سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,230
تعداد مقالات67,758
تعداد مشاهده مقاله115,123,698
تعداد دریافت فایل اصل مقاله89,891,160
عساکره, حسین, حسینجانی, لیلا. (1398). واکاوی فضایی مجموع فراوانی سالانۀ بارش‌های شدید و خیلی ‏شدید ناحیۀ خزری. , 51(1), 135-148. doi: 10.22059/jphgr.2019.265389.1007274
حسین عساکره; لیلا حسینجانی. "واکاوی فضایی مجموع فراوانی سالانۀ بارش‌های شدید و خیلی ‏شدید ناحیۀ خزری". , 51, 1, 1398, 135-148. doi: 10.22059/jphgr.2019.265389.1007274
عساکره, حسین, حسینجانی, لیلا. (1398). 'واکاوی فضایی مجموع فراوانی سالانۀ بارش‌های شدید و خیلی ‏شدید ناحیۀ خزری', , 51(1), pp. 135-148. doi: 10.22059/jphgr.2019.265389.1007274
عساکره, حسین, حسینجانی, لیلا. واکاوی فضایی مجموع فراوانی سالانۀ بارش‌های شدید و خیلی ‏شدید ناحیۀ خزری. , 1398; 51(1): 135-148. doi: 10.22059/jphgr.2019.265389.1007274

واکاوی فضایی مجموع فراوانی سالانۀ بارش‌های شدید و خیلی ‏شدید ناحیۀ خزری

پژوهش های جغرافیای طبیعی
مقاله 10، دوره 51، شماره 1، فروردین 1398، صفحه 135-148    اصل مقاله (1.36 M)
نوع مقاله: مقاله کامل
شناسه دیجیتال (DOI): 10.22059/jphgr.2019.265389.1007274
نویسندگان
حسین عساکره* 1؛ لیلا حسینجانی2
1استاد گروه اقلیم ‏شناسی، دانشگاه زنجان
2دانشجوی دکترای تغییرات اقلیم، دانشگاه زنجان
چکیده
بارش عنصری اقلیمی با وردایی زمانی- مکانی بسیار بالاست. از جلوه‏های وردایی بارش مقادیر فرین آن است که با پیامدهای محیطی– انسانی و به‏سبب تأثیرات گسترده در ساختارهای فیزیکی و انسانی در کانون مطالعات اقلیمی است. بنابراین، بررسی این نوع بارش‏ها در ناحیه‏ای که قطب کشاورزی است و، از طرفی، این بارش‏ها یکی از مخاطرات طبیعی است اهمیت دارد. به‏منظور واکاوی فضایی مجموع فراوانی سالانة بارش شدید (آستانه‏های صدک 90-95، 95-99) و خیلی ‏شدید (صدک 99 و بیشتر)، از داده‏های میان‏یابی‏شدة بارش روزانه طی بازة 1966-2016 استفاده شد. برای شناسایی الگوی پراکنش مکانی از آمارة موران و Gi* استفاده شد. با توجه به مقدار نمایة موران کلی 9/0 (سطح اطمینان 99درصد)، الگوی فضایی برازندة بارش‏ها الگوی خوشه‏ای است. در گروه بارشی شدید، بیشتر الگوهای خوشه‏ای مثبت در بخش‏های مرکزی و غربی و بارش خیلی شدید بیشتر در بخش شرقی، مرکزی و ناخوشه‏ها در گروه اول و دوم بیشتر در بخش شرقی و در گروه سوم در بخش‏های مرکزی و جنوب‏ غربی ناحیه است. آزمون Gi* فراوانی خوشه‏هایی با ارزش بالا و پایین را تأیید می‏‏کند. در بررسی روابط مکانی با آمارة دومتغیرة موران، طول جغرافیایی و ارتفاعات البرز بیشترین تأثیر را در رخداد بارش‏ها دارند.
کلیدواژه‌ها
بارش شدید و خیلی ‏شدید؛ فراوانی سالانه؛ نمایة موران و Gi*؛ ناحیة خزری؛ واکاوی مکانی
عنوان مقاله [English]
Spatial Autocorrelation of Annual Frequency of Heavy Rainfalls in Caspian Region
نویسندگان [English]
Hossein Asakereh1؛ Leila Hosseinjani2
1Professor of Climatology, Zanjan University, Zanjan, Iran
2PhD Candidate in Climate Change, Zanjan University, Zanjan, Iran
چکیده [English]
Introduction
Precipitation is considered as one of the most important climate elements with high temporal-spatial variations. The variable can affect different environmental aspects represented through several different behavioral forms in extreme precipitation. Heavy and extreme rainfalls can occur in the form of flashfloods and usually in draught conditions with considerable negative consequences on human-environment. Therefore, the study of this type of precipitation in the area is an area suitable for agricultural activities. Recognition of such patterns can determine the  success in environmental management as well as certainty in resources planning. There is considerable heavy and super heavy precipitation in coastal regions of Caspian Sea, Iran, especially in eastern areas. Thus, understanding the spatial auto-correlation of such a phenomenon can facilitate environmental planning and the reduction of vulnerability to increase adaptability with such a disaster.  
Materials and methods
In order to analyze the auto-correlation of the sum of annual frequency of heavy and super heavy precipitations of this region, we examined the 90-95, 95-99 and 99 percentiles of precipitation for each pixel of the map. Accordingly, the data were gathered from 385 stations including synoptic, climatology, and rain gauge stations during the time period from 1966 to 2016. At first, the frequency of annually heavy and super heavy precipitation was plotted in the Surfer software. We have used spatial statistics techniques (global Moran index (1), local Moran (2), and Gi* index (3)) to analyze spatial auto-correlation features.



