چکیده

استفاده از تکنیکها و فنون آماري امروزه به طور گستردهاي مورد توجه محققان علوم کاربردي، به ویژه علـم هواشناسـی بـراي پـیش بینـی و شناسایی رفتار جوي مانند بارندگی، رطوبت،دما و غیره قرار گرفته است.در این مقاله ضمن ارائه کاربرد روشهاي نوین آمـار ماننـد پـیش بینـی فضایی کریگیدن، همکریگیدن و عکس فاصله موزون در هواشناسی، پیش بینی میزان ریزش باران براي کل نقشه ایران انجـام گرفتـه و پهنـه بندي بارش براي کشور تهیه شده است.دراین تحلیل دادههاي میانگین بارش اقلیمی ایستگاههاي هواشناسی از بدو تأسیس تا سال ۱۳۸۳ بکـار برده شده است. نتایج حاصل از تحلیل اعتبارسنجی متقابل حاکی از آناست که پیش بینی حاصل از هـم کریگیـدن بهتـر از کریگیـدن و روش کریگیدن بهتر از عکس فاصله موزون است.

واژه هاي کلیدي:پیش بینی فضایی-کریگیدن- هم کریگیدن-عکس فاصله موزون- بارش اقلیمی- ایران

سرآغاز

در همان زمانی که زمینآمار۱ در مهندسی معدن در فرانسه توسط ماترون در حالگسترش بود، ایدههاي مشابهی درپیش بینی به عنـوان تحلیل عینی توسط گاندیندر هوا شناسـی ارائـه شـد.گانـدین عبـارت درونیابی بهینه را به جايکریگیدن به کاربرد(.(Cressie, 1993 در این مقاله از دادههاي مربوط به مقدار میانگین بارش اقلیمـی اسـتفاده شده است.این میانگین از متوسطهـاي سـالانه متغیـر در طـول تمـام سالهایی استکه مقدار بارش در ایستگاه مورد نظـر ثبـت شـده.اغلـب میـانگینهـا متوسـط۳۰ سـاله مقـدار ریـزش بـاران در ایـستگاههـاي هواشناسیاند.این میانگین فقط در ایستگاههاي هواشناسی معلوم است.

براي پیشبینی مقدار بارش اقلیمی در مکانهاي دیگر انواع روش هاي زمین آمار مانند کریگیدن۲، همکریگیدن۳، عکس فاصله موزون۴ و غیره ارائه شده اند.روش معمول پیشبینی فضایی در اقلیم شناسی براي مدت نیم قرن روش چند ضلعیهاي تایسن۵ بود تا اینکه مـاترون در اواسـط سال۱۹۶۰ مبانی زمینآمار را بنـا نهـاد((Matheron, 1963 وزمـین آمار بهسرعت در پیشبینـی متغیرهـاي محیطـی، بخـصوص در اقلـیم شناسی توسعه پیدا کرد.

روشهاي زمین آمار به دلیل استفاده از همبستگی فـضایی بـین داده ها که عمومأ توسط تابع تغییرنگار مدل بندي مـی شـود از دقـت بالایی نسبت به سایر روشها به ویژه روش تایـسن برخـوردار اسـت.

همچنین در روش هاي کریگیدن واریانس پیش بینی در هر نقطه نیـز ارائه میشودکه این یکی از ویژگیهاي منحصر به فرد روش کریگیدن است.
هدف این مقاله تهیه نقشه سطح تراز ریزش بـاران بـراي کـشور ایران است که از سه روش کریگیدن (نوعی درونیـابی آمـاري)،هـم کریگیدن (نوعی درونیـابی آمـاري متغیـر وابـسته بـه کمـک برخـی متغیرهاي مستقل) و عکس فاصله مـوزون اسـتفاده شـده اسـت. ایـن روشها نیز از لحاظ دقت پیش بینی مقایسه شده اند.

افراد مختلفی مانند مـشکانی و رکـنالـساداتی((Pardo, (1378 1998)از روش هاي زمین آمار براي پیشگیري مقـدور ریـزش بـاران استفاده کرده اند.دادههاي مورد بررسی، مقدار میانگین بارش اقلیمی و ارتفاع مربوط به ۱۳۳ ایستگاه هواشناسـی سـازمان هواشناسـی کـشور ایران است. براي هر ایستگاه میانگین بارش سالانه بر حسب میلیمتر و ارتفاع آن از سطح دریا بر حسب متر و طول و عرض جغرافیایی آن بر حسب درجه ثبت شده است.

