پيش بيني امواج گرمايي و دوره بازگشت آن در ايران با مدل زنجيره ماركف

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

يكي از عوامل مهم در تغيير شرايط محيط زندگي موجودات زنده امواج گرمايي است كه زيست بوم‌ها را تحت تأثير خود قرار داده و در صورت تداوم موجب بهم خوردن تعادل زيستي آن‌ها مي شود. هدف اين پژوهش پيش بيني امواج گرمايي و احتمال وقوع و عدم وقوع و دوره بازگشت آن‌ها با مدل زنجيره ماركف است. جهت دست يابي به اين هدف آمار روزانه دماي حداكثر 1437 ايستگاه باران سنجي، اقليمي و همديد بكار رفته است. طول دوره آماري از 1/1/1962تا31/12/2004 ميلادي مي‌باشد. اين داده‌ها با روش ميانيابي كريجينگ به داده‌هاي شبكه‌اي تبديل شده و ماتريسي به ابعاد 7187×15695 ساخته است. در گام بعدي انحراف معيار داده‌ها محاسبه و سپس ماتريس داده‌ها استاندارد شد. به دليل حجم زياد داده ها كليه محاسبات در اين پژوهش با نوشتن برنامه هاي متعددي در محيط Matlab امكان پذير شد. براي استخراج امواج گرمايي دماهايي كه 2+ انحراف معيار بالاتر از ميانگين بودند به عنوان موج گرما تعيين شدند. ابتدا احتمالات انتقال شرطي مشخص شد آنگاه با استفاده از مدل زنجيره‌ي ماركوف مرتبه‌ي اول با دو حالت موج و بدون موج، ماتريس‌ فراواني تشكيل و سپس به روش حداكثر درست‌نمايي ماتريس احتمال انتقال محاسبه شد. به منظور انجام عمل پيش بيني ماتريس احتمال ماركف با به توان رساندن مكرر به حالت ايستا (پايا) رسيد.به اين ترتيب احتمال وقوع امواج گرما در طولاني مدت پيش‌بيني شد. سپس با در دست داشتن عناصر p (احتمال وقوع موج گرما) وq (احتمال عدم وقوع موج گرما) از ماتريس پايا شده دوره هاي بازگشت امواج گرما از 2 تا 6 روز براي تمام ماه ها و فصول و سالانه محاسبه و نقشه‌هاي پيش‌بيني و دوره بازگشت 2 روز كشيده شد. نتايج نشان دادكه احتمال وقوع امواج گرمايي با تداوم 1 و 2 روز بيشتر و امواج پرتداوم احتمال وقوع بسيار ضعيف‌تري دارند.همچنين درطولاني مدت احتمال وقوع يك موج گرما 4 /1 درصد و احتمال عدم وقوع آن 6/ 98 درصد مي‌باشد. بدين ترتيب دوره‌ي بازگشت موج گرماي روزانه حدود 72 روز و دوره بازگشت روز بدون موج گرما حدود 1 روز برآورد شد. بيشترين احتمال وقوع موج گرما در ماه ژانويه (دي) حدود 019/0 درصد با دوره بازگشت 51 روز و كمترين احتمال وقوع براي ماه اكتبر(مهر) حدود 01/0 درصد با دوره بازگشت 92 روز پيش‌بيني شد

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.