 

(1)




    


(2)




     


(3)




In order to investigate the relationship between spatial factors (latitude, longitude, slope and gradient) with the annual frequency of heavy and super heavy precipitation, we used the ArcGIS spatial analyst using the Digital Elevation Model (DEM) for this reign. Finally, sampling for all pixel points in the interpolation of daily rainfall data was calculated bassed on the following steps: Extracting altitudes, slopes and geographic directions of the subsurface points from the digital elevation model, the slope and the direction of slope were obtained during the extraction-sample steps. Then, the connection of the descriptive table of the layers with the elevation, slope and geographic directions of the slope were obtained for the points. In the last step, the relationship between the spatial factors and annual precipitation frequency was calculated using general Moran multivariate statistics (4).



 

(4)




Results and discussion
Study of spatial relationships in order to recognize spatial distribution and spatial auto-correlation is one of the best methods for recognizing the spatial behavior of extreme rains. The purpose of this study is to determine the spatial pattern of the total annual precipitation frequency (90-95, 95-99 and 99 percentile of precipitation) using the spatial statistics techniques. Accordingly, 385 stations (synoptic, climatology, and rain gauge of Islamic Republic Organization of Meteorology, and rain gauge of the Ministry of Power) were studied during the time period from 1966 to 2016. The results of the present study showed that the dominant behavior in total annual frequency of precipitation  in the study region followed a cluster pattern in three groups. The patterns indicated that the global Moran index is above 0.9, which indicates a statistical significance of this coefficient at a confidence level of 99%. Frequency maps of the annual occurrence of extreme precipitation represent that the highest occurrence of these precipitations is in the first order of the third group and then the first group of precipitation and the second group of precipitation is less in this respect. The results showed that the maximum nucleus of this precipitation was assigned in the first and second groups in the central and western areas, and in the third group in the eastern regions. This also shows the influence of the third group in this area. Positive and negative auto-correlations of spatial clusters have showed the impact of the Alborz Mountains Systems in different parts of the Caspian region. On the first and second thresholds, most cluster patterns of positive auto-correlations are located in the central and western parts. The third threshold as most positive auto-correlations is located in the eastern and central parts of the Caspian region. The negative correlation patterns were observed in the first and second groups in the eastern parts and the third group in the central and southwestern regions of the district. The G* test approved the frequency of clusters with high and low values.  
Conclusion
In general, it can be said that the Caspian region is more affected by the precipitation of the third and the first group. This covers a large area of this region, especially in the western and central parts due to the frequency of occurrence of this type of precipitation in this area. The analysis of spatial dispersion and spatial relationships of this phenomenon can be effective in identifying the areas where flooding is greater and this can be used for planning environmental hazards to reduce vulnerability and increasing adaptability.
کلیدواژه‌ها [English]
heavy and super heavy precipitation, annual frequency, Spatial Analysis, Moran and G* Index, Caspian region
مراجع

