ارزیابی روش‌های آماری در آشکارسازی روند تغییرات بارش (مطالعه موردی: استان کرمانشاه)

در این پژوهش روند تغییرات زمانی بارش استان کرمانشاه مورد بررسی قرار گرفت. برای تحلیل روند بارش از داده های 16 ایستگاه همدیدی و باران سنجی استان کرمانشاه طی دوره 32 ساله (1982 تا 2013) در سه مقیاس سالانه، فصلی و ماهانه استفاده گردید. ابتدا بر روی کلیه ی سری های زمانی، شیب خط روند با استفاده از آزمون شیب تخمین گر سن محاسبه شد. سپس برای واکاوی روند بارش در سری های زمانی از آزمون های من کندال و رتبه ای من کندال استفاده شد. فرض اصلی مطالعات روندیابی با آزمون من کندال مستقل بودن و عدم وجود خودهمبستگی معنی دار در سری زمانی است. بنابراین با روش tfpw اثر ضریب خودهمبستگی از داده های حذف شد. در ادامه برای تشخیص روند بارش بر روی سری زمانی آزمون من کندال انجام شد. مقایسه نتایج نشان داد که آزمون من کندال اصلاح شده mk-tfpw، بهترین روش برای بررسی روندیابی می باشد. همچنین نتایج بدست آمده از این آزمون نشان می دهد که روند تغییرات بارش در مقیاس سالانه در 50 درصد از ایستگاه های مذکور نزولی بوده و در سطح 5 درصد معنی دار است. در مقیاس فصلی بیش ترین و کم ترین روند منفی مربوط به زمستان و بهار بوده است، به طوری که 75 درصد ایستگاه ها روند منفی در سطح 5 درصد، در زمستان داشت. اما فصل تابستان روند صعودی داشت، که البته معنی دار نبود. درمقیاس ماهانه، 62 درصد از ایستگاهها در ماه مهر، اسفند و آذر در بین ماهها روند منفی معنی دار درسطح 5 درصد داشتند.

Evaluating Statistical Methods for Detecting Trend of Precipitation (Case Study: Kermanshah Province)

Fluctuation in precipitation is one of the most interesting issues in climate change. Precipitation has an important rule in sustainable agriculture and water management. Trend series analysis is one of the methods used to detect changes in climate parameters. The aim of the recent study is to evaluate different methods including Mann Kendal, rating Mann Kendal and Sen rsquo;s estimator slope tests to detect the trend variability of precipitation in monthly, seasonal and annual time scales in Kermanshah Province locating in the west of Iran. In addition, TFPW (TrendFree PreWhitening) method was used to remove autocorrelation on time series data. Trend analysis of precipitation carried out using 16 synoptic and rain gauge weather stations with 32 years data i.e., 19922013.The results showed that, precipitation trend analysis using Mann Kendal and rating Mann Kendal tests had the same findings in monthly, and annual scales. The results revealed that Mann Kendal TFPW was the best method to detect trend variability of precipitation in the region. Annual precipitation had a negative trend in 50 percent of weather stations which was significant at 5 percent level. The results also indicated that most of the weather stations had negative trend in annual and seasonal time scales. Winter and spring seasons showed the greatest changes which was significant at 5 percent level of significance. Although, the summer season indicated a positive trend in the whole synoptic stations. In addition, a significantly negative trend discovered in the months of Mehr, Azar and Esfand at 5 percent level. It could be concluded that land use changes associated with migration from rural areas to the urban ones were responsible for precipitation trend variability.