Document Type : پژوهشی

Authors

1 Associate professor, Department of physical Geography, Hakim Sabzevari University, I.R of Iran (Corresponding author),

2 MSc (Student of Climatology), Department of physical Geography, Hakim Sabzevari University, I.R of Iran.

Abstract

Introduction
The meaningful, complex, and ongoing connection between the rainfall and other climatic elements causes diversity in space and time. A new approach in climatology is to describe the spatial variability of the rainfall based on the spatial statistics. Unlike the classical statistics, the spatial statistics shows the statistical data on a map. Therefore, the attention and emphasis on the spatial differences and the identification of the specific and unique points or homogeneous regions will be provided. Modeling of the rainfall behavior is one of the main foundations in any climate research. In this regard, two major efforts are of interest to climatologists. One of them is the precipitation zoning. The other one is the analysis of the spatial temporal variations of the precipitation. This analysis is important for weather forecasting and a wide range of decision makers, including hydrologists, farmers, and industrialists.
Methodology
Using statistical methods, the present study aimed to introduce the fundamentals of the spatial data and the general precipitation behavior of Mashhad’s plain along the space. In this regard, the study used the daily precipitation data of 34 synoptic stations, climatology, and rain gauge during the survey period, 1963-2013. The study initially analyzed the spatial and temporal distributions of the precipitation based on the classical statistical methods. Then, it focused on the central average, standard distance, and directional distribution. In this research, the universal Moran method was used to calculate the spatial autocorrelation data. In addition, the central mean method was used to calculate the basin rainfall gradient. Finally, directional distribution was used to calculate the trend and direction of the precipitation distribution.
Discussion
The results showed that the gravity center, the centroid, of the annual rainfall during the last half-century sustains a displacement of 3.83 km where the distribution arrow demonstrates the magnitude of the tilt and orientation on the amount of the precipitation.
Also, the standard distance of the precipitation in Mashhad, in the fifth decade (2003-2013) compared to the first decade (1963-1973), changed to 1254.57. This change can be one of the reasons of the instability of the linear relationships of the spatial factors and the rainfall in the plains of Mashhad.
Conclusion
The results showed that the center of the rainfall gravity of Mashhad plain was displaced over 3.3 km during the 50-year period. In addition, there was a change of 0.269 degrees in the direction of the distribution of the precipitation in the fifth period compared to the first period. Since, this shift was negative to areas with spatial dependence, it indicated a general drop in the rainfall in the Mashhad plain. The results also showed that the roughness and height might be two important factors affecting the spatial patterns of the rainfall in Mashhad Plain.

Keywords

مقدمه

پارامترهای اقلیمی در مقیاس زمانی و مکانی به دلایل زیادی تغییر می‌کنند که باید نحوه تغییرات آن‌ها بر اساس مشاهدات و با بهره‌گیری از روش‌های آماری تعیین شود. از آنجا که تغییر اقلیم تأثیر عمیقی بر زندگی انسان و حیات کره­ی زمین در آینده دارد، مطالعات مربوط به آن همواره مورد توجه محققان و پژوهشگران بوده است. رشد جمعیت و نیاز روزافزون این جمعیت در حال رشد به منابع آب سالم و از طرفی گرمایش جهانی، باعث توجه به تغییر اقلیم و تأثیر آن بر منابع آب‌شده است.

