مطالعه ويـژگي هاي اقليمي استان هاي كرمانـشاه و كردسـتان بر مبناي تحليل هاي عاملي و خوشه اي

Study of Climate Characteristics in the Provinces of Kermanshah and Kordestan Based on Factor and Custer Analyses

تقسيم بندي هاي آب و هوايي و شناخت مهم ترين عوامل و عناصر تاثيرگذار بر اقليم هر ناحيه، يكي از راه هاي شناخت شناسنامه اقليمي نواحي است. به منظور انجام اين تحقيق، از داده هاي سالانه 22 متغير اقليمي 12 ايستگاه سينوپتيك دو استان كرمانشاه و كردستان طي دوره آماري 20 ساله (1989-2008) استفاده شده است. جهت افزايش دقت ميان يابي ، 7 ايستگاه سينوپتيك نيز از استان هاي هم جوار انتخاب شده است. در اين مطالعه ، جهت بررسي ويژگي هاي اقليمي استان هاي كرمانشاه و كردستان از تحليل عاملي و خوشه اي استفاده شده است. بعد از انجام بررسي هاي مربوط به تحليل عاملي بر روي 22 متغير اقليمي دو استان كرمانشاه و كردستان و با توجه به همبستگي دروني آنها نتايج نشان داد كه اقليم اين دو استان تقريباً تحت تاثير 6 عامل اقليمي مي-باشد. مجموعه اين 6 عامل، حدود 91 درصد رفتار اقليمي منطقه مورد مطالعه را توجيه مي كنند. اين عوامل به ترتيب عبارتند از: گرما، بارش، رطوبت، ابر، تندر، باد و غبار. با اعمال روش خوشه-بندي سلسله مراتبي و با روش ادغام وارد عناصر اقليمي ايستگاه هاي مورد مطالعه به 5 خوشه اقليمي تقسيم گرديد.

Classification of weather and climate are important in affecting each region. One of the ways is to identify areas of climate information. In order to conduct this study, annual data from 22 synoptic stations in two provinces of Kermanshah and Kordestan for 12 climate variables during the 20-year period (1989-2008) were used. To increase accuracy, seven synoptic stations from neighboring provinces were selected. After performing factor analysis in 22 stations related to climate change both in Kermanshah and Kordestan, the internal correlation of their results was examined which show that climate in these two provinces, was almost under the influence of 6 factors climatic. These 6 factors justify about 91 percent of climate behavior the study area. These factors include: temperature, precipitation, humidity, clouds, thunder, wind and dust. By applying a hierarchical clustering method and Ward integration method, the elements of climate stations were divided into 5 clusters.