بخشی از مقاله
چکیده
پیشبینی نوسانات تراز آب دریا نکته کلیدي در برنامهریزي و مدیریت بهینه دریا و از جمله حفاظت مناطق ساحلی است. بر این پایه دستیابی به روشهاي مطمئن پیشبینی تراز به عنوان ابزاري بسیار کارآمد در مدیریت جامع دریا از اهمیت روزافزونی برخوردار است از سوي دیگر استفاده از روشهاي استوکستیک جهت تحلیل سريهاي زمانی در پیشبینی بسیار مناسب ارزیابی گردیده است.
در این پژوهش دادههاي اندازهگیري شده ماهانه تراز آب دریاي خزر در دو ایستگاه ترازسنجی بندر انزلی و بندر نوشهر به ترتیب به مدت 40 سال و 14 سال در حوزه خزر جنوبی مورد استفاده قرار گرفت و سپس با استفاده از آزمون ناپارامتري من-کندال جهت ارزیابی وجود یا عدم وجود روند در دادهها، روشهاي مختلف پیشبینی و مدل-سازي در سريهاي زمانی شامل مدلهاي مختلف خود همبسته با میانگین متحرك تفاضلی - ARIMA - و آریماي مکثر - SARIMA - توصیه شده در روش باکس و جنکینز بر دادهها برازش داده شد.
در ادامه عملکرد مدلهاي بکار رفته و دقت هر روش در پیشبینی مقادیر آتی تراز دریا توسط معیار اطلاعاتی آکاییکه - AIC - جهت تعیین بهترین مدل سري زمانی بکار گرفته شد. نتایج این پژوهش در ایستگاههاي ترازسنجی نشان داد که در زمینه مدلسازي و پیشبینی مقادیر آینده سري زمانی تراز ایستگاه نوشهر، الگوي آریماي مکثر با مرتبههاي بالاتر دقت بهتري دارند در حالیکه در سري زمانی دادههاي ایستگاه انزلی، مراتب پایینتر این الگو موفقتر هستند.
.1 مقدمه
تراز آب دریاي خزر به عنوان بزرگترین پهنه آبی بسته دنیادائماً در حال نوسان است و نوسانات آن، اثرات متفاوت، مخرب و بعضا مفیدي بر کشورهاي مجاور داشته است. نوسانات سطح آب خزر، اثرات عظیم اقتصادي، اجتماعی، سیاسی، زیست محیطی برکشورهاي اطراف خود دارد
در سالهاي اخیر یکی از مشکلات ملی مرتبط با نوسانهاي تراز آب خزر، تاثیرات مخرب آن بر تاسیسات نیروي دریایی، بندري و شیلات، صنایع کشتیرانی، حملونقل، نیروگاه نکاء، نواحی مسکونی و نیز صدمات جبران ناپذیر زیست محیطی بوده است
در سال هاي 1977 تا 1995 میلادي، بالاآمدگی شدید سطح آب دریاي خزر سبب نگرانی ساحل نشینان شد. این امر موجب تخریب منازل مسکونی، تجاري، اداري و به زیر آب رفتن زمینهاي مزروعی و تهدید تعداد زیادي از شهرهاي ساحلی و به خصوص از نظر تصفیه فاضلاب شهر و بالاآمدگی سفره آب زیرزمینی گردید که خود پیامدهاي بهداشتی و عمرانی شهرها و روستاها را در پی داشت[3] لذا به منظورکنترل آثار تخریبی دریا و ارائه راهکارهاي مناسب ضرورت دارد که ضمن بررسی ودیدبانی نوسانات تراز آب، پیشبینی و تخمینی مناسب نسبت به آینده تحولات تراز آب دریا وجود داشته باشد.از سوي دیگر قدرت پیش بینی تراز آب دریا در طراحی مدلهاي هواشناسی و نیز حفظ سواحل کمک می کند
امروزه تجزیه و تحلیل سريهاي زمانی1 به طور وسیعی در بسیاري از شاخههاي مهندسی، علوم فیزیک و اقتصاد مورد استفاده قرار میگیرد و میتوان گفت که بیشتر شاخههاي علوم منجر به مطالعه دادههایی میشوند که به شکل سريهاي زمانی رخ می دهند[5] و اساس بسیاري از تصمیمگیريها در فرآیندهاي هیدرولوژیکی و تصمیمات بهره برداري از منابع آب بر پایه پیشبینی و تحلیل سريهاي زمانی می باشد
تحلیل سريهاي زمانی معمولاً دو هدف را دنبال میکنند، ابتدا درك یا مدلکردن مکانیسم تصادفی که منجر به مشاهده سري میشود و دوم پیش بینی مقادیر آینده سري که بر مبناي گذشته آن صورت میگیرد.[7] کاربرد سريهاي زمانی در هیدرولوژي از چهار دهه پیش آغاز شده و با ارائه مدلهاي باکس و جنکینز2 به اوج خود رسید.[8] با این حال استفاده از این روش در مطالعات مربوط به خزر و بررسی نوسانات سطح آن کمتر مورد توجه قرارگرفته است.
پتاسیا و همکاران [9] براي پیش بینی پدیده آبی بسیار خطرناك آلتا در ونیز ایتالیا که به جاري شدن سیل شدید در اثر افزایش سطح تراز دریا میانجامد، از مدل آرماي غیر خطی3 استفاده کردند. نتایج آنها بطور رضایت بخشی نشان داد روش استفاده شده می تواند یک ابزار خوب براي پیش بینی و اهداف هشداردهی باشد.