نویسنده مسئول :تلفن E-mail-Kavousi_am@yahoo.com 09122404514:

۳۲

روشهاي بررسی

تحلیل اکتشافی داده ها۶

در تحلیل دادههاي فضایی، به ویـژه در انـواع کریگیدن،مفروضـات بنیادي مانند نرمال بودن، مانـایی در میـانگین (ثابـت بـودن میـانگین)،

همسانگردي۷ و همچنین وجود دادههاي پرت (ناهمخوان با سایر داده ها)

باید مورد بررسی قرار گیرند. زیرا تحلیل مذکور بر پایه این مفروضات بنا نهاده شده است. در این قسمت به بررسی این مفروضات می پردازیم.

پس از بررسی نرمال بودن دادهها بـا اسـتفاده از نمـودار احتمـال نرمال((Madansky, 1988، ملاحظه شد که میانگین بارش اقلیمی و ارتفــاع داراي توزیــع نرمــال نیــستند، بنــابراین بــا تبــدیل بــاکس کاکس(Madansky, 1988)8 آنها را نرمال کردیم. در تبدیل باکس-
y  xλ −۱, x  ۰

کاکس، یعنی λ داده هاي بارش اقلیمـی بـا λ  ۰٫۱ و ارتفـاع بـا λ ۱٫۵
نرمال شدند. این مقادیر با چند بار انتخـاب و آزمـون نرمـال بـا آمـاره شاپیرو-ویلک(Matheron, 1963)9 و نمودار احتمـال نرمـال (شـکل هاي شمارة۱ و (۲ به دست آمدند. در فرمول فوق x متغیر اولیـه و λ مقداري است که به گونهاي انتخاب میشود که متغیر تبدیل یافته y

نرمال باشد. در ادامه متغیر بارش تبدیل یافته و ارتفاع تبـدیل یافتـه را به ترتیب با TRP و THA نمایش میدهیم.

Normal P-P Plot of TRP

۱٫۰۰

E
x
.75 p
e

c
t
e
.50 d
C
u
.25 m

P
r
o
0.00 b
1.00 .75 .50 .25 0.00

Observed Cum Prob

شکل شمارة(:(۱ نمودار احتمال نرمال TRP

Normal P-P Plot of THA

۱٫۰۰

E x
p .75 e c t e

۰۵٫ d

C u m
.25

P r o

۰۰٫۰ b

۰۰٫۱ ۰٫۰۰ .۲۵ .۵۰ .۷۵

Observed Cum Prob

شکل شمارة(:(۲نمودار احتمال نرمال THA

محیط شناسی شمارة۴۳

(شکل شمارة(۳ موقعیت جغرافیایی ایستگاه ها (نمونه هـا) را بـه همراه مقادیر چاركهاي مقدار بارش ( ( TRP نمایش میدهد. از این شکل میتوان به بررسی وجود دادههاي پرت در همسایگیها پرداخت.
با توجه به این شکل داده پرتی مشاهده نمیشود. براي این منظـور از نمودار دیگري به نام ابر تغییرنگار۱۰ نیز استفاده میشود۰
شکل شـمارة (۴)نمـودار ابـر تغییرنگـار متغیـر TRP و شـکل شمارة((۵ابر تغییرنگار متغیر THA را نمایش میدهـد. بـا توجـه بـه اینکه در هر دو نمودار تقریبادادهها در یک نوار موازي افق قـرار دارنـد میتوان نتیجه گرفت که در این دو مجموعه از دادهها عددي پـرت در همسایگیها وجود ندارد.

شایانذکر استکه ماهیت دادههاي پرت در داده هاي فـضایی از دو نوع است.نوع اولمانند دادة پـرت در آمـار کلاسـیک اسـت،که بـه کمک یکیازروش هاي معمول ماننـد نمودارجعبـهاي (Madansky, 1988)میتوان آن را شناسایی کرد.نوع دوم دادة پـرت در همـسایگی یک موقعیت است. این نوع داده پرت در یک همسایگی ممکن اسـت پرت باشد، ولی در کل مجموعه دادهها ممکن است پرت نباشند.