مدل‌سازی SARIMA بارندگی‌های فصلی(مطالعة موردی:‌ الگوسازی و پیش‌بینی بارندگی در استان خراسان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد آبیاری/مهندسین مشاور طوس‌آب, مشهد، ایران

2 استاد /دانشگاه فردوسی، دانشکدة کشاورزی, گروه آبیاری, مشهد، ایران

3 کارشناس کشاورزی/ مشهد, سازمان نظام مهندسی کشاورزی

چکیده

باتوجه به قرارگرفتن استان خراسان در ناحیة آب و هوایی خشک و نیمه خشک ایران و وقوع خشکسالی‌های مکرر در سال‌های اخیر، اهمیت پرداختن به مقولة پیش‌بینی خشکسالی بیش از پیش آشکار می‌شود. یکی از روش‌های دستیابی به این هدف مدل‌سازی بارندگی بر اساس الگوهای سری زمانی می‌باشد. در این تحقیق از آمار بارندگی سالانة یازده ایستگاه سینوپتیک استان خراسان طی سال‌های 2002 – 1970 استفاده گردید و با استفاده از الگوهای فصلی ـ‌ ضربی باکس جنکینز SARIMA1 و نرم‌افزار MINITAB, بارندگی‌های فصلی این ایستگاه‌ها مدل‌سازی شد. همچنین براساس نمودارهای خودهمبستگی (ACF), خودهمبستگی جزئی (PACF) و بررسی تمام الگوهای احتمالی به لحاظ نرمال بودن باقی‌مانده‌ها و ملاک کمترین مربعات خطا (MSE), بهترین الگو برای بارندگی‌های فصلی بدست آمد. در نهایت با استفاده از مدل‌های بدست آمده در هر ایستگاه مقادیر بارندگی فصول بهار, پاییز و زمستان سال آتی پیش‌بینی و با مقایسه با میانگین درازمدت هر فصل, نقشه‌های آنومالی ترسیم گردید.
 

کلیدواژه‌ها


عنوان مقاله [English]

SARIMA Modeling of Seasonal Rainfalls(Case Study: Khorasan Province, Iran)

نویسندگان [English]

  • S Ashgar Toosi 1
  • A Alizadeh 2
  • R Shirmohamadi 3
1 Irrigation Specialist, Toos-Ab Consulting Eng., Mashad, Iran
2 Professor of irrigation, Ferdowsi. Univ.of Mashad, Iran
3 Agronomist, Agricultural Engineering Licensing Organization, Mashad, Iran
چکیده [English]

Khorasan province bieng located in an arid and semi-arid part of Iran, has often experienced drought during the recent years. Occurrence of consequent droughts during the last few years, has shown that drought prediction is a subject that deserve more attention. One way to achive such goal is modeling the rainfall. In this research, annual rainfall data of the eleven synoptic stations of Khorasan province from 1970 to 2002 have been used. Seasonal autoregressive integrated moving average method (SARMA) was used for modeling the seasonal rainfals of these stations. Based on this model, the amount of rainfall for spring, fall and winter was predicted. Anomally zoning was also prepared for Khorasan province.
 

کلیدواژه‌ها [English]

  • Drought
  • time series
  • SARIMA
  • Autocorrelation
  • Anomaly
عساکره, ح و م, خردمندنیا (1381), ”مدل‌سازی SARIMA برای متوسط درجه حرارت ماهانة جاسک“, نیوار, شمارة 46 و 47, صفحة 41-54
محمد‌ نیا قرایی, س. ن, جاودانی. س, جوانمرد. ل, خزانه‌داری و م, خسروی (1379), ”بررسی شاخص ارزیابی و امکان سنجی شاخص شدت خشکسالی پالمر در ایران“, مجموعه ‌مقالات کنفرانس خشکسالی کرمان.
نیرومند, ح (1376), ”تحلیل سری‌های زمانی (روش‌های یک‌متغیره و چند متغیره)“, انتشارات دانشگاه فردوسی مشهد.
Box,G. E. P and G. M. Jenkins. (1967) Time series analysis forecasting and control, Holden-Day, San Francisco.
Burlando P, A.Montanari and R.Ranzi. (1996) “Forecasting of storm rainfall by combined use of radar, rain gages and linear models”, J. Hydrology, 42, pp. 199-216.
Haltiner, J.P. and J.D. Salas. (1988) “Development and testing of a multivariate, Seasonal ARIMA(1,1) model”, J. Hydrology, 104,  pp. 247-272.
Hisdal, H.,and Lena M. Tallaksen.(2003), “Estimation of regional meteorological and hydrological drought characteristics: a case study for Denmark”, J. Hydrology, 281, pp. 230-247.
Kendall ,D.R. and J.A. Dracup. (1991) “A comparision of index-sequential and AR(1) generated hydrologic sequences” J. Hydrology. 122. pp. 335-352.
Maidment, D.R.(1993), Handbook of Hydrology. Chapter 19 in: Analysis and state modeling of Hydrologic time series. Salas, J. D, Engineering research center, Colorado State University, Fortcollins, Colorado, pp. 19.36-19.39.
Noakes,D.J., McLeod, A.I. and Hipel, W., (1985), “Forecasting monthly riverflow time series”. International Journal of Forecasting, 1, pp. 179-190.
Noakes, D.J., Hipel, K.W., McLeod, A.L., Jimenz, C.,and Yakowitz, S. (1988), “Forecasting annual geophysical time series”. International Journal of Forecasting, 4, pp. 103-115.
Ooms, M. , P. H. Franses, (2001). “A seasonal periodic long memory model for monthly river flows”. Environmental Modeling and Software, 16, pp. 559-569.
Rao, R. and G.Padmanabhan, (1984), “Analysis and modeling of palmers drought index series”, J. Hydrology, 68 , pp. 211-229.
Toth. E, A. Montanari and A. Brath.(1998), “Real-Time flood forecasting via combined use of conceptual and stochastic models”, Phys. Cem. Earth (B), 24(7),  pp. 793-798.