تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

تحلیل آمار فضایی خشکسالی در ایران

نویسندگان
سعید جوی زاده 1
زهرا حجازی زاده 2
1 دانشجوی دکتری اقلیم شناسی دانشگاه خوارزمی تهران
2 استاد گروه اقلیم شناسی دانشگاه خوارزمی تهران
10.29252/jgs.19.53.251
چکیده
خشکسالی یکی از وقایع محیطی و بخش جدایی ناپذیر نوسـانات اقلیمی است. این پدیده از ویژگیهای اصلی و تکرار شـونده ی اقلـیم های مختلف به شمار می رود. آگاهی از رفتار مکانی- زمانی بارش در برنامه‌ریزی‌های محیطی سرزمین مؤثر است. روش‌‌های آمار فضایی امکاناتی را فراهم می‌سازد که با استفاده از آنها، الگوهای فضایی متغیرهای تصادفی مانند بارش را تحلیل کرد. در این پژوهش با استفاده از داده‌های بارندگی 84 ایستگاه منتخب سینوپتیک در بازه زمانی 30 ساله (1985 تا 2014) در ایران، به بررسی و تحلیل فضایی خشکسالی پرداخته‌شده است. ابتدا با استفاده از مقادیر SPI (مقیاسهای زمانی 3 ، 6، 12، 24 و 48 ماهه)، دوره‌های خشکسالی و ترسالی منطقه شناسایی شدند و با استفاده از افزونه Geostatistic Analyst اقدام به پهنه‌بندی خشکسالی با روش های درونیابی شد. به‌منظور تبیین الگوی حاکم بر خشکسالی در ایران از آماره موران استفاده شد. نتایج شاخص موران در مورد خشکسالی نشان داد که مقادیر مربوط به سال‌های مختلف در طول دوره آماری دارای ضریب مثبت و نزدیک به یک می باشند که نشان دهنده ی این است که داده های شاخص خشکسالی SPI دارای خودهمبستگی فضایی و دارای الگوی خوشه ای می باشد. همچنین نتایج حاصل از مقادیر امتیاز استاندارد Z و مقدار P-Value، خوشه ای بودن توزیع فضایی خشکسالی را مورد تائید قرارداد.
کلیدواژه‌ها
خشکسالی
آمار فضایی
آماره موران
پهنه بندی
ایران

عنوان مقاله English

Analysis of Drought Spatial Statistics in Iran

نویسندگان English

saeed javizadeh 1
zahra hejazizadeh 2
چکیده English

Drought is one of the environmental events and an inseparable part of climatic fluctuations. This phenomenon is one of the main characteristics of the various climates. Awareness of spatiotemporal behavior is effective in land planning. The spatial statistical methods provide the means by which they analyze the spatial patterns of random variables such as precipitation. In this study, using the rainfall data of 84 selected synoptic stations during the period of 30 years (1985 to 2014) in Iran, the spatial analysis of drought has been investigated. Initially, using SPI values (timescales 3, 6, 12, 24 and 48 months), drought and traumatic periods of the area were identified and using the Geostatistic Analyst extension, the drought was zoned by interpolation methods. Moran statistics were used to explain the pattern of drought in Iran. The results of Moran index for drought showed that the values for different years during the statistical period have a positive and close to one, indicating that the SPI drought index data has spatial self-correlation and cluster pattern. Also, the results of Z score and P-value values, clustering of a spatial distribution of drought, were confirmed.

کلیدواژه‌ها English

drought
Spatial Statistics
Moran statistics
Zoning
Iran
Allard, D. and Soubeyrand, S. (2012). ''Skew-normality for climatic data and dispersal models for plant epidemiology: when application fields drive spatial statistics''. Spatial Statistics, 1, 50-64.
Anselin, L. (1988), Spatial Econometrics: Methods and Models, Kluwer, Boston.
Anselin, L. (1995a), SpaceStat Version 1.80 Users Guide Research Institute. West Virginia University. Morgantown, WV.
Bajat, B., Blagojević, D., Kilibarda, M., Luković, J. and Tošić, I. (2014). ''Spatial analysis of the temperature trends in Serbia during the period 1961–2010''. Theoretical and Applied Climatology. 1-13.
Bruce, J.P.(1994), Natural disaster reduction and global change . Bulletin of the American Metrological Society, Vol. 75, NO. 10, PP.181-1835.
Chao-bing, H.L. M.D. and Ning, L.I. (2011). ''A review on the hotspot issues of urban heat island effect''. Journal of Meteorology and Environment. 4. 011.
Diffenbaugh, N.S., Giorgi, F. and Pal, J.S. (2008). "Climate change hotspots in the United States". Geophysical Research Letters. 35 (16),140-150.
Jia, S., Zhu, W., Lű, A. and 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.
Killeen, T.J., Douglas, M., Consiglio, T., Jorgensen, P.M. and Mejia, J. (2007). "Dry spots and wet spots in the Andean hotspot''. Journal of Biogeography. 34 (8), 1357-1373..
Matkan, Ali Akbar. Shahri, Matin. Mirzaie, Mojgan (2013). BIVARIATE MORAN’S I AND LISA TO EXPLORE THE CRASH RISKY LOCATIONS IN URBAN AREAS. N-AERUS XIV Enschede 12 - 14th September 2013.
Mckee, T.B., Doesken, N.J and Kleist, J., (1993), The relationship of drought frequency and duration to time scales, 8th conference on Applied Climatology, 17-22 January, Anaheim, CA, pp. 176- 184.
Moran, P. A. P. (1948), The interpretation of statistical maps. Journal of the Royal Statistical Society B 10: 243–51
Obasi, G. O. P. 1994. WMO’s Role in the international decade for natural disaster reduction. Bulletin of the American Meteorological Society, 75, 1655-1661.
Ohayon, B. (2011). Statistical Analysis of Temperature Changes in Israel: An Application of Change Point Detection and Estimation Techniques.170-189.
Wilhite D.A. 1997. Responding to Drought: Common threads from the past, Vision for the future. Journal of the
American Water Resources Association, 33(5): 951-959.