کاهش اثر ناهم واریانسی در محاسبه میانگین بارش سالانه ایران؛ بخش دوم :مقیاس مکانی حوزه آبخیز

ایران کشوری ناهموار با تنوع اقلیمی بسیار زیاد است. این اقلیم‌های مختلف بر ناهم‌ واریانسی داده‌های بارش تاثیر دارند، زیرا رفتارهای بی ‌قاعده‌ی بارش باعث ایجاد ناهم‌ واریانسی می‌شوند و بارش متغیری گمشده در ناهم‌ واریانسی است. بنابراین در این پژوهش با مبنا قراردادن مقیاس مکانی حوزه‌ی آبخیز و بررسی داده‌های بارش 146 ایستگاه همدید، اثر ناهم‌ واریانسی بر میانگین بارش کشور در مقیاس زمانی فصلی ازطریق آزمون لوین مورد بررسی قرار گرفته است. نتایج نشان داد که داده‌های بارش در مقیاس حوزه‌ی آبخیز نیز ناهم ‌واریانس هستند و اثرگذاری مفهوم ناهم‌واریانسی بر داده‌های بارش را می‌توان به ‌وضوح در حوزه‌های آبخیز دریای مازندران و فلات مرکزی مشاهده کرد. به‌ طوری که هم‌ واریانس ‌ترین و ناهم ‌واریانس ‌ترین زیرحوزه‌ها در هر چهار مقیاس زمانی، در این دو حوزه‌ی آبخیز قرار دارند. حتیّ وجود تناسب در پراکنش و توزیع ایستگاه‌های همدید، باز نتوانسته است از بروز ناهم‌ واریانسی در داده‌های بارش این دو حوزه‌ی آبخیز جلوگیری کند. بنابراین ناهم ‌واریانسی داده‌های بارش، کاربرد مفهوم میانگین در مقیاس مکانی حوزه‌ی آبخیز را نیز همانند مقیاس مکانی نواحی اقلیمی به چالش می‌کشد. برای نیل به میانگینی کارآ از بارش سالانه کشور لازم است از محاسبه‌ی میانگین بارش در هر دو مقیاس مکانی نواحی اقلیمی و حوزه‌ی آبخیز درجه دو پرهیز کرد. در مرحله‌ی بعدی نیز با تعیین علّت ناهم‌ واریانسی خطاهای داده‌های بارش و انتخاب بهترین مدل یا مدل‌هایی که می‌توانند ناهم‌ واریانسی داده‌های بارش را در مقیاس حوزه‌ها‌ی آبخیز درجه‌های 3، 4، 5، 6 و 7 در نظر بگیرند، اثر ناهم‌ واریانسی داده‌های بارش کشور را کاهش داد.

Modifying Annual Precipitation Mean in Iran Concerning the Effects of Heteroscedasticity; Part 2: Catchment Spatial Scale

Iran is a very rugged country with a fairly high variation of climate. These different climates can affect the heteroscedasticity of precipitation data. Because, precipitation is a missing variable in heteroscedastic. To investigate the spatial and seasonal variation of heteroscedasticity in this study, building on the catchment scale and investigating the precipitation data from 146 synoptic stations the effect of heteroscedasticity on mean precipitation was investigated by the Levene test. The results show that precipitation data on the catchment scale are also heteroscedastic. Also, the current network of synoptic stations cannot help decrease heteroscedasticity in precipitation data on the catchment scale. The most heteroscedasticity and homoscedasticity are located in the Mazandaran Sea and the Central Plateau catchments. Hence, heteroscedasticity of precipitation data challenges the efficiency of mean precipitation on the catchment scale, like the climatic zoning scale. Therefore, to achieve an efficient mean of annual precipitation in the country, it is necessary to do practice to enhance the calculated mean precipitation, by avoiding calculating the mean precipitation in the 2nd grade catchment and climatic regions.   Also, heteroscedasticity is reduced by determining the cause of heteroscedasticity of precipitation data errors and the selection of the best model that can consider the heteroscedasticity on the small catchment scale (3, 4, 5, 6 and 7 grades).