آمار
| تعداد نشریات | 41 |
| تعداد شماره‌ها | 1,165 |
| تعداد مقالات | 14,274 |
| تعداد مشاهده مقاله | 49,662,823 |
| تعداد دریافت فایل اصل مقاله | 12,993,573 |
تحلیل بارش‌های روزانه هفتاد ساله شهر تبریز با استفاده از داده‌کاوی بصری | ||
| دانش آب و خاک | ||
| مقاله 8، دوره 33، شماره 3، مهر 1402، صفحه 125-142 اصل مقاله (1.57 MB) | ||
| شناسه دیجیتال (DOI): 10.22034/ws.2022.50698.2463 | ||
| نویسندگان | ||
محمدتقی ستاری   1؛ جواد وحدت2؛ سحر جاویدان 3
| ||
| 1دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
| 2دانش‌آموخته کارشناسی ارشد، گروه آمار، دانشکده ریاضی، دانشگاه تبریز | ||
| 3دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
| چکیده | ||
| بارش روزانه با داشتن خصوصیتی کاملاً تصادفی یکی از مؤلفه‌های اساسی چرخه آب بوده و دارای نقش مهمی در مدیریت منابع آب‌های سطحی و زیرزمینی به لحاظ کمی و کیفی است. عدم وجود داده‌های طولانی مدت و قابل اتکای بارش، شناسایی رفتار آن را پیچیده نموده است. در این مقاله سعی شده از طریق تعامل انسان و داده که با عنوان داده‌کاوی بصری یاد می‌شود، اقدام به شناسایی رفتار و الگوی بارش نمود. در این پژوهش برای شناسایی الگوهای بارش از داده‌های روزانه بارش و دمای ایستگاه سینوپتیک تبریز در بازه زمانی هفتاد و یک ساله اخیر (1400-1330) استفاده شد. نتایج به‌دست آمده حاکی از تغییر الگوی بارش‌ها در ۵ سال اخیر (1400-1396) بود. علیرغم این که در این پنج سال میزان بارش سالانه بالای میانگین 71 ساله بوده، ولی همچنان از دوره طلایی بارش در دهه 40 پایین‌تر است. نتایج نشان داد که شدت بارش‌های بهاره تبریز در دوره 1385 تا 1399 کاهش محسوسی داشته است. این در حالیست که در دهه‌های ۳۰ تا ۶۰ بارش‌های بهاره هم به لحاظ میزان بارش و هم شدت بارش بیشتر بوده، اما در دوره‌های بعدی از دهه 70 تا 90 هم از شدت بارش و هم از میزان بارش کاسته شده است. یافته‌ها نشان داد بیشتر بارش بهاره مربوط به سال 1360 به میزان mm 3/276 بوده که 26/73% از کل بارش آن سال را تشکیل می‌داد. همچنین رفتار دمایی در کل این مدت افزایش میانگین دما را نشان داد که تأییدی بر افزایش دمای کره زمین است. | ||
| کلیدواژه‌ها | ||
| الگوی بارش؛ بارش روزانه؛ داده‌کاوی بصری؛ رگرسیون؛ روند بارش | ||
| مراجع | ||
|
Arthi Rani B, Manikandan N and Maragatham N, 2014. Trend analysis of rainfall and frequency of rainy days over Coimbatore. MAUSAM Journal 65 (3): 379-384.
Asakereh H and Akbarzadeh Y, 2017. Simulation of temperature and precipitation changes of Tabriz Synoptic Station using statistical downscaling and canesm2 climate change model output. Journal of Geography and Environmental Hazards 21: 153-174. (In Persian with English abstract)
Daniel A, Christian P and Mike S, 2003. Visual data mining of large spatial data sets. Lecture Notes Computer Science 2822: 201-215.
