امکان‌سنجی پیش‌گویی شاخص‌های حدی مدت بارش بر اساس پدیده‌های دورپیوند (مطالعه موردی: ایستگاه‌های هواشناسی گرگان و رشت)

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 هیأت علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 دانشکده مهندسی آب و خاک دانشگاه علوم کشاورزی و منابع طبیعی گرگان/گرگان/ایران

3 دانشکده مهندسی آب و خاک/دانشگاه علوم کشاورزی و منابع طبیعی گرگان/گرگان/ایران

4 گروه مهندسی آب و خاک/ دانشگاه ارومیه/ارومیه/ایران

5 هیات علمی گروه بیابان دانشگاه علوم کشاورزی و منابع طبیعی گرگان

10.22125/agmj.2024.436966.1164

چکیده

مطالعه وقایع حدی بارش اغلب به دلیل خسارت‌زا بودن از اهمیت فراوانی برخوردار هستند. با توجه به تأثیرگذاری پدیده‌های دورپیوند و اثرات تأخیری آنها بر تغییرات آب و هوایی، می‌توانند متغیرهای مناسبی جهت پیشگویی باشند. برای این منظور شاخص‌های حدی بیشترین تعداد روزهای خشک و مرطوب متوالی، از شاخص‌های حدی مدت بارش در نظر گرفته شدند تا امکان پیشگویی آنها در دو ایستگاه هواشناسی رشت و هاشم‌آباد گرگان بررسی شود. شاخص‌های حدی مدت بارش طی دوره آماری 1362-1402 محاسبه تا به عنوان متغیر‌های وابسته رابطه آنها با 24 شاخص دورپیوند بررسی شود. ابتدا روابط خطی با رگرسیون چند متغیره خطی (MLR) و سپس روابط غیرخطی با رگرسیون درخت تصمیم M5 بررسی شدند. این مدل‌ها به منظور غلبه بر مشکل حریصانه بودن الگوریتم M5 و شناسایی متغیرهای مؤثر،گام به گام اجراء شدند. اثر تأخیری شاخص‌های دورپیوند از همبستگی بالاتر آن با شاخص‌های حدی بارش تأیید شد. دقت بالاتر مدل M5 نیز وجود رابطه غیرخطی بین شاخص‌های دورپیوند با شاخص‌های حدی مدت بارش را نشان می‌دهد بطوری که با متوسط درصد خطایی کمتر از 21 درصد پیشگویی شدند. دقت بیشتر مدل M5 با دخالت دادن تنها 5 متغیر در مقایسه با کلیه شاخص‌ها، اهمیت متغیرها و حریصانه بودن الگوریتم M5 را نشان می‌دهد. در نهایت می‌توان نتیجه گرفت شاخص‌های دورپیوند بر تغییرات آب و هوایی مؤثر بوده ولی تنها یک شاخص نمی‌تواند تمام تغییرات را توجیه کند بلکه اثر همزمان چند شاخص، با بکار بردن مدلی مناسب جهت یافتن رابطه آنها با شاخص‌های حدی، می‌تواند امکان پیشگویی وقایع حدی را میسر سازد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Feasibility of forecasting duration extreme precipitation indices based on teleconnection phenomena. (case study: Gorgan and Rasht meteorology stations)

نویسندگان [English]

  • Khalil Ghorbani 1
  • golnar qanbarzadeh 2
  • meysam salaryjazi 3
  • laleh Rezaei Ghaleh 4
  • Chooghi bairam komaki 5
1 Faculty member of Gorgan University of Agricultural Sciences and Natural Resources
2 Department of Water Engineering, Gorgan University of Agricultural Sciences and Natural Resource, Gorgan, Iran.
3 Department of Water Engineering, Gorgan University of Agricultural Sciences and Natural Resource, Gorgan, Iran
4 Department of Water Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran.
5 Department of Desert Management, Faculty of Water and Soil Engineering, Gorgan University of Agricultural Sciences and Natural Resource, Gorgan, Iran.
چکیده [English]

The study of extreme precipitation events is important due to the damage they cause. Teleconnection phenomena and their delayed effect on climate change can be suitable variables for forecasting. To investigate the possibility of forecasting consecutive dry and wet days, extreme precipitation indices were considered at two meteorological stations in Rasht and Hashem Abad, Gorgan. This study was conducted to explore the relationship between 24 teleconnection variables and the Extreme Precipitation indices during the statistical period of 1402-1362. Multivariate linear regression (MLR) and the M5 decision tree regression were employed to examine the linear and nonlinear relationships between the variables, respectively. The stepwise implementation of the M5 model was carried out to prevent greediness and to identify the most effective variables. It was found that the teleconnection indices had a delayed effect, which was confirmed by their higher correlation with extreme precipitation indices. The higher accuracy of the M5 model indicated a non-linear relationship between the teleconnection indices and the extreme precipitation indices. The M5 model predicted the extreme precipitation indices with a percentage error of less than 21%. The greater accuracy of the M5 model with only 5 variables highlights the importance of these variables and the greediness of the M5 algorithm. In conclusion, teleconnection indices have an impact on climate change. However, relying on just one index cannot explain all changes. To forecast extreme events, it is necessary to consider the combined effect of several indices and use a suitable model to determine their relationship with extreme indices.

کلیدواژه‌ها [English]

  • "
  • Consecutive wet days"
  • Consecutive dry days"
  • Forecasting"
  • Teleconnection phenomena indices"
  • , "
  • M5 model tree"
هواشناسی کشاورزی

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 17 اسفند 1402

فایل ها

هم رسانی

ارجاع به این مقاله

آمار