان داد که به لحاظ فراوانی وقوع بارش­های حاصل از این دو گروه بارشی، فراوانی رخداد بارش­های صدک آستانه 95-90 بیشتر از آستانه صدک 99-95 می­باشد. براساس نقشه‌های موران محلی نواحی با خود­همبستگی‌های مثبت در هر دو گروه بارشی بیشتر در نواحی غربی، مرکزی و الگوهای حاصل از خودهمبستگی منفی در بخش شرقی قرار دارد. در بررسی روابط مکانی، آماره دو متغیره موران بین بارش شدید و عوامل جغرافیایی نشان داد که تأثیر عوامل جغرافیایی در فراوانی رخداد فرین‌ها ضعیف‌تر از عملکرد و نفوذ سامانه‌های همدید است. درنهایت، در این ناحیه که این بارش­ها یکی از مخاطرات طبیعی است، شناسایی این الگوها می­تواند در مدیریت و برنامه‌ریزی و کاهش آسیب‌پذیری و افزایش سازگاری  مؤثر باشد.

کلیدواژه‌ها

خودهمبستگی فضایی؛ آماره موران و Gi*؛ تحلیل داده های محیطی؛ بارش فرین؛ عوامل جغرافیایی؛ ناحیه خزری

مراجع

خوش‌اخلاق، فرامرز؛ فرید مجتهدی، نیما؛ نگاه، سمانه؛ مؤمن پور، فروغ؛ صبوری، شبنم؛ اسعدی اسکویی، ابراهیم؛ 1393. پدیده برف دریاچه ای و نقش آن در رخداد برف‌های سنگین کرانه جنوب غربی دریای خزر ، فضای جغرافیایی، شماره‌ 53، 251-229.

خوشحال دستجردی، جواد؛ 1376. تحلیل و ارائه مدل‌های سینوپتیک کلیماتولوژی برای بارش‌های بیش از یک صد میلی‌متر در سواحل جنوبی دریای خزر. رساله دکتری اقلیم‌شناسی: استاد راهنما: هوشنگ قائمی، دانشگاه تربیت مدرس.

ستوده، فاطمه؛ علیجانی، بهلول؛ 1394. رابطه‌ی پراکندگی فضایی بارش‌های سنگین و الگوهای فشار در گیلان. تحلیل فضایی مخاطرات محیطی،شماره 1، 73-63.

عساکره، حسین؛ 1387. کاربرد روش کریجینگ در میان‌یابی بارش، جغرافیا و توسعه، شماره 12، 42-25.

عساکره،حسین؛ خوش‌رفتار، رضا؛ ستوده، فاطمه؛ 1391. بارش‌های سنگین روزانه سپتامبر در ارتباط با الگوهای همدید در استان گیلان(2005-1976). پژوهش‌های جغرافیای طبیعی، شماره 2، 66-51.

عسگری، علی؛1390. تحلیل‌های آمار فضایی با ARCGIS ، چاپ اول، سازمان فناوری اطلاعات و ارتباطات شهرداری تهران.

علیجانی، بهلول؛ 1394. تحلیل فضایی، مجله مخاطرات محیطی، شماره3، 1-14.

فلاح قالهری، غلام عباس؛ اسدی، مهدی؛ داداشی رودباری، عباسعلی؛ 1394. تحلیل فضایی پراکنش رطوبت در ایران. پژوهش‌های جغرافیای طبیعی، شماره 4، 650-637.

قدرتی، علیرضا؛ رحمتی، سمانه؛ 1394. تحلیل سینوپتیکی بارش‌های رگباری منجر به سیل در غرب گیلان، سومین کنفرانس ملی مدیریت و مهندسی سیلاب، 21-23 مهرماه 1394.

کارخانه، میثم؛ مفیدی، عباس؛ زرین، آذر؛ 1395. شبیه‌سازی نقش دریای خزر بر وقوع بارش‌های منطقه‌ای در سواحل جنوبی دریای خزر، جغرافیا و آمایش شهری- منطقه‌ای، شماره 18، 168-153.

مرادی، حمیدرضا؛ 1380 بررسی سینوپتیک سیلاب 21 آبان ماه سال 1375 نواحی مرکزی مازندران، مجله رشد آموزش جغرافیا، شماره 56، 41-33.

مرادی، حمیدرضا؛ 1385. پیش‌بینی وقوع سیلاب‌ها بر اساس موقعیت‌های سینوپتیکی در ساحل جنوبی دریای خزر، پژوهش‌های جغرافیایی، شماره 55، 131-109.

مظفری، غلامعلی؛ مزیدی، احمد؛ شفیعی، شهاب؛ 1396. واکاوی روابط فضایی بارش‌های فرین غرب ایران. جغرافیا و توسعه، شماره 46، 184-169.

مفیدی، عباس؛ زرین، آذر؛ جانباز قبادی، غلامرضا؛ 1386. تعیین الگوی همدیدی بارش‌های شدید و حدی پاییزه در سواحل جنوبی دریای خزر، مجله فیزیک زمین و فضا، شماره 3، 131-154.