برآورد الگوها (مدلسازی) رفتار بارش، از بنیادهای اصلی در تحقیقات مکانی اقلیمی محسوب می­شود. در این راستا، دو تلاش عمده­ی مورد توجه اقلیم­شناسان می­باشد که یکی پهنه­بندی بارش و دیگری تحلیل تغییرات زمانی-مکانی بارش است (عساکره و سیفی­پور، 1392: 17). بررسی تنوع مکانی- زمانی بارش نه تنها برای پیش­بینی آب و هوا مهم است، بلکه برای طیف وسیعی از تصمیم­گیرندگان از جمله هیدرولوژیست­ها، کشاورزان و صنعت­گران امری حیاتی محسوب خواهد شد (برونسل[1]، 2010: 165). تغییرات زمانی- مکانی شدت، مقدار، مدت و فراوانی بارش، تحت تأثیر تغییرات آب و هوایی و همچنین بی­نظمی فراسنج بارش- که رفتار ذاتی این فراسنج به حساب می­آید- ناهنجاری­های حدی اقلیم را به وجود می­آورند که خود را به صورت سیل و خشکسالی خودنمایی می­کند (ژنگ[2] و همکاران، 2013: 4). با توجه به مطرح شدن بحث تغییر اقلیم و تغییرات زمانی و مکانی بارش، تاکنون پژوهش­های متعددی با استفاده از روش­های پارامتری و ناپارامتری انجام شده است که از جمله می­توان به پژوهش­های (کاهیا و کالایکی[3]، 2004: 129؛ ژنگ و همکاران، 2006: 255) اشاره کرد. جیا[4] و همکاران (2011: 3069) با استفاده از روش­های آمار فضایی و بر اساس شاخص NDVI و مدل رقومی ارتفاع، به ریزگردانی بارش شبکه TRMM در حوضه­ی کادمیوم[5] چین پرداختند. در این پژوهش، از شاخص موران جهانی[6] برای تـحلیل الگوی شاخص NDVI استفاده شـده است. در خصوص تغییرات مکانی بارش در ایران نیز می­توان به تحقیق عساکره (1386: 145) اشـاره نـمود. وی داده­های باـرش 152 ایستگاه هـمدید و 170 ایـستگاه اقلیم­شناسی را طی دوره­ی آماری 2003-1961 مورد تحلیل قرار داد. بر اساس نتاج تحقیقات این محقق، حدود 4/51 درصد از مساحت کشور در معرض تغییرات بلند مدت قرار گرفته است. همچنین عساکره و سیفی­پور (1392: 15) ساختار مکانی بارش سالانه­ی ایران را با استفاده از تابع موران و انحراف فاصله­ی استاندارد مورد بررسی قرار دادند. نتایج آنان نشان داد مرکز ثقل بارش در راستای محور شمال­غرب- جنوب شرق جابجا شده است. تا آنجا که نویسندگان اطلاع دارند، علی­رغم وضعیت بحرانی دشت مشهد در چند دهه­ی گذشته، تا کنون تحقیق جامعی در خصوص ارزیابی ساختار مکانی بارندگی با روش­های نوین آمار فضایی در این منطقه از کشور صورت نگرفته است. در تحقیق حاضر، تلاش شده است ضمن ارائه­ی توزیع مکانی بارش بر اساس روش­های آمار فضایی، برخی از خصوصیات مربوط به آماره­های توصیفی و فضایی، به ویژه آماره­های مربوط به تمرکز و پراکندگی بارش در دشت مشهد نیز ارائه گردد. لازم به ذکر است تأکید اصلی در این تحقیق بیشتر در زمینه­ی استفاده از داده­های به هنگام و مقیاس مطالعه است که در سطح حوضه­ی آبریز در نظر گرفته شده است تا ساختار مکانی بارندگی با دقت بیشتری مورد تجزیه و تحلیل قرا گیرد.

مواد و روش­ها

ـ منطقه­ی مورد مطالعه

دشت مشهد تقریباً در مرکز استان خراسان رضوی و در محدوده‌ای به طول جغرافیایی 58 درجه و 22 دقیقه تا 60 درجه و 7 دقیقه و عرض جغرافیایی 35 درجه و 59 دقیقه تا 37 درجه و 2 دقیقه واقع‌ شده است. این محدوده با کشیدگی شمال غرب-جنوب شرق در حد فاصل ارتفاعات بینالود در جنوب غرب و غرب و ارتفاعات کپه­داغ در شرق و شمال شرق قرارگرفته است (شکل 1). ناحیه­ی مورد مطالعه از شمال به دشت قوچان-شیروان و کلات نادری، از جنوب و جنوب­شرق به سرجام نریمانی و از غرب به نیشابور و ینگجه محدود می‌گردد. مساحت محدوده­ی مطالعاتی، مشهد برابر 9909 کیلومترمربع است که 6336 کیلومترمربع آن را دشت مشهد و باقی را ارتفاعات تشکیل می‌دهد. بیشینه­ی ارتفاع این محدوده­ی مطالعاتی، برابر 1717 متر در ارتفاعات بینالود و کمینه­ی ارتفاع نیز در خروجی (آبراهه­ی کشف رود) در بخش شرقی برابر با 844 متر می‌باشد. طول کشیدگی دشت حدوداً 150 کیلومتر است که از آبگرگ و دولو در 9 کیلومتری شرق قوچان شروع ‌شده و به کال تنگ شور در شرق مشهد ختم می‌گردد. مدل سه‌بعدی دشت مشهد در شکل (2) ارائه ‌شده است.