Darand M and Ebrahimi B, 2019. Temporal-spatial analysis of changes in waiting time for rainfall in Kurdistan province. Journal of Water Resources Engineering 11: 17-30. (In Persian with English abstract)
Ferdosi F and Dinpashoh Y, 2019. Investigation of temporal distribution of daily rainfall using the normalized rainfall curves (NRC) (case study: Tabriz Station). Journal of Water and Soil Science 2)29(: 1-14. (In Persian with English abstract)
Garcia JRM, Monteiro AMV and Santos RDC, 2012. Visual data mining for identification of patterns and outliers in weather stations’ data. Pp. 245-252. International Conference on Intelligent Data Engineering and Automated Learning. 29-31 August, Natal, Brazil.
Gentilucci M, Barbieri M, Lee L and Zardi D, 2019. Analysis of rainfall trends and extreme precipitation in the middle adriatic side, marche region (Central Italy). Water 11 (9). doi:10.3390/w11091948.
Ghorbani MA, Mahmoud Alilou S, Javidan S and Raghavendra S, 2021. Assessment of spatio-temporal variability of rainfall and mean air temperature over Ardabil province, Iran. SN Applied Sciences 3 (728). https://doi.org/10.1007/s42452-021-04698-y.
Han J and Pei J, 2012. Data Mining Trends and Research Frontiers. Data Mining (3rd Edition) Pp. 585-631. https://doi.org/10.1016/B978-0-12-381479-1.00013-7.
Iranpour F and Zohreh Wandi H, 2019. Analysis of daily rainfall in Tabriz to study the probability of frequencies and the persistence of dry and wet days. Journal of Climate Research 36: 91-105. (In Persian with English abstract)
Jahanbakhsh S, Abtahi V, Ghorbani MA, Tadayoni M and Valayi A, 2015. Temporal and spatial distribution of rainfall in Tabriz county using hierarchical cluster analysis. Quarterly Journal of Geographical Space 50 (15): 59-81. (In Persian with English abstract)
Jana C, Sharma C, Alam N, Mishra PK, Dubey S and Kumar R, 2016. Trend analysis of rainfall and rainy days of Agra in Northern India. International Journal of Agricultural and Statistical Sciences 12 (1): 263-270.
Keim DA, 2002. Information visualization and visual data mining. IEEE Transactions on Visualization and Computer Graphics 8 (1): 1-8. doi: 10.1109/2945.981847.
Keim D and Ankerst M, 2005. Visual data mining techniques. Visualization Handbook. Pp. 831-843. https://doi.org/10.1016/B978-012387582-2/50045-9.
Kopanakis I, Pelekis N, Karanikas H and Mavroudkis T, 2005. Visual techniques for the interpretation of data mining outcomes. Pp. 25-35. Panhellenic Conference on Informatics. 11-13 November, Volas, Greece.
Ostertagova E, 2012. Modelling using polynomial regression. Procedia Engineering 48: 500-506.
Pawar P, Rawat U, Yadav A, Rajput A, Vasht D and Nema S, 2020. Long term trend analysis of rainfall, rainy days and drought for Sindh River Basin, Madhya Pradesh, India. International Journal of Current Microbiology and Applied Sciences 9 (12): 2738-2749.
Simoff SJ, Bohlen MH and Mazeika A, 2008. Visual Data Mining: An Introduction and Overview. Visual Data Mining. Lecture Notes in Computer Science, vol 4404. Springer, Berlin, Heidelberg. 1–12.
Vagh Y, 2012. The application of a visual data mining framework to determine soil, climate and land use relationships. Procedia Engineering 32: 299-306.
Ward M, Peng W and Wang X, 2004. Hierarchical visual data mining for large-scale data. Computational Statistics 19: 147-158.
Yacoub E and Tayfur G, 2020. Spatial and temporal of variation of meteorological drought and precipitation trend analysis over whole Mauritania. Journal of African Earth Sciences 163 (1): 1-12. https://doi.org/10.1016/j.jafrearsci.2020.103761.
| ||
|
آمار تعداد مشاهده مقاله: 168 تعداد دریافت فایل اصل مقاله: 67 |
||