دومنیکو و همکاران [10] با استفاده از داده-هاي ترازسنجی و مدل ARIMA4 در سالهاي 1992 تا 2001 به پیشبینی و مدلسازي تراز دریا در جزایرکوکوس - سواحل کاستاریکا در آمریکاي مرکزي - پرداختند. نیدیلزکی و کوزك [11] از مدلهاي ARMA5 براي آنالیز و برآورد سطح دریا استفاده کردند، نتایج آنها نشان داد مدل آرما از دقت بالایی براي مدل کردن نوسانات تراز دریا برخوردار است. از دیگر مطالعات در این زمینه میتوان به کازناو و همکاران[12]، مارکوس و همکاران[13]، اوکویه و ایگبونگو [14] اشاره کرد.
پیشبینی تراز آب با استفاده از مدلسازي سريهاي زمانی در حوزه دریاي خزر سابقه زیادي ندارد و شاید بتوان گفت که وزیري[1] جزء اولین کسانی بود که با بکارگیري مدلهاي مختلف آریما و استفاده از دادههاي ترازسنجی ایستگاه انزلی به بررسی و پیشبینی میانگین نوسانات تراز ماهانه سطح آب دریاي خزر در یک دوره هفت ساله - از ژوئن 1986 تا دسامبر - 1993 همت گمارد.
نتایج بررسی وي نشان داد پیش بینیهاي انجام شده توسط این مدل در مقایسه با ترازهاي ثبت شده در ایستگاهها از تطابق معقول و مطلوبی برخوردار است و بنابراین روش مذکور، ابزار مناسبی براي پیشبینی کوتاهمدت تراز آب میباشد.
ایمانی و همکاران[15] براساس دادههاي 15ساله - 1993- 2008 - ماهوارههاي6 تاپکس و جیسون-1 و به کمک مدل آریما با موفقیت به تجزیه و تحلیل و پیشبینی الگوي آنومالی تراز دریاي خزر پرداختند. آنها نشان دادند که مدل ARIMA - 1,1,0 - - 0,1,1 - نمایانگر یک مدل منطقی و مطلوب جهت توصیف و پیشبینی کوتاه مدت الگوي ناهنجاري هاي تراز آب در دریاي خزر است.
مشایخ و همکاران[16] با استفاده از دادههاي حداکثر 10ساله تراز آب و با بکارگیري مدل-هاي AR7 و ARMA نوسانات تراز سواحل خزر جنوبی را مورد تحلیل قرار دادند.
عزیزپور[17] با سريهاي زمانی حاصل از دادههاي ارتفاعسنجی ماهوارهاي - از سال 1992 تا - 2007 نوسانات سالیانه وکوتاه مدت تراز خزر را بررسی و پیشبینی کرد. هر چند بررسی نوسانات خزر با تکنیک مدلسازي سريهاي زمانی تاکنون به روشهاي مختلفی در این حوزه انجام گرفته است اما بررسی و تحلیل دادههاي ترازسنجی ایستگاههاي مهم ترازسنجی منطقه بطور همزمان و با یک آرشیو زمانی بلندمدت و ارایه یک مدل مطلوب براي پیشبینی مقادیر آتی آن جنبه تازهاي را بوجود میآورد که تحقیق حاضر تلاش دارد به این مهم دست یابد.
.2مواد و روشها
حوزه مورد مطالعه در این پژوهش خزر جنوبی و داده هاي مورد استفاده از دو ایستگاه مهم ترازسنجی منطقه واقع در بندر انزلی و بندر نوشهر استخراج شده است. داده هاي مذکور به ترتیب شامل آرشیو 40 ساله تراز ماهانه از سال هاي 1975 الی 2014 میلادي و آرشیو 14 ساله از سال هاي 2001 الی 2014 میلادي از مرکز ملی مطالعات و تحقیقات دریاي خزر1 اخذ و مورد بازبینی قرار گرفت. جدول - 1 - مشخصات این ایستگاهها را نشان میدهد.
جدول - - 1 مشخصات ایستگاهها و دادههاي مورد مطالعه
در اغلب روشهاي تخمین پارامترهاي آماري فرض بر این است که سري زمانی مورد مطالعه از توزیع نرمال پیروي میکند اما در اغلب مسایل واقعی این فرض صادق نیست[5] بنابراین لازم است سريهاي زمانی قبل از مدلسازي نرمال شوند از این رو در گام نخست دادههاي تراز از حیث نرمال بودن، با توجه به حجم بالاي نمونه ها توسط آزمون آماري کلموگروف اسمیرنوف2 در محیط نرم افزار SPSS مورد بررسی و تحلیل قرار داده شدند.
در گام بعدي از مجموع 40 سال داده موجود ایستگاه انزلی 12 سال انتهایی 144 - ماه داده - جهت ارزیابی مدل کنار گذاشته شد و 28 سال باقیمانده 336 - ماه داده - وارد مرحله آموزش و مدل سازي گردید. به همین ترتیب از مجموع 14 سال داده ایستگاه نوشهر، 4 سال 48 - ماه داده - براي اعتبار سنجی مدل و 10 سال 120 - ماه داده - جهت آموزش مدل در نظرگرفته شد.
قبل از وارد شدن به مرحله مدلسازي، سريهاي زمانی به منظور ارزیابی وجود یا عدم وجود روند3 بوسیله آزمون ناپارامتري من-کندال4 بررسی شدند. این آزمون که ابتدا توسط من - 1945 - ارائه و سپس توسط کندال - 1975 - توسعه یافت، جزو متداولترین روشهاي ناپارامتریک تحلیل روند سريهاي زمانی بهشمار میرود استفاده از این روش به دو دلیل توصیه می-شود: - 1 قابل کاربرد براي انواع دادههاي غیر نرمال، ناقص و فصلی است. - 2 داراي بیشترین توانایی ذاتی در تحلیل دادهها میباشد.