 

شکل (1) موقعیت منطقه­ی موردمطالعه در کشور و استان خراسان رضوی

 

شکل (2) مدل سه‌بعدی دشت مشهد

ـ روش تحقیق

داده­های مربوط به بارش روزانه مربوط به 34 ایستگاه همدید، اقلیم­شناسی و باران­سنجی طی دوره­ی آماری 1392-1342 شمسی تا شعاع 10 کیلومتری حوضه­ی مورد مطالعه از سازمان هواشناسی و وزارت نیرو جمع­آوری گردید. در مرحله بعد با استفاده از روش Empirical Bayesian Kriging (EBK) داده­ها پهنه­بندی شد و یاخته­هایی با ابعاد 15 در 15 کیلومتر بر منطقه­ی مورد مطالعه گسترانیده شد. علت استفاده از این روش به دو دلیل زیر بوده است: 1- این روش تنها روش قابل استفاده برای ارزیابی مرکز فضایی داده­ها در یک فضای جغرافیایی است. 2- خطای این روش نسبت به روش­های دیگر، دارای کمترین مقدار بود. در مرحله بعد و با استفاده از نرم­افزار Arc GIS، از روش موران جهانی برای محاسبه خودهمبستگی فضایی داده­ها و برای محاسبه­ی گرانیگاه بارش حوضه هم از روش میانگین مرکزی استفاده شد. بدین منظور از نرم­افزار SASPLANT و MATLAB  و برای محاسبه­ی روند و جهت توزیع بارش نیز از توزیع جهت­دار استفاده شد. تحلیل الگو در مطالعات مکانی برای فهم الگوها و روندهای کلی موجود در داده‌های فضایی مورد استفاده قرار می‌گیرد. در دهه‌های اخیر سناریوهای مختلفی در خصوص تحلیل الگوهای داده­ها در آمار فضایی بسط داده ‌شده است. از میان این شاخص­ها، می‌توان به شاخص جهانی موران اشاره نمود. این آماره فضایی، عددی را به دست می‌دهد که با استفاده از آن می‌توان درجه پراکنده بودن و یا متمرکز بودن عوارض را اندازه‌گیری نمود (ویلر و پرز[7]، 2009: 461؛ ایلان[8] و همکاران، 2008: 10؛ میتچل[9]، 2008: 25؛ لیواین[10]، 1996: 381؛ گیتس و اورد[11]، 1992: 189). اگر مقدار شاخص موران نزدیک عدد 1+ باشد، اگر مقدار شاخص موران نزدیک به عدد 1- باشد، آنگاه داده‌ها ازهم‌گسسته و پراکنده می‌باشند.در موران جهانی فرض صفر این است که هیچ نوع خوشه‌بندی فضایی بین مقادیر عنصر مرتبط با عوارض جغرافیایی موردنظر وجود ندارد. حال زمانی که مقدار  بسیار کوچک و مقدار z محاسبه شده (قدر مطلق آن) بسیار بزرگ باشد (خارج از محدوده­ی اطمینان قرار گیرد)، آنگاه می‌توان فرض صفر را رد کرد. اگر شاخص موران بزرگ‌تر از صفر باشد، داده‌ها نوعی خوشه‌بندی فضایی را نشان می‌دهند. اگر مقدار شاخص کمتر از صفر باشد عوارض مورد مطالعه­ دارای الگوی پراکنده می‌باشند (علی­آبادی و داداشی، 1394: 91؛ فلاح قالهری و همکاران، 1394: 642). (1394: 641). شاخص­گری نیز مشابه شاخص موران است، با این تفاوت که به جای تأکید بر انحراف از میانگین، اختلاف هر ناحیه را نسبت به دیگری برآورد می­کند. شاخص گری، بین 0 تا 2 در نوسان است که مقدار صفر دلالت بر خود همبستگی فضایی کاملاً مثبت دارد (زمانی که ارزش همه همسایگی‌ها مشابه باشند) و مقدار 2 بر خودهمبستگی فضایی کاملاً منفی دلالت دارد. مقدار 1 نیز به مفهوم نبود رابطه­ی فضایی است (فیشر و گیتس[12]، 2009: 265). توزیع بسیاری از پدیده‌های جغرافیایی در فضا به‌گونه‌ای است که ممکن است جهت‌دار باشند. در این موارد می‌توان با محاسبه واریانس محورهای  و  به‌ طور جداگانه و مستقل روند و جهت توزیع پدیده‌ها را در فضا نشان داد. ابزار توزیع جهت‌دار[13] نشان می‌دهد که آیا توزیع عوارض جغرافیایی در فضا به‌ صورت جهت‌دار صورت گرفته‌اند یا خیر. روشی که معمولاً برای اندازه‌گیری روند در مجموعه‌ای از نقاط یا نواحی به کار گرفته می‌شود، محاسبه­ی فاصله­ی استاندارد در جهت  و  است. این دو مقدار، محور بیضی‌ را که توزیع عوارض را در بر می­گیرد، تعریف می‌کنند. از این بیضی به‌عنوان انحراف استاندارد نیز نام ‌برده می‌شود، زیرا در این روش از انحراف استاندارد مختصات  و از میانگین مرکزی، برای تعیین محورهای بیضی استفاده می‌شود. میانگین مرکزی ساده‌ترین تحلیل در آمار فضایی است. این تحلیل مشابه میانگین در آمار کلاسیک است و به صورتی مشابه محاسبه می‌شود. این میانگین، مرکز جغرافیایی و یا مرکز ثقل[14] مجموعه‌ای از عوارض را شناسایی می‌کند (تارزگا[15]، 2007: 213؛ فورگینهام و همکاران، 2001: 43). تحلیل فاصله استاندارد، میزان تمرکز و یا پراکندگی عوارض پیرامون میانگین مرکزی را اندازه‌گیری می‌نماید. این تحلیل میزان فشردگی توزیع داده و مقدار آن را ارائه می‌دهد. مقدار ارائه‌ شده برحسب فاصله است که در حقیقت برابر دایره‌ای با شعاع مشخص بر روی نقشه خواهد بود (اسکات و گیتس، 2008: 27).. 