بیات اینچه‏برون، ع. (1390). مطالعة نقش رشته‏کوه‏های البرز در توزیع بارش‏های منطقة خزری، پایان‏نامة کارشناسی ارشد، دانشگاه فردوسی مشهد.

جهان‏بخش اصل، س. و کریمی، ف. (1378). تحلیل سینوپتیکی تأثیر پُرفشار سیبری بر بارش سواحل جنوبی دریای خزر، فصل‏نامة تحقیقات جغرافیایی، 14(54-55): 107-131.

جلالی، م.؛ شاهبایی، ع. و کمریان، و. (1396). شناسایی الگوهای همدید بارش‏های شدید تابستانه در سواحل جنوبی دریای خزر، جغرافیا و برنامه‏ریزی، 21(59): 23-39.

حسینجانی، ل. (1383). شناسایی تیپ‏های هوای مؤثر بر بارش سواحل جنوبی خزر (گرگان- بندرانزلی) برای دورة 1991-2000)، پایان‏نامة کارشناسی ارشد، دانشگاه خوارزمی، تهران.

حسنی پاک، ع. (1389). زمین آمار (ژئواستاتیستیک). انتشارات دانشگاه تهران. 

ستوده، ف. و علیجانی، ب. (1394). رابطة پراکندگی فضایی بارش‏های سنگین و الگوهای فشار در گیلان، تحلیل فضایی مخاطرات محیطی، 2(1): 63-73.

صداقت، م. و نظری‏پور، ح. (1394). تغییرات زمانی‏– مکانی بارش‏های دورة سرد سال در ایران (1950-2006)، پژوهش‏های جغرافیای طبیعی، 47(3): 421-433.

عزیزی، ق. و صمدی، ز. (1386). تحلیل الگوی سینوپتیکی سیل 28 مهرماه 1382 استان‏های گیلان و مازندران، پژوهش‏های جغرافیایی، 39(60): 61-74.

علیجانی، ب. (1394). تحلیل فضایی، مجلة تحلیل فضایی مخاطرات محیطی، 2(3): 1-14.

علیجانی، ب. (1374). نقش کوه‏های البرز در توزیع ارتفاعی بارش، مجلة تحقیقات جغرافیایی، ش38، اصفهان.

عساکره، ح.؛ خوش‏رفتار، ر. و ستوده، ف. (1391). بارش‏های سنگین روزانة سپتامبر در ارتباط با الگوهای همدید در استان گیلان (1976-2005)، پژوهش‏های جغرافیای طبیعی، 44(66): 2-51.

عساکره، ح. (1387). کاربرد روش کریجینگ در میان‏یابی بارش، جغرافیا و توسعه، 6(12): 25-42.

عساکره، ح. 1390. مبانی اقلیم‏شناسی آماری، انتشارات دانشگاه زنجان.

عسگری، ع. (1390). تحلیل‏های آمار فضایی با ARCGIS، سازمان فناوری اطلاعات و ارتباطات شهرداری تهران.

فلاح قالهری، غ.‏ع.؛ اسدی، م. و داداشی رودباری، ع. (1394). تحلیل فضایی پراکنش رطوبت در ایران، پژوهش‏های جغرافیای طبیعی، 47(4): 637-650.

قدرتی، ع. و رحمتی، س. (1394). تحلیل سینوپتیکی بارش‏های رگباری منجر به سیل در غرب گیلان، سومین کنفرانس ملی مدیریت و مهندسی سیلاب، 21-23 مهرماه 1394.

