ساختار و ماهیت دینامیکی سری زمانی دمای روزانه ایستگاه سینوپتیک خرم‌آباد

دمای هوا به عنوان یکی از مهمترین معیارهای تشخیص نوسان‌ها یا تغییرات در دستگاه اقلیم محسوب می‌شود که با اتخاذ ساختاری خودمتشابه در مقیاس‌های زمانی چندگانه، به صورت یک پدیده فرکتالی نمایان می‌شود؛ بنابراین سیگنال دما از یک ساختار پیچیده و غیرخطی برخوردار بوده که رفتار بسیار پیچیده‌ایی را در افق‌های زمانی مختلف نشان می‌دهد. در این مطالعه، ماهیت دینامیکی سری زمانی دمای روزانه (1329-1401) ایستگاه سینوپتیک خرم‌آباد با استفاده از تحلیل دامنه مقیاس هرست (r/s) و تحلیل نوسان‌های روندزدایی شده (dfa2) شناسایی شد. نتایج حاصل از (r/s) نشان می‌دهد که نوسان‌های سینوسی با مقیاس‌های سالانه و فصلی در سری زمانی دمای هوا وجود دارند. همچنین سه نقطه تقاطع در سیگنال نوسان‌های دما شناسای شدند که این نوسان‌ها در پیرامون این نقاط از روند و ساختارهای متفاوتی برخوردارند. از سویی، نتایج dfa2 مشخص کرد که نمایه مقیاسی و همبستگی‌ سری زمانی به سبب وجود روندهای فصلی دستخوش تغییر شده‌اند. در این خصوص روندزدایی فصلی داده‌ها مشخص کرد که تابع نوسان متناسب با افزایش مقیاس زمانی افزایش پیدا می‌کند که این فرایند دلالت بر ماهیت فرکتالی سیگنال دما دارد. همچنین نمایه هرست به مقدار 0/77 بدست آمد که دلالت بر وجود همبستگی و حافظه بلندمدت در سیگنال روزانه دمای هوای خرم‌آباد دارد.  

the structure and dynamic nature of daily temperature time series of khorramabad synoptic station

air temperature is considered as one of the most important criteria for detecting fluctuations orchanges in the climate system, which appears as a fractal phenomenon by adopting a self-similarstructure in multiple time scales; therefore, the temperature signal has a complex and non-linearstructure that shows a very complex behavior in different time. in this study, the dynamic nature ofdaily temperature time series (1401-1329) of khorramabad synoptic station was identified usinghurst scale-range analysis (r/s) and detrended fluctuation analysis (dfa2). the results of (r/s)show that there are sinusoidal fluctuations with annual and seasonal scales in the time series of airtemperature. also, three points of cross in the signal of temperature fluctuations were identified, andthese fluctuations have different trends and structures around these points. on the other hand, thedfa2 results revealed that the scale profile and time series correlation have been changed due toseasonal trends. in this regard, the seasonal detrending of the data revealed that the fluctuationfunction increases proportionally with the increase of the time scale, which indicates the fractalnature of the temperature signal. also, the hurst exponent was obtained as 0.77, which indicates theexistence of correlation and long-term memory in the daily air temperature signal of khorramabad.