پهنه‌بندی تعداد روز طوفانی در کشور ایران با استفاده از روش‌های زمین‌آماری و ریاضی

زمینه و هدف: تعداد روز طوفانی به وسیله عوامل گوناگونی مانند سرعت وزش باد، میزان بارش، رطوبت خاک و غیره قرار دارد. بررسی این شاخص در کشور می تواند در برنامه ریزی های گوناگون مورد توجه قرار گیرد. هدف از انجام این تحقیق پهنه بندی تعداد روزهای طوفانی در کشور و انتخاب بهترین مدل بر اساس داده های 150 ایستگاه هواشناسی در دوره آماری 25 ساله 2010-1986میلادی است.روش بررسی: بعد از تعیین ایستگاه ها با پراکندگی مناسب، داده های تعداد روز طوفانی در کشور ایران مربوط به دوره ی زمانی 2010-1986 در سال 1395 جمع آوری شد. به منظور بررسی نرمال بودن داده ها از روش کلموگروف اسمیرنف استفاده گردید. جهت نشان دادن همبستگی مکانی بین داده های تعداد روز طوفانی از واریوگرام استفاده شد. وایروگرام گوسین با میزان همبستگی 0.96، بهترین همبستگی بین داده ها را مدل سازی نمود و برای درون یابی از روش کریجینگ استفاده گردید. سپس با استفاده از روش های مختلف زمین آماری و ریاضی، نقشه تعداد روزهای طوفانی در کشور ترسیم شد. به این منظور از روش های درون یابی ریاضی شامل روش عکس فاصله (idw)، درون یاب چند جمله ای جهانی (gpi)، تابع شعاعی (rbf)، درون یاب موضعی (lpi) و روش زمین آماری کریجینگ استفاده شد. جهت انتخاب بهترین روش درون یابی از شاخص های آماری ریشه میانگین مربعات (rms) و میزان همبستگی داده های مشاهداتی و پیش بینی شده استفاده گردید.یافته ها: نتایج نشان داد که پیش بینی روش کریجینگ شاخص (kriging indicator) دارای بیشترین میزان همبستگی با داده های مشاهداتی است (r^2=0.74). همپنین مناطق جنوب شرقی و جنوب غربی کشور دارای بیشترین میزان تعداد روز طوفانی در کشور می باشند.بحث و نتیجه گیری: بالا بودن این شاخص در جنوب شرق ناشی از خشک شدن دریاچه هامون و وجود بادهای 120 روزه ی سیستان و در جنوب غرب کشور ناشی از گرد و غبار ورودی از کشورهای عربی است. نوار شمالی کشور نیز دارای کمترین میزان شاخص تعداد روز طوفانی در کشور است.

Mapping of Dusty Stormy Days in Iran Using Geostatistical and Mathematical Methods

Background and Objective: The number of stormy days is determined by various factors such as wind speed, rainfall, soil moisture and so on. The study of this index in the country can be considered in various plans. The purpose of this research is mapping of the number of dusty stormy days in Iran and selecting the best model based on the climatic data of 150 meteorological stations for the period of 25 years (19862010).Method: Dust stormy days’ data of the studied stations were analyzed using variogram curves to represents their spatial correlation. Gaussian variogram (R2=0.96) shows the highest correlation between the data. Then, map of the number of dust stormy days in Iran were prepared using different geostatistical and mathematical methods. For this purpose, several mathematical interpolation methods including Inverse Distance Method (IDW), Global Polynomial Interpolation (GPI), Radial Basis Function (RBF), Local Polynomial Interpolation (LPI), and geostatistical method of Kriging were used. To select the best interpolation method among several geostatistical and mathematical methods, statistical indicators of Root Mean Square (RMS) and correlation coefficient between observed and predicted data were used.Findings: Results show that the highest correlation between predicted and observed data (R2 = 0.74) was found in kriging indicator method. The southeast and southwest of the country have the highest number of dust storm days.Discussion and Conclusion: High number of dust stormy days in the southeast is resulting from drying of Hammon lakes and blowing of 120day winds in Sistan plain, and entering of dust from Arabic countries form the direction of southwest. North part of the country has the lowest number of dust storm days.