کردجزی، م.؛ رحمن‏نیا، م. و باقری، س. (1393). بررسی وقوع سیلاب در استان گلستان، مجموعه مقالات شانزدهمین کنفرانس ژئوفیزیک ایران، 23-25 اردیبهشت‏ماه 1393.

مظفری، غ.؛ مزیدی، ا. و شفیعی، ش. (1396). واکاوی روابط فضایی بارش‏های فرین غرب ایران، جغرافیا و توسعه، 15(46): 184-196.

مفیدی، ع.؛ زرین، آ. و جانباز قبادی، غ. (1387). تعیین الگوی همدیدی بارش‏های شدید زمستانه و مقایسة آن با الگوی بارش‏های شدید پاییزه در سواحل جنوبی دریای خزر، اولین کنفرانس بین‏المللی تغییرات زیست‏محیطی منطقة خزری، 3 تا 4 شهریورماه 1387، دانشگاه مازندران، بابلسر.

مفیدی، ع.؛ زرین، آ. و جانباز قبادی، غ. (1386). تعیین الگوی همدیدی بارش‏های شدید و حدی پاییزه در سواحل جنوبی دریای خزر، مجلة فیزیک زمین و فضا، 33(3): 131-154.

مرادی، ح. (1380). بررسی سینوپتیک سیلاب 21 آبان‏ماه سال 1375 نواحی مرکزی مازندران، مجلة رشد آموزش جغرافیا، 56: 33-41.

مرادی، ح. (1385). پیش‏بینی وقوع سیلاب‏ها بر اساس موقعیت‏های سینوپتیکی در ساحل جنوبی دریای خزر، پژوهش‏های جغرافیایی، 38(55): 109-131.

میرموسوی، ح.؛ دوستکامیان، م. و ستوده، ف. (1394). بررسی و تحلیل الگوی فضایی تغییرات درون‏دهه‏ای بارش‏های سنگین و فوق‏سنگین ایران، جغرافیا و برنامه‏ریزی محیطی، 93(3): 67-76.

نظری‏پور، ح.؛ دوستکامیان، م. و علیزاده، س. (1394). بررسی الگوهای توزیع فضایی دما، بارش و رطوبت با استفاده از تحلیل اکتشافی زمین‏آمار (بررسی موردی: نواحی مرکزی ایران)، مجلة فیزیک زمین و فضا، 41(1): 99-117.

نوری، ح. و ایلدرمی، ع. (1391). الگوهای همدید فشار تراز دریا در رخدادهای بارشی سنگین و فوق‏سنگین سواحل جنوبی خزر، فضای جغرافیایی، 39: 121-137.

نوری، ح.؛ غیور، ح.؛ مسعودیان، ا. و آزادی، م. (1391). بررسی ابرهای مولد بارش‏های فوق‏سنگین و سنگین سواحل جنوبی خزر، جغرافیا و برنامه‏ریزی محیطی، 47(3): 1-22.

نوری، ح.؛ غیور، ح.؛ مسعودیان، ا. و آزادی، م. (1392). تحلیل فراوانی تابع همگرایی شار رطوبت و منابع رطوبتی بارش سواحل جنوبی خزر، جغرافیا و برنامه‏ریزی محیطی، 24(51): 1-14.

Agena, I.; Macdonald, N. and Morse, A.P. (2014). Variability of maximum and mean average temperature across Libya (1945–2009), Theoretical and Applied Climatology, 117: 549-563.

Alexandersson, H. (1986). A Homogeneity Test Applied to precipitation data, Journal of Climatology, 6: 661-675.

Alijani, B. (1995). The Role of Alborz Mountains in Rainfall Elevation Distribution, Geographical Research Magazine, No. 38, Isfahan.

Alijani, B. (2015). Spatial Analysis, Journal of Environmental Risks, 2(3): 1-14.

Allard, D. and Soubeyrand, S. (2012). Skew-normality for climatic data and dispersal models for plant epidemiology: when application fields drive spatial statistics, Spatial Statistics, 1: 50-64.

Anselin, L. (1995). Local indicators of spatial association-LISA, Geographical Analysis, 27: 93-115.

