مهدی قمقامی - University of Tehran
نوذر قهرمان - University of Tehran
جواد بذر افشان - University of Tehran

مدل­سازی چندمکانی بارش یکی از زمینه­های مهم در علوم طبیعی است و مدل­های مختلف آماری برای این مهم توسعه یافته­اند که نگرشی فضایی به مدل­سازی و شبیه­سازی بارش روزانه دارند. مدل مارکف پنهان یکی از انواع مدل­های چندمکانی بارش روزانه است که علاوه بر شبیه­سازی بارش روزانه، به بررسی توزیع فضایی و زمانی الگوهای وقوع بارش نیز می­پردازد. در مطالعه حاضر با بکارگیری مدل مارکف پنهان، اقدام به مدل­سازی بارش زمستانه (ژانویه تا آوریل) براساس داده­های ۱۳۰ ایستگاه باران­سنجی در گستره ایران شده است. طول دوره آماری داده­های بارندگی روزانه ۲۱ سال (۲۰۱۰-۱۹۹۰) می­باشد. هدف این تحقیق، دستیابی به توزیع فضایی و زمانی الگوهای جوی و شبیه­سازی تصادفی وقوع و مقدار بارش به­طور همزمان است. نیل به این اهداف با بکارگیری الگوریتم­های مختلف حل مسائل مدل مارکف پنهان شامل الگوریتم برآورد پارامتر بیشینه­سازی امید (EM) و الگوریتم رمزگشایی ویتربی و یک الگوریتم شبیه­سازی که با تبدیل احتمالاتی همراه است، میسر است. انتظار می­رود که الگوهای جوی مستخرج از مدل مارکف پنهان، منطبق بر الگوهای سینوپتیکی باشند که براین اساس ۸ الگوی مختلف جوی به­عنوان مجموعه متناهی حالات پنهان به­دست آمدند و هرکدام گویای الگوی خاص سینوپتیکی هستند. فراوان­ترین الگوی توزیع بارندگی مستخرج از مدل مارکف پنهان، الگوی خشک (شرایط پایدار) بوده که طی آن احتمال وقوع بارش در اکثر ایستگاه­های کشور پایین است. این الگو دارای بیشترین احتمال آغازین معادل ۴۲۹/۰ و بیشترین احتمال انتقال مارکفی از حالت مشابه معادل ۶۳۷/۰ می­باشد. همچنین، شبیه­سازی چندمکانی بارش زمستانه نیز با حفظ آماره­های اساسی شامل میانگین و انحراف معیارهای مجموع فصلی ایستگاه­ها، مقدار صدک­های مختلف هر ایستگاه و وابستگی­های فضایی وقوع و عدم وقوع بارش، دارای نتایج قابل­ قبولی است که در مجموع بکارگیری این رهیافت، سودمند ارزیابی شده است.

Hidden Markov Model, Winter rainfall, Spatial patterns, Simulation, مدل مارکف پنهان, بارش زمستانه, الگوی فضایی, شبیه سازی