دوره 1، شماره 4 - ( زمستان 1399 )
جلد 1 شماره 4 صفحات 16-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mirhashemi H. Identification of structural breaks and change points of rainfall time series in mountainous areas (Case study: Khorramabad Synoptic Station). JGSMA 2021; 1 (4) :1-16
URL: http://gsma.lu.ac.ir/article-1-91-fa.html
URL: http://gsma.lu.ac.ir/article-1-91-fa.html
میرهاشمی حمید. شناسایی گسستگی های ساختاری و نقاط تغییر سری زمانی بارش در مناطق کوهستانی (مورد مطالعه: ایستگاه سینوپتیک خرم آباد). مطالعات جغرافیایی مناطق کوهستانی. 1399; 1 (4) :1-16
استادیار گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه لرستان، خرم آباد، ایران. ، mirhashemi.h@lu.ac.ir
چکیده: (2058 مشاهده)
شناسایی روندها و گسستگی‌های ساختاری در سری زمانی بارش به عنوان یکی از مهمترین چالش‌ها در مطالعه‌ی تغییر اقلیم محسوب می‌شود، چرا که کشف چنین گسستگی‌های می‌تواند به ارزیابی مطلوب سناریوهای آینده و پدیده‌های حدی همچون سیل و خشکسالی منجر گردد. در این مطالعه به‌منظور شناسایی گسستگی‌های ساختاری در سری زمانی بارش روزانه و ماهانه ایستگاه سینوپتیک خرم‌آباد از دو رویکرد تحلیل چندفرکتالی نوسان‌های روندزدایی‌شده (MF-DFA) و تحلیل موجک گسسته با بیشینه همپوشانی (MODWT) استفاده شد. نتایج حاصل از کاربرد MF-DFA بر روی سری زمانی بارش روزانه (2018-1961) نشان داد که سه نقطه گسستگی در این سری زمانی وجود دارد که روند بارش در پیرامون این نقاط به طور مشخصی تغییر پیدا کرده است. از سویی، نتایج این رویکرد مشخص کرد که دوره 2002 -1985، به عنوان نوسانی‌ترین دوره بارش و دوره‌های 1969- 1961 و 2018- 2010 به عنوان دوره‌هایی با کمترین نوسان‌ها در بارش جلوه می‌کنند. محاسبه تابع نوسان در مقیاس‌های زمانی 2، 5، 10 و 20 ساله نشان داد که در دوره 2018-2000، نوسان‌های 2 تا 20 ساله بارش کاهش یافته‌اند. همچنین نتایج حاصل از تابع نوسان با qاُمین مرتبه نیز روشن کرد که دوره‌های 1970- 1965 و 1994-1989، همراه با نوسان‌های حدی بزرگ بارش بوده‌اند. در صورتی که دو بازه زمانی 2004-1999 و 2013-2008 به دوره‌هایی با نوسان‌های حدی کوچک بارش اشاره دارند. همچنین نتایج بدست آمده از کاربرد MODWT برروی سری زمانی بارش ماهانه نشان داد که ضرایب موجک در سال 2007 دستخوش تغییر شده‌اند. در این راستا با تقسیم سیگنال‌های فرکانس بالای موجکی به دو دوره شامل 2007-1961 و 2018-2008، مشخص شد که اختلاف بین نوسان‌های بارش در خلال مقیاس‌های 8 تا 16 ماه از بیشترین تغییرپذیری در سری زمانی بارش برخوردارند.
فهرست منابع
1. حسن‌زاده یوسف؛ لطف اللهی یقین محمد علی؛ شاهوردی، سجاد؛ فرزین، سعید و فرزین، نیما. 1391. "نویززدایی و پیش‌بینی سری زمانی بر پایه الگوریتم موجک ونظریه آشوب (مطالعه موردی: شاخص پایش خشکسالی SPI شهر تبریز)". نشریه تحقیقات منابع آب، شماره 3. صص 1-13.
2. خورشیددوست، علی محمد؛ رضایی بنفشه، مجید؛ میرهاشمی، حمید و کاکولوند، یوسف 1393. "بررسی روند تغییرات بارش ـ دبی زیر حوضه‌های رودخانه کرخه با استفاده از روش‌های ناپارامتریک مطالعه موردی: حوضه آبریز کشکان". نشریه علوم و مهندسی آبیاری. دوره 38 ، شماره 4 (4). صص 177-188.