Asakereh, H. (2008). Application of the Kriging method for precipitation interception, Geography and Development, 6(12): 25-42.

Asakereh, H.; Khosh Raftar, R. and Sotoudeh, F. (2012). Heavy rainfall in September in relation to the patterns in the Gilan province (1976-2005), Natural geography studies, 42-46: 2-51.

Asgari, A. (2011). Geostatistical Analysis with ARCGIS, Tehran Information and Communication Technology Organization, Tehran Municipality.

Azizi, GH. and Samadi, Z. (2007). Synoptic Pattern Analysis of the Flood October 28, 2003 Gilan and Mazandaran Provinces, Geographical Research, Tehran, Iran. PP. 61-74.

Bajat, B.; Blagojevic, D.; Kilibarda, M.; Lukovic, J. and Tosic, I. (2014). Spatial analysis of the temperature trends in Serbia during the period 1961-2010, Theoretical and Applied Climatology: 1-13.

Bayat Inhchebron, A. (2011). Study of the role of the Alborz Mountain Range in distribution of precipitation in the Caspian region, Master's Thesis, Professor Abbas Mofidi, Ferdowsi University of Mashhad.Chang, H, Kwon, W, 2007. Spatial variations of summer precipitation trends in South Korea, 1973–2005, Environmental Reserch letters 2, 045012. pp. 1-9.

Cordjzi, M.; Rahmannaya, M. and Bagheri, S. (2014). Investigating the occurrence of flood in Golestan province, Proceedings of the 16th Iranian Geophysical Conference, May 23 to 25, 93.

Chang,H, Kwon, W (2007). Spatial variations of summer precipitation trends in Sout Korea, 1973-2005, Environmental research letters 2,pp:1-9.

Fallah Qalhari, GH.A.; Asadi, M. and DadashiRoodbari, A. (2015), Spatial Analysis of the Dispersion of Humidity in Iran, Natural Geography Research, 46(4): 637-650.

Fu, W.J.; Jiang, P.K.; Zhou, G.M. and Zhao, K.L. (2014). Using Moran's I and GIS to study the spatial pattern of forest litter carbon density in a subtropical region of southeastern China, Biogeoscinces, 11(8): 2401-2409.

Godrati, A. and Rahmati, S. (2015). Synoptic Analysis of Flood in West Gilan, Third National Conference on Flood Engineering and Management, October 21-23, 2013.

Hand, W.; Fox, N. and Collier, C. (2004). A study of twentieth-century extreme rainfall events in the United Kingdom with implication for forecasting, Meteorol. Appl, 11, 15-31.

Hartmann,H,  .; Becker, S. and King, L. (2008). Quasi-Periodicities in Chinese Precipitation Time Series, Theoretical and Applied Climatology, 92: 155-163.

Hidalgo-Muoz, J.M.; Argueso, D.; Gmiz-Fortis, S.R.; Esteban-Parra, M.J. and Castro-Dez, Y. (2011). Trends of extereme precipitation and associated synoptic patterns over thesouthern Iberian Peninsula, Journal of Hydrology, 409: 497-511.

IPCC (2007). The physical science basis, Contribution of Working Group I to Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge, United Kingdom, and Cambridge University Press.

Jahanbakhsh Asl, S. and Karimi, F. (1999). Synoptic Analysis of the Effect of Siberian High Pressure on the Precipitation of the South Coast of the Caspian Sea, Journal of Geographic Research, 14(54-55): 107-131.

Jalali, M.; Shabahi, A. and Kamareyan, V. (2017). Identification of the patterns of summer severe rainfall in the southern coast of the Caspian Sea, Geography and Planning, 23(59): 23-39.

Jansa, A.; Genoves, A.; Picornell, M.; Angeles, C.; Joan, R. and Carretero,Olinda (2001). Weastern Mediterranean cyclones and heavy rain, Meteoral. App., 8: 43-56.

Killeen, T.J.; Douglas, M.; Consiglio, T.; Jorgensen, P.M. and Mejia, J. (2007). Dry spots and wet spots in the Andean hotspot, Journal of Biogeography, 34(8): 1357-1373.

