برآورد احتمالات بارش روزانه با استفاده از مدل زنجیره مارکف در اقلیم‌های مختلف ایران

برای تجزیه و تحلیل آماری پیشامدهایی که مستقل نبوده و به پیشامدهای قبلی خود وابسته می‌باشند، از زنجیره مارکف استفاده می‌شود. در این مطالعه، احتمالات پیشامدهای متوالی روزهای خشک و تر 15 ایستگاه  سینوپتیک کشور با اقالیم مختلف از اقلیم خشک سرد تا مرطوب معتدل با استفاده از روش زنجیره‌ مارکف مورد تحلیل قرار گرفت. برای دستیابی به احتمالات پیشامدهای متوالی روزهای خشک و تر از آمار بارش روزانه ایستگاه‌های کرمان، مشهد، شیراز و بندرعباس طی سال‌های مطالعاتی 2009-1978، ایستگاه‌های تبریز، خرم‌آباد، اصفهان، تهران، زاهدان، اهواز، اردبیل و گرگان طی سال‌های مطالعاتی 2008-1978، ایستگاه زنجان طی سال‌های مطالعاتی 2007-1978، ایستگاه یاسوج طی سال‌های مطالعاتی 2008-1987 و ایستگاه ساری طی سال‌های مطالعاتی 2008-2000 بهره گرفته شد. آمار مزبور بر اساس ماتریس شمارش تغییر حالت روزهای بارانی و فاقد بارش مرتب شده، سپس ماتریس احتمال تغییر وضعیت بر اساس روش درستنمایی بیشینه محاسبه گردید. همچنین نقشه‌های خطوط هم احتمال طول موسم خشک مورد نظر تهیه شدند. نتایج نشان داد که احتمال عدم بارش در ایستگاه‌ها مطالعاتی با اقلیم‌های خشک از 0.811 تا 0.909، با اقلیم‌های نیمه‌خشک از 0.685 تا 0.84 و با اقلیم‌های معتدل و مرطوب از 0.695 تا 0.728 متغیر می‌باشد.

Estimation Probability of Daily precipitation by using Markov Chain Models in Different Climates of Iran

The Markov chain used for statistical analysis events that are not independent and are related to their previous events. In this study, events possibility of serial dry and wet days were analyzed by Markov Chain method for 15 synoptic stations with different climates of coldest arid climates to its moderate humid in Iran. For this purpose was used daily precipitation data (19782009) for  Kerman, Mashhad, Shiraz and Bandar Abbas stations, (19782008) for Tabriz, Khorramabad, Isfahan, Tehran, Zahedan, Ahwaz, Ardabil, Gorgan stations, (19782007) for Zanjan station, (19872008) for Yasouj stations and (20002008) for Sari station. These data are arranged according to frequency matrix of rainy days and without rainfall, then probability matrix was calculated by maximum likelihood method. The respectively produced the Probability contour maps during the dry monsoon. In the study stations, results showed that lack of precipitation probability has variable, 0.811 0.909 in the arid climates, 0.685 0.84 in the semiarid climates and 0.695 0.728 in the moderate and humid climates.