آشکارسازی تغییر اقلیم محلی به کمک بررسی نوسانات زمانی روزهای یخبندان (مطالعۀ موردی مشهد)
الموضوعات :علیرضا شهاب فر 1 , سهراب محمدنیا قرایی 2 , محمد معتمدی 3
1 - ندارد
2 - ندارد
3 - ندارد
الکلمات المفتاحية: تغییر اقلیم, روزهای یخبندان, نوسان, روند,
ملخص المقالة :
در این تحقیق به منظور آشکارسازی تغییرات احتمالی اقلیم محلی، نوسانات زمانی روزهای یخبندان مشهد طی دوره آماری 1951-2000 مورد مطالعه قرار گرفت . در بررسی های اولیه مشخص شد که میانگین سالانه دما و دمای حداقل مطلق طی دورۀ یاد شده، روند صعودی دارند که این امر با روند نزولی تعداد روزهای یخبندان هم خوانیمناسبی از خود نشان می دهد.پس از انجام آزمون همگنی بارتلت همگن بودن داده های مورد مطالعه اثبات شد، با هدف آشکار شدن رونددر این داده ها از ضریب بحرانی کندال استفاده شد و معلوم شد در مجموع روزهای یخبندان سالانه شهر مشهددارای روند نزولی است.پس از انجام آزمو ن های بعدی نیز نتیجه گرفته شد که این روند تا حدودی مداوم بود چون در بعضی سال هابه هم خورده است. در نهایت معادله همبستگی تعداد روزهای یخبندان مشهد و سا لهای دورۀ آماری ب هصورت رابطه Y=107/35-0/53X محاسبه شد که این همبستگی نیز معنی دار بوده و بیانگر تغییرات 29/5- روزه در تعداد روزهای یخبندان طی دوره 50 ساله ی مورد مطالعه می باشد. چنین استنباط شد که داده های مذکور روند خطی مداوم شدیدی از خود نشان نداده، بلکه بیشتر رفتار نوسانی داشته است . در نهایت نیز با استفاده از آزمون Mann-kendail دو روند صعودی و دو روند نزولی معنی دار مشاهده شد . در انتهای دوره نیز یک نقطه تغییر دیده شد که معنی دار نبود و به طور کلی از حدود سال 1976 به بعد تعداد روزهای یخبندان در مشهد یک روند نزولی را پیشگرفته است. در مرحله بعد به منظور برازش یک مدل سری زمانی مناسب بر داده های مورد مطالعه از روش Box-Jenkins استفاده شد و با استفاده از منحنی های P-P¹ و اعمال تفاضل گیری از مرتبه اول، داده ها نرمال شدند و سپس با تحلیل منحنی های PACF³ و² ACF خاصیت ایستایی داده ها و حذف واریانس نیز بررسی و لحاظ گردید و در نهایت مدل سری زمانی ( 0,ARIMA (1, 1, برای سری مورد مطالعه، مناسب تشخیص داده شد و به منظور آزمون برازش از روش رگرسیون بهره گیری شد و در حد اعتماد 0/005 صحت مدل مورد تایید قرار گرفت به گونه ای که این مدل توانست تعداد روزهای یخبندان سال 2001 مشهد را با خطایی در حدود 3/3 درصد پیش بینی کند.