3. راعی، رضا؛ محمدی، شاپور و فندرسکی، حنظله 1394. "پیش‌بینی شاخص بورس سهام با استفاده از شبکه عصبی و تبدیل موجک". فصلنامه مدیریت دارایی و تامین مالی. سال سوم، شماره 1. صص 55-74.
4. شمس، شهاب‌الدین. 1387. "بررسی زمان مقیاس مدل قیمت‌گذاری دارایی سرمایه‌ها از طریق تبدیل موجک". پایانامه دکتری، دانشکده مدیریت دانشگاه تهران.
5. طوفانی، پریوش؛ مساعدی، ابولفضل؛ فاخری فرد، احمد؛ دهقانی، امیراحمد و موسوی حسام . 1389. "پیش‌بینی بارش‌های ماهانه با استفاده از تئوری موجک و سری‌های زمانی". اولین همایش توسعه منابع آب. دانشگاه آزاد اسلام و احد اهواز.
6. عباسی‌نژاد، حسین و محمدی، شاپور 1384. "تحلیل سیکل‌های تجاری ایران با استفاده از نظریه موجک‌ها". مجله تحقیقات اقتصادی. شماره 75. صص 20-1.
7. فرزین‌وش، اسدالله؛ فرمان‌آرا، امید و محمدی، شاپور. 1392. "برآورد نسبت بهینه وشش ریسک در زمان ـ مقیاس‌های مختلف: رویکرد تجزیه و تحلیل موجک". فصلنامه راهبرد اقتصادی. سال دوم، شماره 6. صص 7-40.
8. Agbazo, M. N., Koto N’gobi, G., Alamou, E., Kounouhewa, B., & Afouda, A. 2019. “Fractal analysis of the long-term memory in precipitation over Bénin (West Africa)”, Advances in Meteorology. No. 2, 1-12.
9. Alfieri, L., Burek, P., Feyen, L., & Forzieri, G. 2015. “Global warming increases the frequency of river floods in Europe”. Hydrol. Earth Syst. Sci. No. 19, PP. 2247–2260.
10. Barkhordarian, A., Bhend, J., & von Storch, H. 2012. “Consistency of observed near surface temperature trends with climate change projections over the Mediterranean region”. Climate Dynamics, No. 9–10, PP. 1695–1702.
11. Daubechies, I .1992. Ten lectures on wavelets. Society for Industrial Mathematics.
12. Fan, Q., Yanxin, W., & Li, Z. 2013. “Complexity analysis of spatial-temporal precipitation system by PCA and SDLE”. Applied Mathematical Modelling. No. 6, PP. 4059–4066.
13. Gallagher, C., & Lund, R. 2013. “Changepoint detection in climate time series with long-term trends”. Journal of Climate. No. 26, 4994–5006.
14. Holman, I.P. 2005. “Climate change impacts on groundwater recharge- uncertainty, shortcomings, and the way forward?” Hydrogeology Journal, No. 5, PP. 637–647.
15. Joos, F., Prentice, C., Sitch, S., Meyer, R., Hooss, G., Platter, G.K., Gerber, S., & Hasselmann, K. 2001. “Global warming feedbacks on terrestrial carbon uptake under the Intergovernmental Panel on Climate Change (IPCC) emission scenarios”. Global Biogeochemical Cycles, No.4, PP. 891–907.
16. Joshi, N., Gupta, D., Suryavanshi, S., Adamowski, J., & Madramootoo, C.A. 2016. “Analysis of trends and dominant periodicities in drought variables in India: A wavelet transforms based approach”. Atmospheric Research. No. 182, PP. 200–220.
17. Kantelhardt, J. W., Koscielny‐Bunde, E., Rybski, D., Braun, P., Bunde, A. & Havlin, S. 2006. “Long‐term persistence and multifractality of precipitation and river runoff records”. Journal of Geophysical Research: Atmospheres. No. D1, PP. 1-13.
18. Kantelhardt, J.W., Zschiegner, S.A., Koscielny-Bunde, E., Havlin, S., Bunde, A. & Stanley, H.E. 2002. “Multifractal detrended fluctuation analysis of nonstationary time series”. Physica A: Statistical Mechanics and its Applications. No.1-4, PP. 87-114.
