بازنمایی تغییرپذیری دما در استان فارس با استفاده از آمار فضایی

به منظور شناسایی تغییرات مکانی و زمانی خودهمبستگی فضایی خوشه های دمایی استان فارس، ابتدا اقدام به تشکیل پایگاه داده های شبکه ای دمای بیشینه و کمینه استان فارس شده است. سپس از داده های پایگاه مزبور یک دوره آماری 33 ساله، در بازه زمانی روزانه از 1980/01/1 تا 2012/12/31 میلادی را مبنای مطالعه حاضر قرار داده و یاخته ای به ابعاد 18 times;18 کیلومتر بر منطقه مورد مطالعه گسترانیده شده است. به منظور دست یابی به تغییرات درون سالی خوشه های دمایی استان فارس از روش های نوین آمار فضایی از قبیل خودهمبستگی فضایی موران جهانی، شاخص انسلین محلی موران و لکه های داغ از امکانات محیطgis بهره برده شد. نتایج حاصل از این مطالعه نشان داد که تغییرات زمانی و مکانی خوشه های دمایی استان فارس دارای الگوی خوشه ای بالا می باشد. در این بین بر اساس شاخص موران محلی و لکه داغ، خوشه های دمایی در جنوب، جنوب غرب و جنوب شرق استان دارای الگوی خودهمبستگی فضایی مثبت (خوشه های دمایی گرم) و بخش های شمال و شمال شرق دارای خودهمبستگی فضایی منفی (خوشه های دمایی سرد) بوده است. در طی دوره مطالعه بخش اعظمی از استان در بیشتر موارد تقریبا نیمی از کل مساحت استان هیچ گونه الگوی معنا داری یا خودهمبستگی فضایی نداشته است.

Representation of Temperature Variability in Fars Province Using Spatial Statistics

In order to identify the changes of spatial autocorrelation between heat clusters in Fars province, the minimum and maximum temperatures have been recorded to form a network database in Fars province. Then a 33 year period was selected for this research from the aforementioned database, the selected daily period was from 1/01/1980 to 12/31/2012, and an area with the dimensions of 18 times;18 km was added to the region under study. In order to achieve the temperature changes of these heat clusters, the newest spatial statistical methods such as spatial autocorrelation (Global Moran rsquo;s I), Anselin Local Moran rsquo;s and hot spots by environment GIS were used. The results of this study showed that the pattern of spatial and temporal variations of heat clusters of Fars Province is highcluster. However, based on local Moran and hot spots, heat clusters in the South, South West and South East have positive spatial autocorrelation pattern (heat clusters) and parts of North and North East have a negative spatial autocorrelation (cold clusters). In the study period, a large part of the province, in most cases, almost half of the total area had no pattern of spatial autocorrelation, significant or nonsignificant.