Persian
Language
Geographical Research is Published in Persian Fulltext.
دوره 32، شماره 1 - ( 1396 )
جلد 32 شماره 1 صفحات 75-64 |
برگشت به فهرست نسخه ها
نوع مقاله:
موضوع مقاله:
History
دریافت: 1395/10/7 | پذیرش: 1396/1/30 | انتشار: 1396/3/23
دریافت: 1395/10/7 | پذیرش: 1396/1/30 | انتشار: 1396/3/23
How to cite this article
Asadi M, Karami M. Representation of Temperature Variability in Fars Province Using Spatial Statistics. GeoRes 2017; 32 (1) :64-75
URL: http://georesearch.ir/article-1-103-fa.html
URL: http://georesearch.ir/article-1-103-fa.html
اسدی مهدی، کرمی مختار. بازنمایی تغییرپذیری دما در استان فارس با استفاده از آمار فضایی. فصل‌نامه تحقیقات جغرافیایی. 1396; 32 (1) :64-75
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rights and permissions
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
چکیده (4862 مشاهده)
به منظور شناسایی تغییرات مکانی و زمانی خودهمبستگی فضایی خوشههای دمایی استان فارس، ابتدا اقدام به تشکیل پایگاه داده‌های شبکه‌ای دمای بیشینه و کمینه استان فارس شده است. سپس از داده‌های پایگاه مزبور یک دوره آماری 33 ساله، در بازه زمانی روزانه از 1980/01/1 تا 2012/12/31 میلادی را مبنای مطالعه حاضر قرار داده و یاخته‌ای به ابعاد 18×18 کیلومتر بر منطقه مورد مطالعه گسترانیده شده است. به‌منظور دست‌یابی به تغییرات درون سالی خوشههای دمایی استان فارس از روش‌های نوین آمار فضایی از قبیل خودهمبستگی فضایی موران جهانی، شاخص انسلین محلی موران و لکه‌های داغ از امکانات محیطGIS بهره برده شد. نتایج حاصل از این مطالعه نشان داد که تغییرات زمانی و مکانی خوشه های دمایی استان فارس دارای الگوی خوشه‌ای بالا میباشد. در این بین بر اساس شاخص موران محلی و لکه داغ، خوشههای دمایی در جنوب، جنوبغرب و جنوبشرق استان دارای الگوی خودهمبستگی فضایی مثبت (خوشه های دمایی گرم) و بخش‌های شمال و شمالشرق دارای خودهمبستگی فضایی منفی (خوشههای دمایی سرد) بوده است. در طی دوره مطالعه بخش اعظمی از استان در بیشتر موارد تقریبا نیمی از کل مساحت استان هیچ‌گونه الگوی معنا‌داری یا خودهمبستگی فضایی نداشته است.
واژه‌های کلیدی:
فهرست منابع
1. طاوسی، تقی، رخشانی، زینب، فیروزی، فاطمه (1393)، تحلیل روند تغییرات بیشینه و کمینه دمای فصلی و سالانه استان فارس با استفاده از روش‌های ناپارامتری. مجله علمی و ترویجی نیوار، شماره 87-86 ، صص 39-29.
2. عزیزی، قاسم، روشنی، محمود (1387)، مطالعه تغییر اقلیم در سواحل جنوبی دریای خزر به روش من-کندال، پژوهش‌های جغرافیایی، شماره 64، صص 13-18.
3. علیجانی، بهلول، قویدل رحیمی، یوسف (1384)، مقایسه تغییرات دمای سالانه تبریز با ناهنجاری‌های دمایی کره زمین با استفاده از روش‌های رگرسیون خطی و شبکه عصبی، جغرافیا و توسعه، 6، صص 21-38.
4. محمدی، حسین (1390)،آب و هواشناسی شهری، انتشارات دانشگاه تهران، تهران.
5. مسعودیان، سید ابوالفضل (1384)، بررسی روند دمای ایران در نیم سده گذشته، پژوهش‌های جغرافیای، شماره 54، صص 45-29.
6. - Ageena, I., Macdonald, N., Morse, A. P. (2013), Variability of maximum and mean average temperature across Libya (1945–2009). Theoretical and Applied Climatology, pp.1-15.
7. - Anselin, L, Syabri I., Kho, Y. (2009), Geo Da: an introduction to spatial data analysis. In Fischer MM, Getis A (Eds) Handbook of applied spatial analysis. Springer, Berlin, Heidelberg and New York, pp. 73-89.
8. - Bajat, B., Blagojević, D., Kilibarda, M., Luković, J., Tošić, I. (2014), Spatial analysis of the temperature trends in Serbia during the period 1961–2010. Theoretical and Applied Climatology, pp.1-13.
9. - Ben-Gai, T., Bitan, A., Manes, A., Alpert, P., Rubin, S. (1999),Temporal and spatial trends of temperature patterns in Israel, Theoretical and Applied Climatology, 64, pp.163-177.
10. - Braganza, K., Karoly, D.J., Arblaster, J. M. (2004), Diurnal temperature range as an index of global climate change during the twentieth century, Geophysical Research Letters, 31, L13217.
11. - Charlton, M., Lu, B., Fotheringham, A. S. (2011), Geographically weighted regression using a non–euclidean distance metric with a study on london house price data. Procedia Environmental Sciences 7, pp.92–97.
12. - De Lucena, A. J., Rotunno Filho, O. C., de Almeida França, J. R., de Faria Peres, L., Xavier, L. N. R. (2013), Urban climate and clues of heat island events in the metropolitan area of Rio de Janeiro. Theoretical and applied climatology, 111(3-4), pp. 497-511.
13. - Del Río, S., Herrero, L., Pinto-Gomes, C., Penas, A. (2011), Spatial analysis of mean temperature trends in Spain over the period 1961–2006. Global and Planetary Change, 78(1), pp. 65-75.
