برآورد دماهای فرا هنجار و دوره بازگشت آن در ایران با مدل زنجیره مارکف

یکی از عوامل مهم در تغییر شرایط محیط زندگی موجودات زنده امواج گرمایی است که زیست بوم ها را تحت تاثیر خود قرار داده و در صورت تداوم موجب بهم خوردن تعادل زیستی آن ها می شود. هدف این پژوهش پیش بینی امواج گرمایی و احتمال وقوع و عدم وقوع و دوره بازگشت آن ها با مدل زنجیره مارکف است. جهت دست یابی به این هدف آمار روزانه دمای حداکثر 1437 ایستگاه باران سنجی، اقلیمی و همدید بکار رفته است. طول دوره آماری از 1/1/1962تا31/12/2004 میلادی می باشد. این داده ها با روش میانیابی کریجینگ به داده های شبکه ای تبدیل شده و ماتریسی به ابعاد 7187×15695 ساخته است. در گام بعدی انحراف معیار داده ها محاسبه و سپس ماتریس داده ها استاندارد شد. به دلیل حجم زیاد داده ها کلیه محاسبات در این پژوهش با نوشتن برنامه های متعددی در محیط matlab امکان پذیر شد. برای استخراج امواج گرمایی دماهایی که 2+ انحراف معیار بالاتر از میانگین بودند به عنوان موج گرما تعیین شدند. ابتدا احتمالات انتقال شرطی مشخص شد آنگاه با استفاده از مدل زنجیره ی مارکوف مرتبه ی اول با دو حالت موج و بدون موج، ماتریس فراوانی تشکیل و سپس به روش حداکثر درست نمایی ماتریس احتمال انتقال محاسبه شد. به منظور انجام عمل پیش بینی ماتریس احتمال مارکف با به توان رساندن مکرر به حالت ایستا (پایا) رسید.به این ترتیب احتمال وقوع امواج گرما در طولانی مدت پیش بینی شد. سپس با در دست داشتن عناصر p (احتمال وقوع موج گرما) وq (احتمال عدم وقوع موج گرما) از ماتریس پایا شده دوره های بازگشت امواج گرما از 2 تا 6 روز برای تمام ماه ها و فصول و سالانه محاسبه و نقشه های پیش بینی و دوره بازگشت 2 روز کشیده شد. نتایج نشان دادکه احتمال وقوع امواج گرمایی با تداوم 1 و 2 روز بیشتر و امواج پرتداوم احتمال وقوع بسیار ضعیف تری دارند.همچنین درطولانی مدت احتمال وقوع یک موج گرما 4 /1 درصد و احتمال عدم وقوع آن 6/ 98 درصد می باشد. بدین ترتیب دوره ی بازگشت موج گرمای روزانه حدود 72 روز و دوره بازگشت روز بدون موج گرما حدود 1 روز برآورد شد. بیشترین احتمال وقوع موج گرما در ماه ژانویه (دی) حدود 0/019 درصد با دوره بازگشت 51 روز و کمترین احتمال وقوع برای ماه اکتبر(مهر) حدود 0/01 درصد با دوره بازگشت 92 روز پیش بینی شد

Forecasting of Heat Wave Occurrence and its Return Time in Iran Using Markov Chain Model

In this paper the prediction of heat waves have been done using Markov Chain. In order to identify heat waves the max temperature of 1437 stations have been applied. The data covers the period of 1962/1/1 to 2004/12/31. Then these stations have been interpolated on 15 km× 15 km grids and has consisted a matrix in 15695× 7187. The rows represent days and columns represent the pixels. This index was applied on 15695 and on all the pixels. So a matrix in 15695× 7187 was consisted. Because the Z above 2 indicates the positive abnormality, this value was chosen as the heat wave. Then the values of P and Q that represent the occurrence and nonoccurrence of heat waves were utilized to predict heat waves over Iran. In general the mean annul distribution of heat waves show that southern parts of the country experience more heat waves than northern parts. The investigation of heat waves in spring with two days of return showed that in many parts of the country the value is 100 days but in regions around Kerman this value is around 2000 days with a significant gradient. The time for the occurrence of heat waves with two days of return in fall is reduced to 50 days in comparison to spring.