بخشی از مقاله
خلاصه
پیشبینی مقادیر بیشینه بارندگی ماهانه برای اهداف مختلفی نظیر برآورد سیلاب، رواناب، برنامهریزی آبیاری و مدیریت حوضههای آبریز دارای اهمیت زیادی است. این در حالیست که تحقیقات گذشته نشان میدهد که نوسانات دمای سطح آب دریاها بر بارش سطح خشکیهای زمین موثر است.در این تحقیق با استفاده از قوانین انجمنی که نوعی تکنیک دادهکاوی است، وابستگی بین بیشینه بارش ماهانه ایستگاه سینوپتیک تبریز و دمای سطح دریاهای مدیترانه، سیاه و سرخ با درنظر گرفتن تاخیرهای یک ماهه، دو ماهه، سه ماهه، چهار ماهه و پنج ماهه بررسی شد.
برای این منظور از آمار 55 سال دمای ماهانه سطح دریاهای فوق و نیز بارش ایستگاه تبریز استفاده شد. جهت بررسی دقت قوانین از دو معیار پشتیبان و شاخص اطمینان استفاده گردید. شاخص اطمینان محاسبه شده نشان داد، بین هر یک از دمای سطوح آب دریاهای مدیترانه، سیاه و سرخ با بیشینه بارش ماهانه ایستگاه سینوپتیک تبریز همبستگی نسبی وجود دارد.
.1 مقدمه
بارش یکی از مهمترین دادههای ورودی به سیستمهای هیدرولوژیکی محسوب میشود که مطالعه و اندازهگیری آن در اکثر موارد برای مطالعات رواناب، آبهای زیرزمینی، سیلاب، رسوب و ... لازم میباشد. از آنجایی که ایران در اقلیم خشک و نیمه خشک واقع شده است، در حال حاضر نگرانی در مورد منابع آب، آن را به یکی از مهمترین چالشها برای اکثر پژوهشگران و مدیران کشور تبدیل کرد است، به همین دلیل پیشبینی بارش برای برنامهریزیها و تصمیمگیریهای مدیریتی و همچنین استفاده بهینه از منابع آب ضروری است.
جو پدیدهای سه بعدی و سیال است که اگر بخشی از آن دچار تغییر شود این تغییر در تمامی سیاره پخش میشود و با تاخیر زمانی همه بخش-های جو به تغییری که در بخشی پدید آمده، پاسخ میدهند.[1] در سالهای اخیر برهمکنش بین عوامل آب و هوایی در خشکی، اقیانوس و جو مورد توجه بسیاری از دانشمندان علوم هواشناسی و اقلیمشناسی قرار گرفته است.
نتایج پژوهشهای زیادی نشان دادهاند که تغییرات دما در سطح گسترههای بزرگ آبی - - Sea Surface Temperature, SST میتواند تاثیر معنیداری بر نوسانهای بارش در سطح خشکیهای زمین داشته باشد. در خصوص نقش SST در تغییر اقلیم جهانی، میتوان به پدیده انسو - - ENSO1 که یکی از مهمترین عوامل تغییر دهنده اقلیم است، اشاره کرد که با به وجود آوردن پدیدههای النینو و لانینا تغییراتی را در اقلیم، مخصوصا توزیع زمانی و مکانی بارش به وجود آورده است.[2]
تشخیص همبستگی بین دمای سطح آب دریا و بارش، نقش موثری در پیشبینی خشکسالی و ترسالی مناطقی که تحت تاثیر نوسانهای دما قرار میگیرند، خواهد داشت. نیکولس1 نشان داد که تغییرات SST در قسمتهای خاصی از گستره اقیانوس هند و دریای عرب میتواند به عنوان یک عامل مستقل، بخش قابل ملاحظهای از واریانس بارندگی زمستانه در ایالتهای مختلفی از استرالیا را توجیه نماید.[3]
راول2تاثیر دمای سطح آب دریای مدیترانه را روی بارشهای فصلی کشورهای واقع بر روی خط استوا در غرب آفریقا را بررسی کرد و نتیجه گرفت با افزایش دمای سطح دریای مدیترانه، منطقه ساحل مرطوبتر میشود و برعکس.[4] ملینا3 و همکاران بارش ناگهانی ساحل شرق اسپانیا را با توجه به نقش دمای سطح آب دریای مدیترانه بررسی کردند.