بحث و نتایج

در این تحقیق برای آزمون نرمال بودن داده­های بارش دشت مشهد از آزمون کلموگروف - اسمیرونف استفاده شد و نرمال بودن داده‌ها مورد تأیید قرار گرفت.

ـ ارزیابی تغییرات بارش دشت مشهد با استفاده از آمار کلاسیک

جدول (1) بعضی از مشخصات آماری بارش را در طی پنج دهه­ی مورد مطالعه (دهه­ی اول 1342 تا 1352، دهه­ی دوم 1352 تا 1362، دهه­ی سوم 1362 تا 1372، دهه­ی چهارم 1372 تا 1382 و دهه­ی پنجم 1382 تا 1392 هجری شمسی) نشان می‌دهد. بر اساس این جدول، بیشترین میانگین بارش به میزان 06/230 میلی‌متر در دهه­ی دوم (1352 تا 1362) رخ ‌داده است. این در حالی است که بیشترین واریانس یا به عبارتی بیشترین تغییرات بارش نیز در دهه­ی دوم اتفاق افتاده است. همچنین کمترین مقدار میانگین بارش نیز به میزان 15/209 میلی‌متر در دهه­ی اول رخ‌داده است. بالاترین ضریب تغییرات با 7/26 درصد نیز در دهه­ی دوم اتفاق افتاده است. همچنین بیشترین دامنه­ی تغییرات بارش با مقدار 07/188 میلی‌متر مربوط به دهه­ی دوم می‌باشد. چولگی بارش در همه­ی دهه­ها به‌غیر از دهه‌های دوم و پنجم، مثبت است. چولگی مثبت حاکی از آن است که مساحت قسمت­های با بارش کمتر از میانگین، بیشتر از مساحت قسمت­های با بارش بالاتر از میانگین می­باشد. یعنی سهم بارش­های سنگین در فراوانی کل رویدادها کمتر است. در صورتی که در دهه­ی دوم و بخصوص پنجم چولگی منفی شده است که مبین افزایش بارش‌های سنگین در دشت مشهد می‌باشد. این آماره به‌خوبی نشان داده است که سهم بارش‌های یک‌روزه در حال افزایش است که با مطالعات هیئت بین‌الدول تغییر اقلیم[16] (2013: 14) نیز همخوانی دارد. کشیدگی منفی نیز ناافراشته بودن داده‌ها را نسبت به منحنی نرمال نشان می‌دهد. در هر پنج دوره اختلاف میانه، مد و میانگین نشان می‌دهد توزیع داده‌ها از توزیع نرمال تبعیت نمی‌نماید. در یک نگاه جامع رویدادهای بارش دشت مشهد طی نیم‌قرن اخیر دارای افت و خیز مکانی بسیار زیادی بوده است. از سوی دیگر مقدار بارش در دشت مشهد دارای فرورفتگی شکل شناختی می‌باشد. در نگاهی جامع دشت مشهد را می‌توان ازنظر میانگین بارش به دو ناحیه تقسیم کرد: 1- مناطق پربارش شمال و جنوب غرب، 2- مناطق کم­بارش جنوب و جنوب شرق. منطقه­ی بزرگ اول شامل کوهپایه‌ها و کوهستان‌های شمال و جنوب غرب دشت است. ناحیه­ی دوم که از بارندگی کمتری نسبت به کوهستان برخوردار است، شامل مناطق پست جنوبی و بقیه­ی مناطق کوهستانی است که نسبت به منطقه­ی اول از مقدار بارش کمتری برخوردار است.

