کاربرد حالات دمای روزانه در پیش بینی حالات بارش روز بعد ایران ‏

نویسنده

دانشگاه زنجان

چکیده

‏ این تحقیق درصدد است قابلیت حالت دمایی یک روز در پیش بینی حالت بارشی روز بعد را بر اساس روش احتمال شرطی مورد بررسی قرار دهد. برای دستیابی به این ‏هدف داده‎های شبکه‎ای با تفکیک زمانی روزانه، از 01/01/1340 تا 11/10/1383 و با تفکیک مکانی (یاخته های) 15‏ ‏15 کیلومتر، مورد استفاده قرار گرفت. براساس ‏توزیع احتمال مربوط به دمای هر یاخته و هر روز، صدک های 25 و 75 توزیع فراوانی دمای روزانۀ هر یاخته برای هر روز برآورد گردید. در هر یاخته، روزهایی که ‏دمای روزانۀ آن کم تر از صدک 25 دمای همان روز بود، به عنوان روزی سرد، روزهایی که دمای آن یاخته برابر یا بیش تر از صدک 75 آن یاخته و همان روز بود، ‏به عنوان روزی گرم و دمای روزانۀ هر یاخته که بین صدک 25 و صدک 75 همان روز قرار گیرد، به عنوان روزی با دمای بهینه در نظر گرفته شد. روزهای فاقد ‏بارش‎ ‎روزهایی که بارش کم تر از میانگین توزیع مربوط به هر یاخته و روز داشته اند، روزهای کم باران و روزهایی که برابر یا بیش تر از میانگین توزیع هریاخته و روز، ‏بارش را تجربه کرده اند، به عنوان روز پرباران در نظر گرفته شد. در گام بعد فراوانی توأم رویدادهای دمایی هر روز و رویدادهای بارشی روز بعد برای هر یاخته در یک ‏ماتریس ارائه شد. سپس ماتریس احتمال توأم هریک از رویدادهای دمایی - بارشی نسبت به هریک از حالات بارشی محاسبه شد. در نهایت احتمال شرطی هر یک از ‏رخدادهای دمایی با حالت بارش روز بعد برای هر یاخته محاسبه شد. در نهایت نقشه ها و تحلیل های مربوط به هر حالت ارائه گردید. براساس یافته های این تحقیق ‏معلوم شد که احتمال توأم رخداد حالات دما و حالات بارش در سرزمین ایران علی رغم کم بود همبستگی و فقدان قابلیت اعتمادِ قابل توجه، حاوی الگوی زمانی – ‏مکانی است. با این وصف پیش بینی بارش هر روز براساس دمای روز قبل محتمل تر از روزهای پیشین است. در برخی مکان ها نظیر سواحل جنوبی ایران به ویژه ‏سواحل دریای عمان و نیز سواحل خلیج فارس در بوشهر روزهای پربارش بعد از روز سرد محتمل تر است. در حالی که در شمال غرب کشور، شمال تنگه هرمز، ‏سواحل خوزستان و نیز ناحیه سیستان روزهای بدون بارش بعد از روز سرد محتمل تر می باشد. روزهای بدون بارش بعد از یک روز معتدل در جنوب و غرب خوزستان ‏و نیز در نواری نسبتاً عریض از غرب تنگه هرمز تا جنوب بلوچستان بیش از 80 درصد مواقع، محتمل است. ‏

کلیدواژه‌ها


عنوان مقاله [English]

Prediction of Next Day Precipitation State by using Daily Temperature State over Iran

نویسنده [English]

  • Hossein Asakereh
University of Zanjan
چکیده [English]

In this paper we attempt to investigate potentials of temperature estates for prediction of precipitation stance ‎based on conditional probability. For this purpose the daily precipitation and temperature of Iran data base are ‎used. This database has been established using 1436 stations for precipitation measurements as well as 664 ‎stations for temperature’s over Iran during1961/3/21 to 2004/12/31 and 15× 15 KM resolution. Accordingly it ‎has created 7187 pixels all over Iran. All calculations have been accomplished on these pixels. Probability ‎distributions of each pixel and their 25 and 75 percentiles of temperature have been estimated. Based on this ‎classification the cold, moderate and hot days have been defined as well as the no precipitation, low ‎precipitation and high precipitation days based on mean of probability distribution in each pixel. The join and ‎conditional probability have been calculated for every pixel to show every attitude of precipitation in compare to ‎one day previous. The results showed the precipitation – temperature relationship has tempo-spatial patterns ‎that cause very uncertainty in forecasting. However each day precipitation prediction based on previous day is ‎more probable in compare with later days. In some places such as southern coasts high precipitation is more ‎probable after a cold day. Meanwhile the dry days is more probable after a cold day in northwest of Iran as well ‎as in north of Hormoz strait, Khozestan coasts and Sistan region. No precipitation day after moderate day is ‎probable in 80% of times in south and north of Khozestan, from west of Hormoz strain to Baloochestan.‎

کلیدواژه‌ها [English]

  • Prediction
  • Joint Probability
  • Conditional Probability
  • Estates of Temperature and Precipitation
  • Frequency ‎Distribution