نتایج حاکی از نقش مهم دمای سطح دریا به عنوان منبع رطوبتی در چرخندزایی مدیترانه ای بود.[5] رضاییبنفشه و همکارانرابطه بین بارش پائیزه و زمستانه چند ایستگاه در غرب ایران را با ناهنجاریهای فصلی دمای سطح آب دریای مدیترانه، بررسی کردند و نشان دادند که هرگاه دمای پائیزه سطح آب دریای مدیترانه، سردتر از معمول باشد، ایستگاههای مورد بررسی در غرب ایران شرایط مرطوبتری را تجربه میکنند.[6]
ناظمالسادات و قاسمی تاثیر نوسانهای دمای سطح آب دریای خزر را بر بارش فصول زمستان و بهار نواحی شمالی و جنوب غربی ایران بررسی کردند و نشان دادند که وقوع شرایط گرم در دمایسطح آب دریای خزر عموما موجب کاهش بیست درصدی در بارش فصل زمستان مناطق مذکور می شود.[7] رحیمی خوب ارتباط بین دمای سطح گسترههای آبی خلیج فارس و دریای سرخ، باحداکثر بارش ماهانه ایستگاه ایلام را بررسی کرد و نشان داد حداکثر بارش ماهانه با زمان تاخیر یک ماه با استفاده از SST دو گستره آبی فوق قابل پیشبینی است.[8]
جهانبخش اصل و همکاران میزان تاثیر فصلی دمای سطح آب دریای مدیترانه بر بارشهای فصلی پایکوههای شرقی زاگرس و چالههای مرکزی ایران را بررسی کردند که نتایج حاکی از همبستگی منفی بینSST دریای مدیترانه و بارش در فصل زمستان و همبستگی مثبت بینSST دریای مدیترانه و بارش در فصل پاییز بود.[9] محمدی و همکاران تاثیر دمای سطح آب دریای خزر را بر بارش استان مازندران مورد مطالعه قرار دادند و نتیجه گرفتند که همبستگی منفی با سطح اطمینان بالایی بین این دو عامل وجود دارد.
بطوریکه با سرد شدن آب دریای خزر در ماههای مختلف سال، بارش در استان مازندران کاهش مییابد و برعکس.[10] با توجه به موارد اشاره شده بالا می توان استنتاج کرد که تغییرات SST می تواند بر الگوی بارش در مناطق خشکی دور تاثیرگذار باشد و لذا یافتن رابطه بین این پارامترها کمک زیادی به پیشبینی بارندگی در مناطق مختلف تحت تاثیر نوسانات SST میکند. از اینروی هدف از این مقاله بررسی وابستگی بین بیشینه بارش ماهانه ایستگاه سینوپتیک تبریز و دمای سطح دریاهای مدیترانه، سیاه و سرخ با در نظر گرفتن تاخیرهای چند ماهه با استفاده از قوانین انجمنی میباشد.
.2 مواد و روش ها
-2-1 منطقه مورد مطالعه
استان آذربایجانشرقی از استانهای مهم و پرجمعیت ایران است که در گوشه شمال غرب کشور واقع گردیده است و از نظر موقعیت جغرافیایی در محدوده 45 درجه و 7 دقیقه الی 48 درجه و 20 دقیقه طول شرقی و 36 درجه و 45 دقیقه الی 39 درجه و 26 دقیقه عرض شمالی قرار گرفته است. این استان با مساحتی برابر 45491 کیلومتر مربع - حدود 2/81 درصد مساحت کل کشور - ، از لحاظ وسعت در بین استانهای کشور در رتبه دهم قرار دارد. این استان در جنوب خود با استان زنجان همجوار است و از ناحیه غربی و جنوب غربی با آذربایجانغربی همجوار میباشد که بخش عمدهای از مرز مشترک آنها را دریاچه ارومیه تشکیل داده است.
آب و هوای آذربایجانشرقی به طور کلی سرد و خشک است ولی به علت توپوگرافیکی از اقلیمهای متفاوتی برخوردار است. این استان همواره تحت تاثیر بادهای سرد شمالی و سیبری و بادهای مرطوب دریای سیاه و مدیترانه و اقیانوس اطلس قرار گرفته است. همچنین بادهای محلی نیز تحت تاثیر شرایط طبیعی استان از سوی کوهستانهای بلند و دریاچه ارومیه و خزر به سوی دشتها و جلگهها میوزند. آذربایجان شرقی یک منطقه سردسیر و کوهستانی است و از لحاظ تقسیمبندی اقلیمی جزو مناطق نیمهخشک به حساب میآید. به نقل از سایت سازمان هواشناسی کشور، میانگین بارندگی سالیانه در این استان 250 الی 300 میلیمتر میباشد.
-2-2 دادههای مورد استفاده
در این تحقیق از دو سری داده استفاده شده است: دادههای بارش ماهانه ایستگاه سینوپتیک تبریز و دادههای متوسط ماهانه SST گسترههای آبی دریاهای سیاه، سرخ و مدیترانه. مبنای انتخاب ایستگاه تبریز برای اخذ دادههای بارش، داشتن آمار طولانی و بلند مدت نسبت به سایر ایستگاههای استان آذربایجانشرقی بود که دادههای بارش این ایستگاه برای سالهای 1951 تا 2010، از سایت سازمان هواشناسی تهیه گردید. در این دوره حداکثر و حداقل بارش سالانه مربوط به سالهای1963 و 1990 میباشد که به ترتیب برابر 547/5 و 148 میلیمتر بودند. میانگین سالانه بارندگی ایستگاه تبریز در این دوره 55 ساله فوق282 میلیمتر گزارش شده است. با توجه به آمار ماهانه بارندگی 60 ساله فوق و بدون آمار مفقوده، در کل از 720 رکورد داده استفاده شد.
