واكاوي احتمال تواتر و تداوم روزهاي باراني شهر شيراز با استفاده از مدل زنجيره ماركوف

Probability analysis of the frequency and persistence of precipitation days in Shiraz by using Markov chain model

تحليل هاي احتمالي، روش هايي مفيد براي شناخت و پيش بيني پديده هايي نظير بارش مي باشند. از جمله ي اين روش ها مي توان به زنجيره ماركوف اشاره كرد. زنجيره ي ماركوف حالت خاصي از مدل هايي است كه در آنها حالت فعلي يك سيستم به حالت هاي قبلي آن بستگي دارد. با اين روش مي توان احتمال وقوع و دوره ي بازگشت پديده هاي اقليمي نظير بارش را محاسبه نمود. از اينرو در پژوهش حاضر با استفاده از آمار بارش روزانه مربوط به 58 سالِ(2013-1956) ايستگاه همديدي شيراز، تواتر و تداوم روزهاي باراني در اين شهر با به كارگيري مدل زنجيره ماركوف مورد مطالعه قرار گرفت. آمار فوق براساس ماتريس شمارش تغيير حالات رخداد روزهاي خشك و تر (روزهاي فاقد بارش و روزهاي بارش) مرتب شده، سپس ماتريس تغيير وضعيت براساس روش درست نمايي بيشينه محاسبه گرديد. ماتريس مزبور نيز با توان هاي مكرر، پايا و دوره بازگشت روزانه بارش مورد ارزيابي و تحليل قرار گرفت. در ادامه دوره هاي بازگشت روزهاي بارش 2 تا 5 روز و دوره بازگشت روزهاي خشك 1 روز نيز مورد ارزيابي قرار گرفت. سپس دوره بازگشت تداوم روزهاي باراني 2 تا 5 روزه براي دوازده ماه سال نيز محاسبه گرديد. نتايج حاصل نشان داد كه احتمال وقوع بارش(روزهاي تر) در هر روز 1167/0 درصد و احتمال عدم وقوع بارش(روزهاي خشك) 8833/0 درصد مي باشد. همچنين مشخص شد كه بيشترين احتمال وقوع روزهاي با بارش، طي فصل زمستان بويژه ماه هاي ژانويه و فوريه بوده است. براي نمونه دوره بازگشت 2 روز باراني متوالي در ماه ژانويه حدود 5 روز برآورد گرديد. از اين رو مشاهده گرديد كه بارش شيراز از توزيع زماني ناهمگني برخوردار است. به عبارت بهتر بارش شيراز يكنواخت نمي باشد و متمركز است.

probability analysises are methodes useful for understanding and predicting phenomena such as precipitation. One of these methodes is the Markov chain. Markov chain model is particular state of models that the current state of a system is depends on previouses state. This methode calculates return period of occurrence climate phenomena such as precipitation. Hence, in the present study daily precipitation data for 58 years (1956 - 2013) synoptic station in Shiraz are used, the frequency and persistence of precipitation days are studied by using the Markov chain model. Above statistic data are based on the transition probabilities matrix of the wet and the dry days (days without precipitation and precipitation days) are sorted, then changing of the situation matrix is calculated based on the maximum likelihood method. Late matrix with repeated power, reliable and daily rainfall return period are analyzed and evaluated. In the following, return periods for rainfall days of 2 to 5 days and return periods for dry days of 1, are evaluated. Then return period continuation of precipitation days 2 to 5 days for twelve months of the year is calculated. The results show that the probability of precipitation (wet days) per day is %0.1167 and the probability of lack precipitation (dry days) is %0.8833 percent. It is obvious that the most occurrence of days with rainfall, especially during the winter, are the January and the February. For example, the return period of 2 consecutive precipitation days in January was estimated with 5 days. Hence, observed that rainfall distribution is heterogeneity in Shiraz. In other words, rainfall is not uniform and concentrated in Shiraz.