تحلیل و پیشبینی بارش های منطقه لارستان با استفاده از مدل زنجیره مارکوف

نوع مقاله: مقاله پژوهشی

نویسندگان

ندارد

چکیده

در این مقاله تحلیل و پیش بینی بارش های منطقه لارستان، روزهای بارش 0/1 میلی متر و بیشتر ایستگاه لار در دوره آماری 2003-19960 بررسی شده است. ابتدا فراوانی روزهای بارانی بر اساس تداوم آن ها گروه بندی و فراوانی هرکدام از توالی ها به صورت مجزا مطالعه گردید. سپس بر اساس مدل زنجیره مارکوف احتمال وقوع
هریک از توالی ها به صورت ماهانه ، فصلی و سالانه محاسبه شد. یافته های تحقیق نشان داد که:
حداکثر فراوانی روزهای بارانی 44 روز و حداقل آن 11 روز در سال است . ژانویه بیشرین فراوانی و ماه های
مه و ژوئیه کمترین فراوانی را دارند. زمستان فصل مرطوب و بهار فصل خشک منطقه است. شدت متوسط هر بارش 8/2 میلی متر ، فاصلة متوسط بین دو بارش در دوره بارانی 6/2 روز، زمان متوسط شروع بارندگی 17 آذر و خاتمة بارندگی 26 فروردین است.
مقایسه فراوانی توالی های پیش بینی شده با فراوانی توالی های مشاهده شده دقت مدل زنجیر ه مارکوف را
در پیش بینی توالی های خشک و مرطوب در مناطقی مانند لارستان که ناهماهنگی شدید بارش دارند، نشان داد.

کلیدواژه‌ها


عنوان مقاله [English]

Analysis and forecasting of precipitation in the Larestan area by Markov chain.

نویسندگان [English]

  • B Alijani
  • Z Jafarpoor
  • H Ghaderi
چکیده [English]

In order to analyze the precipitation of the Larestan area, the rain days with 0.1
millimeter or more were obtained from the Iranian Meteorological Organization for the
1960-2003 period. First the rainy periods with different lengths were identified and
their monthly and seasonal frequencies were calculated. On the monthly basis January
had the highest wet days frequency and winter was the wettest but the spring was the
driest season. The wettest year had 44 rain days while only 11 days were experienced
during the dry year. The mean daily density of rain was 8.2 mm and the mean time
interval between successive rainy periods was 6.2 days. On the average the rainy
period begins each year on 8 of December and ends on 6 of April.
The first order Markov chain was applied to the data series to forecast the wet
periods. The model responded well and was able to forecast significantly and
precisely. The model was fitted best for the runs of one to six days proving the
hypothesis of the study.

کلیدواژه‌ها [English]

  • The precipitation of the southern Iran
  • wet and dry periods
  • Markov chain
  • Analysis and forecasting of precipitation
  • larestan area