بررسي و تحليل بارش‌هاي ناحيه شمال ايران با استفاده از تحليل خوشه‌اي و تجزيه تابع تشخيص

The Study of Precipitation in North of Iran Using Cluster and Discriminative Function Analyses

در اين پژوهش با استفاده از روش‌هاي آماري چندمتغيره (تحليل خوشه‌اي و تجزيه تابع تشخيص)، به منظور شناسايي تفاوت‌هاي زماني و مكاني بارش و نواحي مشابه بارشي صورت گرفته، داده هاي بارش ماهانه دوره آماري 1995 تا 2007 مربوط به 35 ايستگاه سينوپتيك، كليماتولوژي و بارانسجي شمال ايران شامل سه استان گلستان، گيلان و مازندران مورد استفاده قرار گرفت. ابتدا براي گروه بندي و همگن سازي ايستگاه‌ها از تحليل خوشه اي به روش Ward استفاده شد. سپس براي آزمون صحت نتايج حاصل از تحليل خوشه‌اي آزمون تابع تشخيص و تجزيه به-روش (Wilk’s Lambda) استفاده گرديد. نتايج حاصل از روش تحليل خوشه‌اي به روش فواصل اقليدسي به روش وارد نشان داد كه برحسب مقدار و زمان بارش در منطقه مورد مطالعه مي‌توان چهار خوشه عمده بارشـي ترسيم كرد. همچنين نتايج حاصل از تجزيه تابع تشخيص نشان داد كه حدود 3/82 درصد از خوشه بندي‌هاي انجام شده در تحليل خوشه‌اي به درستي صورت گرفته و حدود 7/17 درصد آن به اشتباه خوشه بندي شده است و روش ويلكز لامبدا هم تفاوت بين ميانگين‌ها را تاييد كرد.

In this research we used multivariable statistical methods (cluster and discriminative analysis) with the purpose of the recognition of spatio-temporal differences of precipitation in similar areas. We used monthly precipitation of 35 synoptic, climatic, and rain-gauging station data records of Northern Iran including three provinces of Golestan, Guilan, and Mazandaran for 1995-2007 periods. For grouping and homogenizing the stations, we initially applied Ward cluster analysis method. Then we used discriminative analysis and Wilk’s Lambda for finding out the validity of cluster analysis calculations. Results obtained from cluster analysis with Euclid interval method indicated that 4 major clusters can be drawn according to the amount and the location of the precipitation in the study area. Discriminate analysis showed that 82.3% of the clusters in our analysis were valid and about 17.7% were incorrect. The Wilk’s Lambda method also proved the differences between the means.