Kyou, L.; Gyun, P. and Wan, K. (2008). Heavy rainfall events lasting 18 days from July 31 to August 17,1998, over korea, J. of the Meteorogical Society of Japan, 86: 313-333.

Mc Cabe, M.F.; Kalma, J.D and Franks, S.W. (2005). Spatial and temporal patterns of land surface fluxes remotely sensed surface temperatures within an uncertainty modelling framework, Hydrology and Earth system Sciences, 9(5): 467-480.

Mirmosavi, H.; Dostkamian, M. and Sotoudeh, F. (2015). Investigation and analysis of the spatial pattern of intra-decade changes of heavy and super heavy rainfall in Iran, Geography and environmental planning, 93(3): 67-76.

Mofidi, A.; Zarrin, A. and Janbaz Ghobadi, GH. (2007). Determination of the pattern of precipitation and extreme rainfall in the southern coast of the Caspian Sea, Journal of Earth and Space Physics, 3(3): 131-154.

Mofidi, A.; Zarrin, A. and Janbaz Ghobadi, GH. (2008). Determining the pattern of extreme winter rainfall and comparing it with the pattern of heavy precipitation in the southern coast of the Caspian Sea, The first international conference on ecological changes in the Caspian region, September 3 to 4, 2008, Mazandaran University, Babolsar.

Moradi, H. (2001). Synoptic Flood Investigation, November 21, 1996, Mazandaran Central Districts, Geography Education Growth Magazine, 56: 33-41.

Moradi, H. (2006). Prediction of flood events based on synoptic locations on the southern coast of the Caspian Sea, Geographic Research, 39(55): 109-131.

Mozafari, GH.; Mazidi, A. and Shafiee, SH. (2017). Analysis of the Relationships of Iran's extreme Rainfall, Geography and Development, 15(46): 184-196.

Nori, H.; Ghayour, H.; Massoudian, A. and Azadi, M. (2013). Frequency Analysis of the Convergence Function of Moisture Flux and Moisture Resources in Precipitation of South Caspian Sea, Geography and Environmental Planning, 24(51): 1-14.

Nozari Pour, H.; Dostkamian, M. and Alizadeh, S. (2015). Investigating patterns of spatial distribution of temperature, precipitation and humidity using exploratory analysis of land statistics (case study: central regions of Iran), Journal of Earth and Space Physics, 41(1): 99-117.

Ord, J.K. and Getis, Arthur (1995). Local Spatial Autocorrelation Statistics: Distributional Issues and an Application, Geographical analysis, 27(4): 286-306.

Robeson, S.M.; Li, A. and Hunang, C. (2014). Point- pattern analysis on the sphere Statistics, Spatial Statistics, 10: 76-86.

Rousta, I.; Doostkamian, M.; Haghighi, E.; Ghafarian, H. and Yarahmadi, P. (2017). A Analysis of Spatial Autocorrelation Patterns of Heavy and Super-Heavy Rainfall in Iran, Advances in Atmospheric Sciences, 34: 1069-1081.

Sedaghat, M. and Naziripour, H. (2015). Time-temporal variations of rainfall in the cold season in Iran (1950-2006), Natural Geography Research, Tehran, Iran. PP. 421-433.

Sotoudeh, F. and Alijani, B. (2015). Spatial Spread Distribution of Heavy Rainfall and Pressure Patterns in Gilan, Spatial Analysis of Environmental Hazards, 2(1): 63-73.

Sugumaran, R.; Larson, S.R. and DeGroote, J.P. (2009). Spatial-temporal cluster analysis of county-based human West Nile Virus incidence in the continental United States, International journal of health geographice, 8(1): 8-43.

Wang, Q; Ni, J. and Tenhunen, J. (2005). Application of a geographically weighted regression analysis to estimate net primary production of Chines forest ecosystems, Global Ecology Biogeography, 14(4): 379-393.

آمار
تعداد مشاهده مقاله: 510
تعداد دریافت فایل اصل مقاله: 370


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب