کاربرد شاخص هرست در تعیین حافظه طولانی‌مدت سری‌های زمانی بارش و دبی ایستگاه‌های منتخب استان اردبیل

زمینه و هدف: آشفتگی‌های اکوسیستم ناشی از عوامل اجتماعی بر تغییرات ‌محیط‌ زیست، دما، تبخیر و تعرق، تولید رواناب و دبی جریان تاثیر می‌گذارند. در همین راستا، شاخص هرست برای تحلیل تغییرات فرآیندهای هیدرولوژی ناشی از عوامل مختلف به‌کار برده شده است. شاخص هرست به‌عنوان یک ویژگی مهم برای تحلیل اثرات هیدرولوژی شناخته شده است. یکی از مناسب‌ترین آزمون‌ها برای تشخیص حافظه بلندمدت، آزمون دامنه مقیاس‌بندی شده (r/s) است. آزمون دامنه مقیاس‌بندی شده (r/s) امکان محاسبه پارامتر خود همانندی h (هرست) را ایجاد می‌کند که شدت وابستگی بلندمدت در یک سری زمانی را می‌سنجد. بنابراین پژوهش حاضر با هدف تعیین حافظه طولانی‌مدت سری‌های زمانی بارش و دبی ایستگاه‌های منتخب استان اردبیل واقع در شمال غرب ایران با استفاده از شاخص هرست انجام شد.روش پژوهش: در پژوهش حاضر، به بررسی کاربرد شاخص هرست در تعیین حافظه طولانی‌مدت سری‌های زمانی بارش و دبی ایستگاه‌های منتخب استان اردبیل حافظه بلندمدت در داده‌های بارش و دبی سالانه (92-1370) در 17 ایستگاه باران‌سنجی و 28 ایستگاه آب‌سنجی استان اردبیل پرداخته شد. مقادیر محاسباتی شاخص هرست از لحاظ میزان وابستگی و مقیاس ناپایداری در سری زمانی به پنج طبقه خیلی ضعیف تا خیلی قوی طبقه‌بندی شدند. تجزیه و تحلیل همبستگی مکانی شاخص هرست با استفاده از شاخص موران انجام شد. در ادامه مقادیر شاخص هرست به روش وزنی معکوس فاصله (idw) در محیط arcmap 10.8 درون‌یابی شد.یافته‌ها: در حالت کلی از 17 ایستگاه مورد بررسی به ترتیب 23.53، 29.41، 17.65 و 23.53 درصد در مقیاس پایداری خیلی ضعیف (0.55>h>0.5)، نسبتاً ضعیف (0.65>h>0.55)، نسبتاً قوی (0.75>h>0.65) و قوی (0.80>h>0.75) قرار گرفتند. در این میان، تنها 5.88 درصد مربوط به ایستگاه شمس‌آباد در مقیاس ناپایداری خیلی ضعیف (0.55>h>0.45) دسته‌بندی شد. طبق تجزیه و تحلیل 28 ایستگاه آب‌سنجی مورد بررسی به ترتیب 25، 50 و 42 /21 درصد در مقیاس پایداری نسبتاً ضعیف، نسبتاً قوی، قوی و 3.58 درصد در مقیاس ناپایداری خیلی ضعیف قرار گرفتند. در این بین، تنها ایستگاه عموقین در مقیاس ناپایداری خیلی ضعیف دسته‌بندی شد. بر اساس نتایج ایستگاه‌های باران‌سنجی هیر، کوزه‌تپراقی و شمس‌آباد و احمدکندی دارای مقادیر مثبت شاخص موران هستند، به‌عبارتی دارای مقادیر مشابه از نظر مکانی هستند. در بقیه ایستگاه‌ها مقدار شاخص موران منفی هستند که به معنی عدم مشابهت مقادیر متغیرهای مورد بررسی بود و در حقیقت تشکیل خوشه نداده‌اند. نتایج خوشه‌بندی در ایستگاه‌های آب‌سنجی نشان داد که ایریل در طبقه خوشه‌بندی زیادزیاد قرار گرفت و آتشگاه در خوشه‌های کمکم و مقادیر مثبت شاخص موران طبقه‌بندی شد. بقیه ایستگاه‌های مورد مطالعه، خوشه‌های مشخصی تشکیل ندادند. نتیجه‌گیری: نتایج نشان داد که شاخص هرست برای ایستگاه‌های باران‌سنجی مورد بررسی با میانگین 0.64 و انحراف معیار 0.11 به‌دست آمد. هم‌چنین شاخص هرست در ایستگاه‌های آب‌سنجی با میانگین 0.74 و انحراف معیار 0.12 به‌دست آمد. در مجموع، دامنه مقادیر شاخص هرست و تغییرات مکانی آن در مورد داده‌های بارش سالانه نشان داد که مقادیر بارش در دوره مورد مطالعه دارای پایداری مناسبی نیست. تغییرات مکانی شاخص‌های مذکور نشان داد که تفاوت مشخصی بین مناطق مختلف استان از نظر پایداری مقادیر بارش و دبی وجود دارد. این در حالی است که بر اساس نمودار جعبه‌ای، دامنه تغییرات و نیز پراکنش مکانی ایستگاه‌هایی با پایداری قوی و نسبتاً قوی، بیش‌تر ایستگاه‌های واقع در محدوده مرکزی استان دارای پایداری در مقادیر دبی هستند که می‌تواند بیان‌گر تداوم جریان‌های پرآبی و هم وقوع دبی‌های حداکثر باشد.

Determining Long-term Memory using Hurst Index for Precipitation and Discharge Time Series of Selected Stations in Ardabil Province

Background and Aim: Ecosystems disturbances induced from social factors affect the environmental changes, temperature, evapotranspiration, runoff production and flow rate. In this regard, Hurst index has been used to analyze changes in hydrological processes due to various factors. The Hurst index is known as an important feature for analyzing hydrological effects. One of the most appropriate tests for longterm memory detection is the rescaling range (R/S) test. The R/S test makes it possible to calculate the selfsimilarity parameter H (Hurst), which measures the severity of longterm dependence over a time series. Towards this, the present study was conducted to determine the longterm memory using Hurst index for precipitation and discharge time series throughout some selected stations in Ardabil Province, NW Iran.Method: In the present study, longterm memory for annual precipitation and discharge time series (19912013) in 17 rain gauges stations and28 river gauge stations in Ardabil Province was assessed. The Hurst index computational values were classified into five categories from very weak to very strong in terms of dependency and scale of instability in the time series. Spatial correlation analysis of Hurst index was performed using Moran index. The Hurst index values were then interpolated by the inverse weighted distance (IDW) method in Arc Map 10.8.Results: The results showed that the among 17 study stations, 23.53, 29.41, 17.65, and 23.53% respectively were classified in the stability scale of very weak (0.50