ارزیابی الگوهای بارشی استان خراسان رضوی با استفاده از روش‌های نوین آمار فضایی

بارش متغیرترین عنصر اقلیمی است. این تغییرات هم در بعد مکان و هم در بعد زمان در قالب اقلیم منطقه رخ می‌دهد. هدف از این مطالعه ارزیابی خودهمبستگی فضایی بارش استان خراسان رضوی می‌باشد. بدین منظور از داده‌های بارش 12 ایستگاه هم‌دید استان خراسان رضوی استفاده شده است. به منظور دست‌یابی به تغییرات بارش استان خراسان رضوی از روش‌های آمار فضایی مانند خودهمبستگی فضایی شاخص موران جهانی، تحلیل خوشه و نا خوشه (clusters/outliers) و لکه داغ (hot spot) با استفاده از امکانات برنامه‌نویسی در محیط matlab وarc gis بهره گرفته شد. نتایج حاصل از این پژوهش نشان داد که بارش در استان خراسان رضوی دارای الگوی خوشه‌ای بالا می‌باشد. بر اساس شاخص موران محلی و لکه داغ، بارش در بخش‌های مرکزی، شمال غرب و شمال استان دارای الگوی خودهمبستگی فضایی مثبت (خوشه‌های بارش با ارزش بالا) این گروه از الگوی‌های بارشی مجموعاً در سطوح اطمینان 3 گانه 90، 95 و 99 درصد، مساحتی معادل 25 درصد از مناطق استان را تشکیل داده‌اند. نواحی جنوبی دارای خودهمبستگی فضایی منفی (خوشه‌های بارش با ارزش پایین) مجموعاً مساحتی معادل 18 درصد از کل استان بوده است. در سایر مناطق استان که شامل 57 درصد می‌باشد بارش هیچ‌ گونه الگوی معنی‌داری را نشان نداده است که مبیین بی‌نظمی مکانی بارش در سطح استان خراسان رضوی می‌باشد. مطالعه حاضر نشان داده است که عوامل محلی (ارتفاعات) مهمترین عامل توزیع پراکندگی الگوهای بارشی استان خراسان رضوی می‌باشد.

Evaluation of Rainfall Patterns Using Modern Spatial Statistical Methods in the Khorasan Razavi Province

Rainfall is the most variable climatic parameter. These changes occur both in space and time scale which identify the climate of the region. The aim of this study is to evaluate the spatial autocorrelation of precipitation in the Khorasan Razavi province. For this purpose, precipitation data were obtained from12 synoptic stations in Khorasan Razavi. To acquire the variations in seasonal precipitationin Khorasan Razavi, modern statistical methods were applied such as Spatial Autocorrelation, Global Moran's Index, Local Moran's I index, Hotspots and cluster analysis (Clusters/Outliers). These methods were applied using Grads, MATLAB and ArcGIS Software Packages. The results showed that rainfall in the Khorasan Razavi province has a high clustering pattern. According to the local Moran index and Hot Spots, rainfall has positive spatial autocorrelation patterns (clusters of high rainfall value) in the central, northwest and northern parts. This pattern of rainfall, at confidence levels of 90%, 95% and 99%, covers totally 25% of the province areas. The southern regions have negative spatial autocorrelation (clusters of low rainfall value) which totally cover an area equal to18 percent of the province. In the other areas of the province which cover 57 percent of the entire area,no significant pattern has been observed. This indicates heterogeneity of rainfall over the province. The present study shows that altitude which is one of the local factors is the most important factor which influences the distribution of rainfall pattern over the province.