مفیدی، عباس؛ زرین، آذر؛ جانباز قبادی، غلامرضا؛ 1387. تعیین الگوی همدیدی بارش‌های شدید زمستانه و مقایسه آن با الگوی بارش‌های شدید پاییزه در سواحل جنوبی دریای خزر، اولین کنفرانس بین‌المللی تغییرات زیست‌محیطی منطقه خزری، 3 تا 4 شهریورماه 1387، دانشگاه مازندران، بابلسر.

میرموسوی، حسین؛ دوستکامیان، مهدی؛ ستوده، فاطمه؛ 1394. بررسی و تحلیل الگوی فضایی تغییرات درون دهه‌ای بارش‌های سنگین و فوق سنگین ایران، جغرافیا و برنامه‌ریزی محیطی، شماره 3، 76-67.

نظری‌پور، حمید؛ دوستکامیان، مهدی؛ علیزاده، سارا؛ 1394. بررسی الگوهای توزیع فضایی دما، بارش و رطوبت با استفاده از تحلیل اکتشافی زمین‌آمار(بررسی موردی: نواحی مرکزی ایران)، مجله فیزیک زمین و فضا، شماره 1، 117-99.

یوسفی، حسن؛ عزیزی، قاسم؛ 1383. زمانیابی ورود پرفشار سیبری به سواحل جنوبی دریای خزر. فصلنامه مدرس علوم انسانی، شماره 4، 193-213.

Agena, I., Macdonald, N., & Morse, A.P. (2014). Variability of maximum and mean average temperature across Libya (1945–2009). Theoretical and Applied Climatology, (Vol. 117), 549-563.

Alexandersson, H, 1986. A Homogeneity Test Applied to precipitation data. Journal of Climatology, (Vole. 6), 661-675.

Allard, D., & Soubeyrand, S. (2012). Skew-normality for climatic data and dispersal models for plant epidemiology: when application fields drive spatial statistics. Spatial Statistics, (Vol. 1), 50-64.

Anselin, L. (1995).Local indicators of spatial association-LISA. Geographical Analysis, (vol. 27), 93–115.

Chang, H., Kwon, W. (2007). Spatial variations of summer precipitation trends in South Korea, 1973–2005, ENVIRONMENTAL RESEARCH LETTERS2 (045012), 1-9.

Clark, W.A.V., Hosking, P., L. (1986). Statistical Methods for geographers: John Wiley and sons, New York, 379.

Fu,W.J., Jiang,P.K, Zhou,G.M., & Zhao,K.L.( 2014).Using Moran's I and GIS to study the spatial pattern of forest litter carbon density in a subtropical region of southeastern China, Biogeoscinces,11(8), 2401-2409.

Hartmann, S., Baker. & King. L. (2008). Quasi-Periodicities in Chinese Precipitation Time Series. Theoretical and Applied Climatology, (Vol.92), 155-163

IPCC. (2007). the physical science basis. Contribution of Working Group I to Fourth Assessment Report of the Intergovernmental Panel on Climate Change: Cambridge, United Kingdom, & Cambridge University Press.

Jia, S., Zhu, W., Lű, A., & Yan, T. (2011). ''A statistical spatial downscaling algorithm of TRMM precipitation based on NDVI and DEM in the Qaidam Basin of China''. Remote sensing of Environment. 115(12), 3069-3079.

Mc Cabe, M.F., kalma, J.D., & Franks, S.W. (2005).Spatial and temporal patterns of land surface fluxes remotely sensed surface temperatures within an uncertainty modelling framework, Hydrology and Earth system Sciences, 9(5), 467-480.

Ord, J, K, & Getis, A. (1995). Local Spatial Autocorrelation Statistics: Distributional Issues and an Application. Geographical analysis, (Vol. 27), 306-286.

Robeson, S.M., Li., A. & Hunang, C. (2014). Point- pattern analysis on the sphere Statistics. Spatial Statistics (Vol. 10), 76-86.

Rousta, I., Doostkamian, M., Haghighi, E., Ghafarian, H., Yarahmadi, P. (2017). An Analysis of Spatial Autocorrelation Patterns of Heavy and Super-Heavy Rainfall in Iran. Advances in atmospheric sciences, (VOL. 34), 1069–1081.

Rousta, I., Nasserzadeh, M., Jalali, M., Ghaseme, A. (2017). Decadal Spatial-Temporal Variations in the Spatial Pattern of Anomalies of Extreme Precipitation Thresholds (Case Study: Northwest Iran). Atmosphere 2017, (Vol.8), 1-15.

Sugumaran, R., Larson, S. R. & DeGroote, J. P.(2009).Spatial-temporal cluster analysis of county-based human West Nile Virus incidence in the continental United States, International journal of health geographice,8(1),8-43.

Wang, Q., Ni, J., & Tenhunen, J. (2005).Application of a geographically weighted regression analysis to estimate net primary production of Chines forest ecosystems, Global Ecology Biogeography, 14(4), 379-393.