19. Koscielny-Bunde, E., Kantelhardt J.W., Braun P., Bunde, A., & Havlin, S. 2006. “Long-term persistence and multifractality of river runoff records: Detrended fluctuation studies”. Journal of Hydrology. No.1-4, PP. 120-137.
20. Labat, D. 2005. “Recent advances in wavelet analyses: part 1. A review of concepts”. Journal of Hydrology, No.1–4, PP. 275–288.
21. Liepert, B.G., & Previdi, M. 2009. “Do Models and Observations Disagree on the Rainfall Response to Global Warming?” Journal of Climate. No.11, PP. 3156-3166.
22. Matsoukas, C., Islam, S., & Rodriguez‐Iturbe, I. 2000. “Detrended fluctuation analysis of rainfall and streamflow time series”. Journal of Geophysical Research: Atmospheres. No. 105, PP. 29165-29172.
23. Meenu, R., Rehana, S., & Mujumdar, P. 2013. “Assessment of hydrologic impacts of climate change in Tunga–Bhadra river basin, India with HEC-HMS and SDSM”. Hydrological Processes. No.11, PP. 1572–1589.
24. Min, S.-K., X. Zhang, F. W. Zwiers, and G. C. Hegerl. 2011. “Human contribution to more-intense precipitation extremes”. Nature. N0. 470, PP. 378–381.
25. Nema, M., Khare, D., Adamowski, J.F., & Chandniha, D.K. 2018. “Spatio-temporal analysis of rainfall trends in Chhattisgarh State, Central India over the last 115 years”. Journal of Water and Land Development. No.1, PP. 117–128.
26. Pandey, B.K., Gosain, A.K., Paul, G., & Khare, D. 2017. “Climate change impact assessment on hydrology of a small watershed using semi-distributed model”. Applied Water Science. No.4, PP. 2029–2041.
27. Paul, R. K., Mitra, D., Paul, A. K., & Bhar, L. M. 2019. Long Memory and Structural Break in Seasonal Rainfall in India, Special Proceeding of the 21st Annual Conference of SSCA held at SV Agricultural College (ANGRAU), Tirupati, during January 29-31, PP. 83-92.
28. Peng, C.K., Havlin, S., Stanley, H.E., & Goldberger, A.L. 1995. “Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series. Chaos: an interdisciplinary”. Journal of nonlinear science. No.1, PP. 82-87.
29. Priyadarshi, N., Soumya Bandyopadhyay, V. M. Chowdary, K. Chandrasekar, Jeganathan Chockalingam, Uday Raj & Chandra Shekhar Jha. 2020. “Segmentation-based approach for trend analysis and structural breaks in rainfall time series (1851–2006) over India”. Hydrological Sciences Journal, No.9, PP. 1583-1595.
30. Sang, Y. F., Wang, D., Wu, J.C., Zhu, Q.P., & Wang, L. 2009. “Entropy-based wavelet de-noising method for time series analysis”. Entropy. No. 4, PP. 1123–1147.
31. Sethi, R., Pandey, B.K., Krishan, R., Khare, D., & Nayak, P.C. 2015. “Performance evaluation and hydrological trend detection of a reservoir under climate change condition”. Modeling Earth Systems and Environment, No. 4, PP. 1–10.
32. Tebaldi, C., Hayhoe, K., Arblaster, J.M., & Meehl. G.A. 2006. “Going to the extremes: An intercomparison of model-simulated historical and future changes in extreme events”. Climatic Change, No. 79, PP. 185–211.
33. Trenberth, K. E. 2011. “Changes in precipitation with climate change”. Climate Res. No. 47, PP. 123–138.
34. Valencia, J.L., Requejo, A.S., Gasco, J.M., & Tarquis, A.M. 2010. “A universal multifractal description applied to precipitation patterns of the Ebro river basin”. Spain. Clim Res. PP. 17-44.
35. Zaveri, E., Grogan, D.S., Vanden, K.F., Frolking, S., Lammers, R.B., Wrenn, D.H., Prusevich, A., & Nicholas, R.E. 2016. “Invisible water, visible impact: groundwater use and Indian agriculture under climatec hange”. Environmental Research Letters, No. 8, 084005.
36. Zhou, Z.Q., S.-P. Xie, X.-T. Zheng, Q. Liu, and H. Wang. 2014. “Global warming–induced changes in El Niño teleconnections over the North Pacific and North America”. Journal of Climate. No. 27, PP. 9050–9064.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