جدول (1) مشخصات آماری هر یک از دوره‌های مختلف بارش دشت مشهد

پنج دهه­ی مطالعه (1392-1342 هجری شمسی)

فراسنج

دهه­ی پنجم

دهه­ی­چهارم

دهه­ی سوم

دهه­ی دوم

دهه­ی اول

83/20

28/21

31/19

70/26

88/23

ضریب تغییرات

40/143

94/147

20/127

07/188

11/152

دامنه­ی تغییرات

34/151

22/179

85/175

81/118

35/132

کمینه

73/294

19/327

05/303

88/306

46/284

بیشینه

16/226

58/236

17/226

06/230

15/209

میانگین

90/14

92/15

81/13

43/19

79/15

انحراف ازمیانگین

11/47

35/50

68/43

43/61

94/49

انحراف معیار

48/2219

07/2535

97/1907

40/3773

28/2494

واریانس

40/0-

53/0

85/0

63/0-

10/0

چولگی

50/0-

96/0-

30/0-

81/0-

23/1-

کشیدگی

71/232

01/224

07/215

54/252

06/00

میانه

34/151

22/179

85/175

81/118

35/132

مد

ـ تحلیل الگوی تغییرات درون دهه‌ای بارش دشت مشهد در نیم‌قرن اخیر

قبل از بررسی ساختار مکانی داده­ها نیاز است تا خودهمبستگی فضایی داده­ها مورد بررسی قرار گیرد. خروجی­های تحلیل خودهمبستگی فضایی موران جهانی، به ‌صورت دو نوع عددی و گرافیکی در جدول (2) ارائه‌ شده است. خروجی گرافیکی، پراکنده و یا خوشه­ای بودن داده‌ها را نشان می‌دهد. همان‌ طور که در جدول (2) مشاهده می‌شود، مقدار شاخص موران جهانی برای پنج دوره­ی مورد مطالعه­ی بالای 96/0 است. این نکته نشان می‌دهد که بر اساس شاخص موران جهانی، بارش در دشت مشهد در پنج دهه­ی مورد مطالعه در سطح 95 و 99 درصد، دارای الگوی خوشه‌ای بالا می‌باشد. با این ‌وجود بالاترین شاخص موران جهانی با مقدار 982111/0 مربوط به دهه­ی اول بوده است. آماره z برای هر پنج دهه­ی مورد مطالعه، بالا و بین 110 تا 112 می‌باشد؛ بنابراین در مجموع بر اساس موران جهانی می‌توان استنباط نمود که تغییرات درون دهه‌ای بارش در دشت مشهد از الگوی خوشه‌ای بالا تبعیت می‌کند؛ بنابراین با توجه به بالا بودن مقدار z و پایین بودن مقدار P-value می‌توان فرض صفر مبنی بر عدم وجود خودهمبستگی فضایی بین داده‌ها را در هر پنج دهه­ی مورد مطالعه رد نمود. اگر قرار بود بارش برای پنج دهه‌ی مورد مطالعه به‌طور نرمال در فضا توزیع ‌شده باشد، شاخص موران جهانی مقدار 000404/0- را اختیار می‌نمود.

جدول (2) خروجی آماره­ی موران برای پنج دهه­ی مورد مطالعه بارش دشت مشهد

ماه

شاخص موران

شاخص موران مورد انتظار

واریانس

z-score

p-value

مفهوم‌سازی رابطه فضایی

روش اندازه‌گیری

دهه­ی اول

982111/0

000404/0-

000077/0

107914/112

0

مربع معکوس فاصله

اقلیدسی

دهه­ی دوم

968376/0

000404/0-

000077/0

549014/110

0

مربع معکوس فاصله

اقلیدسی

دهه­ی سوم

966466/0

000404/0-

000077/0

308026/110

0

مربع معکوس فاصله

اقلیدسی

دهه­ی چهارم

976352/0

000404/0-

000077/0

445318/111

0

مربع معکوس فاصله

اقلیدسی

دهه­ی پنجم

965003/0

000404/0-

000077/0

174746/110

0

مربع معکوس فاصله

اقلیدسی

جـدول (3) نتایج تـحلیل­های انجام شـده با استفاده از شاخص گری را نشان می­دهد. نتایج حاصل از شاخص گری نیز نشان­دهنده وجود خودهمبستگی فضایی مثبت در دشت مشهد است. با توجه به جدول (3)، بیشترین خودهمبستگی فضایی مثبت مربوط به دهه­ی اول و سپس سوم است. همچنین از دهه­ی سوم به بعد، مقادیر شاخص گری روند افزایشی دارد. این مقدار افزایشی نشانگر تضیعف کاهش پراکندگی بارش در دشت مشهد یا به عبارتی کانونی شدن بارش در این منطقه از کشور می­باشد. با توجه به جدول (2 و3)، نتایج به دست آمده از شاخص موران مشابه شاخص گری است و حاکی از وجود الگوی خودهمبستگی فضایی مثبت بین داده­ها در هر پنج دهه­ی مورد مطالعه است.     

