مدل‌سازی روابط فضایی بارش- ارتفاع در شمال شرق کشور با استفاده از مدل gwr

زمینه و هدف: بارش از متغیرترین فراسنج های اقلیمی است. این تغییرات هم در بعد مکان و هم در بعد زمان در قالب اقلیم منطقه رخ می‌دهد. این مطالعه باهدف مدل‌سازی روابط فضایی بارش فصلی شمال شرق کشور با دوره آماری مشترک ماهانه 30 ساله (2010-1980) انجام‌شد. روش: به‌منظور دست‌یابی به تغییرات فضایی بارش از روش‌های نوین آمار فضایی مانند خودهمبستگی فضایی، موران جهانی، شاخص پراکندگی آمار فضایی و مدل رگرسیون وزن‌دار جغرافیایی (gwr) از قابلیت‌های محیط  بهره گرفته شد. نتایج: نتایج حاصل از این مطالعه نشان داد که تغییرات بارش در شمال شرق ایران دارای الگوی خوشه ای بالا یا همان مثبت می باشد. بطوریکه مقدار شاخص موران جهانی برای هر 4 فصل موردمطالعه و مجموع سالانه بالای 93/0 می‌باشد که بالاترین شاخص موران جهانی با مقدار 003219/1 مربوط به فصل تابستان بوده است. بحث و نتیجه گیری: نتایج حاصل از مدل gwr نشان داد که بارش در بخش‌های شمال منطقه موردمطالعه دارای خودهمبستگی فضایی مثبت و در بخش‌های جنوبی که غالباً مناطق کویری شمال شرق ایران تشکیل می‌دهند دارای خودهمبستگی فضایی منفی بوده است. همچنین نتایج آماره‌های پراکندگی، حاصل پیوستگی الگوی خوشه‌ای بارش در شمال شرق کشور بود. بر اساس شاخص فراوانی خوشه ها یا icf فصل زمستان بزرگ‌ترین خوشه‌های بارشی با مقدار عددی 46/264 در شمال شرق کشور ایجاد می‌شود.

Modeling of Precipitation-Elevation Spatial Relationships in the Northeast of Iran by Using the GWR Model

Background and Objective: Precipitation is one of the most variable climatic parameters. These changes occur both in terms of location and time in terms of the region’s climate. This study was conducted to model the spatial relationships of seasonal rainfall in the northeast of the country with a joint monthly statistical period of 30 years (19802010). Method: In order to achieve spatial variation of rainfall, new methods of spatial statistics such as spatial autocorrelation, global Moran, spatial dispersion index and geographic weight regression model (GWR) were used in GIS software. Findings: The results of this study showed that rainfall changes in northeastern Iran have a high cluster pattern or positive. The Global Moran Index for each of the four seasons and the annual sum is above 0.93, the highest Global Moran index with the value of 0032191 is for the summer season. Discussion Conclusion: The results of the GWR model showed that rainfall in the northern parts of the study area had positive spatial autocorrelation and in the southern parts, which are mostly desert areas had negative spatial autocorrelation. Also, the results of dispersion data were the result of cluster pattern of precipitation in the northeast of the country. Based on the frequency index of clusters or the ICF, the winter season is the largest cluster with a numerical value of 2646.26 in Northeast of the country.