مدلسازی آماری گرد و غبار استان اصفهان با استفاده ازمدل رگرسیون پوآسن آماسیده صفر

کشور ایران به علت واقع شدن در کمربند بیابانی کره زمین،از پدیده گرد و غبار در امان نیست.به دلیل موقعیت جغرافیایی ایران، این کشور مکررا در معرض سیستم های گرد وغباری محلی و هم دیدی قرار می گیرد. در سالهای اخیر، فراوانی طوفان های گردوغبار و شدت آنها بطور معنی داری در ایران از جمله استان اصفهان افزایش یافته است .این پدیده بویژه در فصل بهار و تابستان تشدید می گردد.پارامترهای اقلیمی در وقوع این طوفان ها نقش مهمی دارند.در این تحقیق، تغییرات زمانی و مکانی پارامترهای اقلیمی و ارتباط آنها با پدید آمدن گرد و غبار بررسی شد.بدین منظور،داده های اقلیمی دما،بارندگی،سرعت باد، رطوبت نسبی و فراوانی وقوع گرد و غبار از سال 1992تا 2016 ارزیابی شد.به منظور مدلسازی آماری تغییرات زمانی و مکانی گرد وغبار و پارامترهای اقلیمی از مدل رگرسیون پوآسن آماسیده صفراستفاده شد. براساس مدل های بدست آمده، بین مقادیر بدست آمده و پیش بینی شده در تمام ماه ها انطباق وجود دارد.همچنین نتایج نشان داد که از بین پارامترهای اقلیمی، سرعت باد بیشترین نقش را در ایجاد طوفان های گرد و غبار داشته است و بیشترین ضریب متعلق به سرعت بادکه به ترتیب 1.06، 0.9، 0.3، 0.137 و0.135 و مربوط به ایستگاه های کاشان،اصفهان،اردستان،خور و میمه می باشد.هچنین نتایج نشان داد که بیشترین روزهای همراه گرد وغبار مربوط به فصل بهارو سپس تابستان و مربوط به شرق استان است که مربوط به کانونهای محلی شرق استان و بادهای تابستانه است.

Statistical modeling of dust storms using poison regression model in Isfahan Province

Iran is frequently exposed to local and synoptically dust storm due to the geographical location of Iran. In recent years, dust storm frequencies and intensities have been increased significantly in Iran and especially in Isfahan Province, seriously disrupting human life and affecting the quality of life. This phenomenon is particularly increased in the spring and summer. Climate factors play an important role in dust storms. In this research, spatiotemporal changes of climate factors and dust storms were studied. Therefore, we analyzed climate factors (precipitation, temperature, wind speed and humidity) and dust storms frequency during 1992 to 2016. Poisson regression model was used for statistical modeling of temporal and spatial variations of dust and climatic parameters. According to the models, there was conformity between the results and the predicted values throughout the months. In addition, the results showed that wind speed played a major role in the occurrence of dust storms and had the highest coefficient. The results also showed that most of the dusty days are in the spring and then in the eastern part of the province, which is related to the local centers in the eastern part of the province and summer winds.