جدول (3) خروجی شاخص گری برای پنج دهه­ی مورد مطالعه بارش دشت مشهد

دهه

شاخص گری

شاخص گری مورد انتظار

خطای استاندار شاخص C

p-value

دهه­ی اول

718368/0

1

021461/0

0001/0

دهه­ی دوم

803792/0

1

021461/0

0001/0

دهه­ی سوم

740845/0

1

021461/0

0001/0

دهه­ی چهارم

810439/0

1

021461/0

0001/0

دهه­ی پنجم

821439/0

1

021461/0

0001/0

ـ مرکز ثقل بارش و تغییرات آن در دشت مشهد

در این تحقیق مرکز ثقل ایستگاهی بارش دشت مشهد طی نیم‌قرن اخیر برای هر یک از دهه‌های مورد مطالعه با استفاده از آماره توزیع جهت­دار و فاصله­ی استاندارد محاسبه ‌شده است. مختصات مرکز ثقل بارش هر یک از دوره‌های مورد مطالعه در جدول (4) و شکل (3) ارائه ‌شده است. شکل (3) نشان می‌دهد که تمرکز بارش در دشت مشهد تمایل بیشتری به بخش‌های شمالی و غربی دارد.

جدول (4) مرکز ثقل بارش دشت مشهد طی نیم‌قرن اخیر

دوره

طول جغرافیایی

عرض جغرافیایی

دهه­ی اول

3765/59

5375/36

دهه­ی دوم

4169/59

5156/36

دهه­ی سوم

4225/59

5117/36

دهه­ی چهارم

4094/59

5176/36

دهه­ی پنجم

4108/59

5180/36

برای به دست آوردن نقطه­ی تمرکز بارش، میانگین بارش دریافتی هر ایستگاه در هر دهه­ی محاسبه و گرانیگاه بارش هر دهه با استفاده از آماره­ی توزیع جهت‌دار، محاسبه شده است. نتایج در جدول (5) و شکل (4) ارائه ‌شده است. با توجه به شکل (4)، در نیم‌قرن اخیر مرکز ثقل بارش دشت مشهد 83/3 کیلومتر جابجایی داشته است و محور توزیع جهتی بارش نیز در دوره­ی پنجم نسبت به دوره­ی اول 269/0 درجه تغییر نموده است. با توجه به اینکه این جابجایی به سمت جنوب دشت اتفاق افتاده است (مناطق با خودهمبستگی فضایی منفی)، حاکی از کاهش کلی بارش در سطح دشت مشهد است. تغییرات اقلیمی به عاملی برای بر هم خوردن نظم سامانه‌های محیطی تبدیل شده است. بنابراین میزان جابجایی توزیع جهت‌دار از مرکز میانگین در دوره‌های متفاوت زمانی بر روی عوارض نقطه‌ای بارش سالانه­ی دشت مشهد، حاکی از انحراف فضایی بارش از حالت نرمال دارد و نشان دهنده­ی تغییر و جابجایی مرکز میانگین و توزیع جهت­دار بارش است. بر اساس نتایج به دست آمده، میزان بارش دریافتی بر روی پهنه­ی دشت مشهد در بیشتر نقاط، دچار تغییرات فضایی شده است. توزیع جهت‌دار استخراج ‌شده یا گرانیگاه بارش دشت مشهد نشان­دهنده­ی این امر است که حدود 68 درصد عوارض نقطه‌ای نسبت به مرکز میانگین و نسبت به خصوصیت شکل عارضه، در بیضوی انحراف استاندارد واقع ‌شده‌اند. جهت حرکت بیضوی انحراف استاندارد شکل توزیع نیز حاکی از جهتی است که با توجه به شکل عارضه و مقدار خصیصه آن‌ها جهت شمال غرب به جنوب شرق را به خود گرفته­اند. این روند و جهت شکل‌گیری عارضه و داده‌های بارش هر دهه می‌تواند نشان‌دهنده­ی محور کوه‌های شمال شرق ایران و بخصوص دشت مشهد و تبعیت بارش این نقطه از ایران در جهت ناهمواری ها و ورود سامانه‌های باران‌زا به این منطقه باشد. نتایج حاصل از فاصله استاندارد به ‌صورت دوایری که برای هر دهه به‌ طور مجزّا محاسبه و ترسیم شده است، در جدول (6) و شکل (4) ارائه‌ شده است. شکل (4) نیز حاکی از تغییر و جابجایی مرکز میانگین فاصله استاندارد بارش دشت مشهد است. بنابراین، این شکل نیز تأییدی بر تغییرات فضایی بارش در بیشتر نقاط دشت مشهد است. بر اساس نتایج ارائه ‌شده در جدول (6)، فاصله استاندارد بارش دشت مشهد در دهه­ی پنجم (1392-1382) نسبت به دهه­ی اول (1352-1342) تغییر 57/1254 واحدی داشته است. این عامل خود دلیلی بر ناپایداری روابط خطی عوامل مکانی در تولید بارش دشت مشهد است. بر این اساس ناهمواری­ها و ارتفاع بیشترین نقش را در الگوی مکانی بارش دشت مشهد ایفا نموده­اند.

