طراحي مدل پيش بيني تغييرات اقليم در شهر اهواز

Designing a Climate Change Forecasting Model in Ahwaz City

اكبريان سمانه Akbarian Samaneh

علوي كامليا Alavi Camelia

شاكر ايمان Shaker Iman , مهدوي سيد آصف Mahdavi Seyyed Asef

كشاورزي و منابع طبيعي

علوم و مهندسي محيط زيست

135ص

تغيير اقليم , سري زماني , مدل‌سازي و پيش‌بيني , آريما , شهر اهواز

Climate change , Time series , Forecasting and modeling , ARIMA , Ahvaz city

تغيير اقليم يكي از مهم‌ترين مسائل زيست¬محيطي مي¬باشد كه امروزه توجه بسياري از محافل را به خود جلب كرده است. به منظور بررسي و پيش¬بيني تغييرات اقليمي، بررسي تعدادي عناصر اقليمي مانند دما و بارش اولويت بيشتري نسبت به ساير عناصر دارند. در اين پژوهش نيز با استفاده از عناصر اقليمي دما و بارش در يك دوره¬ي 37 ساله (1396-1360) براي ايستگاه سينوپتيك اهواز، با استفاده از روش سري زماني تك متغيره به مدل‌سازي و پيش¬بيني تغيير اقليم براي 10 سال آينده پرداخته شده است. به منظور بررسي داده¬هاي دما و بارش از نظر همگني، وجود روند بلندمدت وجهش از آزمون‌هاي توالي و بارتلت، من-كندال و آزمون F استفاده گرديد. همگني داده¬هاي دما بر اساس آزمون بارتلت و داده¬هاي بارش نيز بر اساس آزمون توالي همگن مي¬باشند. در بررسي روند بلندمدت در سري¬هاي بارش و دماي سالانه اهواز روند معني‌داري مشاهده نشده است ولي در سري‌هاي ماهانه روند افزايشي كندي قابل مشاهده مي‌باشد. در بررسي جهشي نيز در هيچ‌كدام از سري¬ها جهشي مشاهده نشد. بعد از اين مرحله براي يافتن مدل تغييرات و پيش¬بيني رفتار سري زماني از مدل پيش¬بيني باكس- جنكينز (ARIMA) استفاده شد كه براي دماي سالانه و ماهانه، مدل¬هاي ARIMA(1,2,1) و SARIMA(1,0,1)(1,1,2) و براي داده¬هاي بارش سالانه و ماهانه مدل ARIMA(1,0,1) و SARIMA(1,0,2)(0,1,1) مناسب¬ترين مدل شناخته شدند و نتايج آزمون¬هاي Box-Pierce و آماره Chi-Square statistic نشاندهنده¬ي مناسب بودن مدل¬هاي انتخابي مي¬باشد. آنچه نتايج نشان مي¬دهد مقدار تغييرات دماي سالانه تقريباً نزديك به صفر مي¬باشد؛ اما تغييرات دماي ماهانه به جز ماه جولاي افزايشي پيش¬بيني شده است. افزايش دما بسيار ناچيز و تقريباً نزديك به صفر است. طبق نتايج پيش-بيني، بارش سالانه كاهش داشته در حالي¬كه بارش ماهانه در سال 2018 در تمامي ماه¬ها به جز فوريه افزايش مي¬يابد. ميزان همبستگي مقادير پيش¬بيني شده با مقادير واقعي نشان¬دهنده¬ي برازش خوب پيش‌بيني انجام گرفته مي¬باشد؛ بنابراين طبق نتايج حاصل تغيير اقليم در شهر اهواز محسوس نبوده است.

Climate change is one of the most important environmental issues that have attracted the attention of many academic circles today. In order to investigate and forecasting climate changes, studying number of climatic elements, such as temperature and rainfall, has higher priority than other elements. In this research, by using temperature and rainfall climatic elements in a 37-year period (1981-2017) for Ahwaz synoptic station and using univariate time series method, modeling and forecasting climate change has been down for 10 next year. In the first stage the temperature and rainfall data were analyzed about homogeneity, the existence of a long-term trend and the jump with using the Sequence and Bartlett test, Mann-Kendall test, and the F-test. The homogeneity of temperature data was determined based on the Bartlett test and rainfall data based on Sequence analysis. No significant trend has been observed in the long-term trend in the annual rainfall series and Ahwaz annual temperature, but there is a slight increase in the monthly series also here is no mutagenicity in any of the series in the jump examination. After this step, for finding change model and time series behavior forecasting the Box-Jenkins forecasting model (ARIMA) is used that for annual and monthly temperatures, ARIMA (1,2,1) and SARIMA (1,0,1) (1,1,2), for monthly and annual rainfall data ARIMA (1,0,1) and SARIMA (1,0,2) (0,1,1) models, were known as the most appropriate model and the results of Box-Pierce and Chi-Square statistic tests indicates the suitability of the selected model. Results show that annual temperature change is near zero but monthly temperature changes are expected to increase, except in July. The temperature increase is very insignificant and almost near zero. According to forecasting results, annual rainfall has decreased, while monthly rainfall in 2018 is rising in all months except February. The correlation of predicted values with actual values indicates the good fit in forecasting. Therefore, according to the results, climate change has not occurred in Ahvaz.

3/6/2018 12:00:00 AM

61

ESE6

خانم فتوحي