برای انجام این مطالعه، علاوه بر دادههای بارش، دادههای دمای سطح آب دریاهای سیاه، مدیترانه و سرخ نیز ضروری بود و از اینروی دادههای مربوط به دمای سطح آب پهنههای آبی فوق برای دوره 60 ساله 1951 تا 2010 از پایگاه اینترنتی سازمان مدیریت اقیانوسی و اتمسفری ایالات متحده آمریکا و نیز سایت NOAA دریافت گردید. در این پژوهش دمای سطح آب پهنههای آبی فوق به عنوان مرجعی جهت بررسی بارش منظقه مورد استفاده قرار گرفت.
دمای سطح هنگامی میتواند به عنوان مرجع مناسب انتخاب گردد که دارای تغییرات مکانی و زمانی اندک باشد و هر قدر این ثبات بیشتر باشد، میزان اعتماد به نتایج حاصل نیز بالاتر خواهد رفت. این ثبات و پایداری در دمای سطح هریک از پهنههای آبی ذکر شده، مشاهده گردید. دادههای مربوط به SST هریک از پهنههای آبی در تعدادی نقاط ارائه شده بود که در این تحقیق، میانگین SST گرههای واقع در هر گستره آبی به عنوان متوسط SST سطح کل آن گستره در نظر گرفته شد.
-2-3 روش تحلیل دادهها
پیشرفتهای بهوجود آمده در جمعآوری دادهها و قابلیتهای ذخیرهسازی در طی دهههای اخیر باعث شده در بسیاری از علوم با حجم بزرگی از اطلاعات روبرو شویم. دادهکاوی کوششی برای بدست آوردن اطلاعات مفید از میان این دادههاست و رشد بیرویه دادهها در سطح جهان اهمیت داده-کاوی را دو چندان کردهاست.[11]
محققان در زمینههای مختلف مانند مهندسی، اقتصاد، ستاره شناسی، زیست شناسی و ... هر روز با مشاهدات بیشتر و بیشتری روبرو میشوند. در مقایسه با بسترهای دادهای قدیمی و کوچکتر، بسترهای دادهای امروزی چالشهای جدیدی در تحلیل دادهها به وجود آوردهاند. روشهای سنتی به دو دلیل، امروزه کارایی خود را از دست دادهاند. علت اول افزایش تعداد مشاهدات است و علت دوم که از اهمیت بالایی برخوردار است، افزایش تعداد متغیرهای مربوط به یک مشاهده میباشد.
هدف اصلی از دادهکاوی، کشف دانش - Knowledge Discovery - در محیط مورد بررسی است. این دانش میتواند شکلهای گوناگونی داشته باشد. دانش استخراج شده میتواند به فرم الگوهای موجود در دادهها باشد که کشف این الگوها منجر به شناخت بهتر سیستم نیز میشود. تکنیک-های متنوعی در دادهکاوی وجود دارند که الگوهای مختلفی را تولید میکنند. روشهای کشف قوانین انجمنی، طبقهبندی دادهها و خوشهبندی از عمدهترین راهکارهایی محسوب میشوند که به تولید الگوهای خاص میپردازند.
طی سالهای گذشته در میان تکنیکهای دادهکاوی توجه خاصی به الگوریتمهای کشف الگوهای مکرر وجود داشته است. همانطور که از نام این الگوریتمها مشخص است، به دنبال الگوهایی هستیم که به دفعات در مجموعه دادهها دیده میشوند. در این میان به الگوریتمهای کشف مجموعه اقلام مکرر - - Frequent Itemsets Mining بیشتر پرداخته شده است که در نهایت به تولید قوانین انجمنی منجر میشود. در قوانین انجمنی وابستگیهای مهم میان اقلام موجود در پایگاه داده تراکنشی، مشخص میشوند به نحوی که حضور بعضی اقلام در تراکنشها بر حضور برخی اقلام دیگر در همان تراکنشها دلالت دارد.[11]
یک قانون انجمنی که در این بررسی از آن به عنوان روش تحلیل بهره برده شده است، با عبارت X Yبیان میشود که در آنXو Yمجموعه اقلام غیرتهی هستند که هیچگونه اشتراکی ندارند . - X Y=Ø - پارامتر X نشانگر رویداد پیشین و پارامتر Yرویداد پیآیند میباشد. هدف از قانون انجمنی یافتن تعداد فراوانیها در مجموعه سریها یا پایگاه داده است که رویدادهای پیشین و پیآیند باهم اتفاق افتند.