جدول (5) مشخصات بیضوی انحراف استاندارد بارش نیم‌قرن اخیر دشت مشهد

دوره

طول جغرافیایی

عرض جغرافیایی

فاصله استاندارد محاسبه‌شده X

فاصله استاندارد محاسبه‌شده y

جهت چرخش بیضی

دهه­ی اول

3765/59

5375/36

95/59850

11/18170

870/124

دهه­ی دوم

4169/59

5156/36

14/57596

12/18631

965/124

دهه­ی سوم

4225/59

5117/36

33/57169

46/18672

253/125

دهه­ی چهارم

4094/59

5176/36

95/57791

91/18556

172/125

دهه­ی پنجم

4108/59

5180/36

41/57842

84/18647

139/125

X: طول جغرافیایی؛ Y: عرض جغرافیایی

جدول (6) مشخصات فاصله­ی استاندارد بارش نیم‌قرن اخیر دشت مشهد

دوره

طول جغرافیایی

عرض جغرافیایی

فاصله استاندارد محاسبه‌شده

دهه­ی اول

3765/59

5375/36

32/44228

دهه­ی دوم

4169/59

5156/36

40/42804

دهه­ی سوم

4225/59

5117/36

42/42526

دهه­ی چهارم

4094/59

5176/36

09/42920

دهه­ی پنجم

4108/59

5180/36

75/42973

 

 

شکل (3) گرانیگاه و توزیع مکانی بارش دشت مشهد با استفاده از آماره توزیع جهت‌دار

 

شکل (4) مرکز ثقل بارش و توزیع مکانی بارش دشت مشهد با استفاده از آماره­ی فاصله­ی استاندارد

نتیجه­گیری

نتایج به دست آمده نشان می­دهد آرایش خطوط هم­بارش علاوه بر ارتفاعات، بـه

شیب و جهت­گیری ناهمواری­ها بستگی دارد. در این پژوهش از داده­های بارش روزانه­ 34 ایستگاه همدید، اقلیم شناسی و باران سنجی طی دوره­ی آماری 50 ساله (1392-1342 هجری خورشیدی) استفاده شده است. در ابتدا بر اساس روش­های آمار کلاسیک، پراکندگی مکانی و زمانی بارش مورد بحث قرار گرفت. سپس سه مشخصه مرکز میانگین، فاصله استاندارد و توزیع جهت­دار مورد بررسی قرار گرفتند. شاخص­های گرایش مرکزی نظیر میانگین، میانه و مد، اطلاعات موجود در هر توزیع را به طور خلاصه بیان می­کنند. لذا این فراسنج­ها به نوعی تبیین­گر مکانی پراش می­باشند. بر اساس تحلیل مکانی، می­توان میانگین بارش دشت مشهد را به دو ناحیه تقسیم کرد: 1- مناطق پربارش شمال و جنوب غرب، 2- مناطق کم بارش جنوب و جنوب شرق. منطقه­ی بزرگ اول شامل کوهپایه‌ها و کوهستان‌های شمال و جنوب غرب دشت است؛ و ناحیه­ی دوم که شدت بارندگی در آن نسبت به کوهستان کمتر است شامل مناطق پست جنوبی و بقیه­ی مناطق کوهستانی است که بارش نسبت به منطقه­ی اول از شدت و مدت کمتری برخوردار است.

نتایج همچنین نشان می­دهد که مرکز ثقل بارش دشت مشهد طی دوره­ی 50 ساله مورد مطالعه به میزان 83/3 کیلومتر جابجا شده است و محور توزیع جهتی بارش نیز در دوره­ی پنجم نسبت به دوره­ی اول 269/0 درجه تغییر داشته است. این جابجایی از آنجایی‌که به سمت مناطقی با خودهمبستگی فضایی منفی بوده است؛ حاکی از کاهش کلی بارش در سطح دشت مشهد است. نتایج حاصل از فاصله­ی استاندارد بارش در دشت مشهد نشان داده است که بارش در دهه­ی پنجم (1392-1382) نسبت به دهه­ی اول (1352-1342) تغییر 57/1254 واحدی داشته است. بر این اساس ناهمواری و ارتفاع بیشترین نقش را در الگوی مکانی بارش دشت مشهد ایفا می‌کنند.



