بررسی همگنی داده‌های دما و بارش با استفاده از رویکردهای آماری و آماری - اقلیمی

اولین گام در مطالعات مرتبط با پدیده‌های هواشناسی و آبشناسی بررسی کیفیت داده‌های مورد مطالعه است. به دلیل در دسترس نبودن فراداده بلندمدت و پیش-آگاهی نسبت به کیفیت داده‌های مورد مطالعه، نتایج حاصل از تحلیل داده‌ها در کاربردهای مختلف قابل اعتماد نخواهد بود. از این‌رو، این پژوهش با هدف بررسی همگنی دو متغیر مهم جوی شامل دما (متوسط، کمینه و بیشینه) و بارش در دوره آماری 1990 تا 2019 با دو رویکرد آماری و آماری-اقلیمی برای 70 ایستگاه همدید در ایران به انجام رسید. نتایج این پژوهش مبتنی بر رویکردهای مطلق آماری نشان داد که بیشترین سال‌های شکست متغیرهای دما (بارش) در نیمه دوم دهه 1990 میلادی با تمرکز بر سال 1997 (1999، 2006) است. به طور کلی بیشتر (کمتر) از 90 درصد از سال‌های شکست متغیر دما (بارش) معنی‌دار می‌باشند که این امر محدودیت‌های جدی را در استفاده از داده‌ها به وجود می‌آورد. از سوی دیگر، با دانش به اینکه سیگنال‌های اقلیمی محدوده وسیعی را تحت تاثیر قرار می‌دهند می‌توان سال‌های شکست مشابه در یک منطقه را به عوامل اقلیمی فارغ از علت آن نسبت داد و ناهمگنی را همگن مشروط و عامل ناهمگنی را یک هنجار اقلیمی در نظر گرفت. نتایج این مطالعه نشان داد که با بررسی همگنی داده‌ها با رویکرد آماری-اقلیمی مبتنی بر مفهوم ایستگاه مجاور (نزدیک‌ترین ایستگاه یا ایستگاهها به ایستگاه هدف) می‌توان 75 (100) درصد ایستگاه‌های ناهمگن متغیر دما (بارش) را همگن مشروط فرض کرد و محدودیت استفاده از داده‌ها را به حداقل رساند. با این حال توصیه می‌شود که در استفاده از رویکرد آماری-اقلیمی در تحلیل همگنی داده‌های اقلیمی دقت بیشتری صورت گیرد.

investigating the homogeneity of temperature and precipitation data using statistical and statistical-climatic approaches

in meteorological and hydrological studies, the initial and crucial step is to assess the quality of the data under investigation. in cases where long-term metadata and prior knowledge regarding data quality are lacking, the reliability of data analysis results becomes questionable across various applications. therefore, this research aims to conduct a comparative analysis and investigation of the homogeneity of two significant atmospheric variables: temperature (including average, minimum, and maximum) and precipitation. this assessment is carried out using both statistical and statistical-climatic approaches, covering the period from 1990 to 2019 and involving data from 70 synoptic stations in iran. the findings obtained through absolute statistical approaches revealed that the majority of breaking years for temperature and precipitation variables occurred during the latter half of the 1990s, with a particular emphasis on the year 1997 for temperature and 2006 for precipitation (and 1999 for precipitation, respectively). in general, it was observed that more than 90% of the breaking years for temperature and precipitation variables exhibited heterogeneity, significantly limiting the utility of the data in various applications. however, it is worth noting that understanding the influence of climatic signals on a wide geographical area allows for the attribution of similar breaking years in a region to climatic factors, regardless of their specific causes. this perspective allows for the consideration of heterogeneity as conditional homogeneity, with the heterogeneity factor being seen as part of the climatic norm. the results from this study demonstrate that by employing a statistical-climatic approach based on the concept of adjacent stations (nearest neighbors) to check data homogeneity, it is possible to consider 75% (100%) of the heterogeneous temperature (precipitation) variables as conditionally homogeneous. this approach helps alleviate the limitations associated with using heterogeneous data. nevertheless, it is advisable to conduct further thorough investigations into the statistical-climatic approach to ensure its robustness and reliability.