[1]- Brunsell

[2]- Zhang

[3]- Kahya and Kalayci

[4]- Shaofeng

[5]- Qaidam

6- Global's Moran

[7]- Wheeler&Paéz

[8]- Illian

[9]- Mitchel

[10]- Levine

[11]- Getis&Ord

[12]- Fischer & Getis

[13]- Directional Distribution

[14]- Center of Concentration

[15]- Tarazaga

[16]- IPCC

- عساکره، حسین (1386)، تغییرات زمانی مکانی بارش ایران زمین طی دهه­های اخیر، فصلنامه­ی جغرافیا و توسعه، سال پنجم، شماره­ی 10، صص 164-145.
- عساکره، حسین و زهره سیفی­پور (1392)، توصیف ساختار مکانی بارش سالانه­ی ایران، فصلنامه­ی تحقیقات جغرافیایی، دوره­ی 28، شماره­ی 4، صص 30-15.
- علی­آبادی، کاظم و عباسعلی داداشی رودباری (1394)، بررسی تغییرات الگوهای خودهمبستگی فضایی دمای بیشینه­ی ایران، فصلنامه­ی مطالعات جغرافیایی مناطق خشک، سال ششم، شماره­ی 21، صص 104-86.
- فلاح قالهری، غلامعباس؛ اسدی، مهدی و عباسعلی داداشی رودباری (1394)، تحلیل فضایی پراکنش رطوبت در ایران، فصلنامه­ی پژوهش­های جغرافیای طبیعی، دوره­ی 47، شماره­ی 4، صص 650-637.
- مسعودیان، ابوالفضل (1388)، نواحی بارشی ایران، فصلنامه­ی جغرافیا و توسعه، دوره­ی 7، شماره­ی 13، صص 93-79.
-Bader, M.J., Forbes, G.S., Grant, J.R., Lilley, R.B.E., Waters, A.J., (1997), Images in Weather Forecasting: A Practical Guide for Interpreting Satellite and Radar Imagery, Chapter 6: PP. 245-249.
-Brunsell, N.A. (2010), A multiscale information theory approach to assess spatial–temporal variability of daily precipitation, Journal of hydrology, 385(1): PP. 165-172.
-Fischer, M.M., & Getis, A. (Eds.). (2009), Handbook of applied spatial analysis: software tools, methods and applications, Springer Science & Business Media.
-Fotheringham A Stewart, Brunsdon Chris, Charlton Martin (2002), Geographically weighted regression, John wiley & son, uk.
-Fotheringham, A. S., Charlton, M. E., & Brunsdon, C. (2001), Spatial variations in school performance: a local analysis using geographically weighted regression, Geographical and Environmental Modelling, 5(1): PP. 43-66.
-Getis A, Ord JK (1992), The analysis of spatial association by use of distance statistics, Geogr Anal 24(3): PP. 189-206.
-Illian, A. Penttinen, H. Stoyan, and D. Stoyan (2008), Statistical Analysis and Modelling of Spatial Point Patterns, John Wiley and Sons, Chichester.
-IPCC, (2013), Climate Change 2013: The Physical Science Basis, Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge.
-Jia, S., Zhu, W., Lű, A., & Yan, T. (2011), A statistical spatial downscaling algorithm of TRMM precipitation based on NDVI and DEM in the Qaidam Basin of China, Remote sensing of Environment, 115(12): PP. 3069-3079.
-Kahya, E., & Kalaycı, S. (2004), Trend analysis of streamflow in Turkey, Journal of Hydrology, 289(1), PP. 128-144.
-Levine N (1996). Spatial statistics and GIS: software tools to quantify spatial patterns, J Am Plann Assoc 62(3): PP. 381-391.
-Mitchel, A., (2008), The ESRI guide to GIS analysis, Spatial Measurements and Statistics, ESRI Press, volume 2: Redlands, California.
-Scott L, Getis A (2008), Spatial statistics, In Kemp K (ed) Encyclopedia of geographic informations, Sage, Thousand Oaks, CA.
-Tarazaga, P., Sterba-Boatwright, B., & Wijewardena, K. (2007), Euclidean distance matrices: special subsets, systems of coordinates and multibalanced matrices, Computational & Applied Mathematics, 26(3): PP. 415-438.
-Wheeler D, Paéz A (2009), Geographically Weighted Regression. In Fischer MM, Getis A (eds) Handbook of applied spatial analysis,Springer, Berlin, Heidelberg and New York, PP. 461-486.
-Zhang C, Luo L, Xu W, Ledwith V. (2008), Use of local Moran’s I and GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland. Sci Total Environ 398, (1-3): PP. 212-221.
-Zhang, M., He, J., Wang, B., Wang, S., Li, S., Liu, W., & Ma, X. (2013), Extreme drought changes in Southwest China from 1960 to 2009, Journal of Geographical Sciences, 23(1): PP. 3-16.
-Zhang, Q., Liu, C., Xu, C.Y., Xu, Y., & Jiang, T. (2006), Observed trends of annual maximum water level and streamflow during past 130 years in the Yangtze River basin, China, Journal of Hydrology, 324(1): PP. 255-265.