14. - Getis, A., Aldstadt, J. (2004), Constructing the spatial weights matrix using a local statistic. Geogr Anal 36(2), pp. 90-104.
15. - Ghahraman, B. (2006), Time trend in the mean annual temperature of Iran. Turk J Agric For 30, pp. 439–448.
16. - Griffith, D. (1987), Spatial Autocorrelation: A Primer. Resource Publication in Geography, Association of American geographers.
17. - Hasanean, H.M. (2001), Fluctuation of surface air temperature in the eastern Mediterranean, Theoretical and Applied Climatology, 68, pp. 75-87.
18. - Illian, J., Penttinen, A., Stoyan, H., Stoyan, D. (2008), Statistical Analysis and Modelling of Spatial Point Patterns, John Wiley and Sons, Chichester, irrigation area, Australia, Progress in Natural Science, Vol. 19, Issue 12, pp.1773- 1779.
19. - Jacquez GM, Greiling DA. (2003), Local clustering in breast, lung and colorectal cancer in Long Island, New York. Int J. Health Geographic, 2:3.
20. - Jolliffe, I.T. A. Philipp, (2010), Some Recent Developments in Cluster Analysis, Physics and Chemistry of the Earth, Parts A/B/C, Vol. 35, Issues 9- 12, pp. 309- 315.
21. - Kaas, E., Frich, P. (1995), Diurnal temperature range and cloud cover in the Nordic countries: observed trends and estimates for the future, Atmospheric Research, 37, pp.211-228.
22. - Kendall, W. S. (1998), Perfect simulation for the area-interaction point process. In L. Accardi and C.C. Heyde, editors, Probability Towards 2000, Springer Lecture Notes in Statistics 128, pp.218–234.
23. - Kim, K.S. (1990), Industrialization process, employment and income distribution in Mexico, issues and strategies (Working Paper Number 131, January 1990).University of Notre Dame, The Helen Kellogg Institute for International Studies: https://kellogg.nd.edu/publications/workingpapers/WPS/131.pdf.
24. - -Kim, S., Singh, V. P. (2014), Modeling daily soil temperature using data-driven models and spatial distribution. Theoretical and Applied Climatology, pp. 1-15.
25. - Kousari M.R., Ekhtesasi M.R., Tazeh M., Saremi Naeini M.A., Asadi Zarch M.A., (2010), An investigation of the Iranian climatic changes by considering the precipitation, temperature, and relative humidity parameters, Theoretical and Applied Climatology, 103, pp.321-335. (in Persian).
26. - Kundzewicz, Z. C., Giannakopoulos, M., Schwarb, I., Stjernquist, M., Szwed, J. (2008), Palutikof, Impacts of climate extremes on activity sectors – stakeholders’ perspective, Theoretical and Applied Climatology, 93, pp. 117- 132.
27. - Lu, B., Charlton, M., Fotheringham, A. S. (2011), Geographically weighted regression using a non– euclidean distance metric with a study on London house price data, Procedia Environmental Sciences, 7, pp. 92–97.
28. - Lu, B., Charlton, M., Harris, P. (2014), Geographically weighted regression with a non–Euclidean distance metric: a case study using hedonic house price data. International Journal of Geographical Information Science 28(4), pp.660–681.
29. - Mitchell, A. (2005), The ESRI guide to GIS analysis, spatial measurements and statistics, ESRI, Redlands [CA].
30. - Moller, j. (2008), Handbook of Spatial Statistics, John Wiley and Sons, Chichester, pp. 37-45.
31. - Nemec, J., Gruber, C., Chimani, B., Auer, I. (2013), Trends in extreme temperature indices in Austria based on a new homogenised dataset. International Journal of Climatology, 33(6), pp.1538-1550.
32. - Razmi R., Balyani S., Mansouri Daneshvar, M.R. (2017), Geo-statistical modeling of mean annual rainfall over the Iran using ECMWF database. Spatial Information Research DOI: 10.1007/s41324-017-0097-3.
33. - Rogerson, P.A. (2006), Statistics Methods for Geographers: students Guide, SAGE Publicationsو Los Angeles, California.
34. - Smadi, M.M. (2006), Observed abrupt changes in minimum and maximum temperatures in Jordan in the 20th century, Am. J. Environ. Sci. 2 (3), pp.114–120.
35. - Smith, M. J., Goodchild, M. F., Longley, P. A. (2006), Geospatial analysis. Troubador, Leicester.
36. - Solow, A. R. (1987), testing for climate change: an application of the two-phase regression model, Journal of Climate and Applied Meteorology, 26, pp.1401-1405.
37. - Soltani, E., Soltani, A. (2008), Climatic change of Khorasan, North-East of Iran, during 1950–2004. Res. J. Environ. Sci. 2 (5), pp.316–322.
38. - Sun, W., Zhu, Y., Huang, S., Guo, C. (2015), Mapping the mean annual precipitation of China using local interpolation techniques. Theor Appl Climatol. 119, pp.171–180.
39. - Tabari, H., Marofi, S., Hosseinzadeh Talaee. (2011). Recent trends of mean maximum and minimum air temperatures in the western half of Iran, Meteorol Atmos Phys, 111, pp.121–131.
40. - Wheeler D, Paéz. (2009), Geographically Weighted Regression. In Fischer MM, Getis A (Eds) Handbook of applied spatial analysis. Springer, Berlin, Heidelberg and New York, pp.461-486.
41. - Wheeler D. (2007), A comparison of spatial clustering and cluster detection techniques for childhood leukemia incidence in Ohio, 1996-2003. Int J Health Geographics 6(1), pp.13.
42. - Zhang C, Luo L, Xu W, Ledwith V. (2008), Use of local Moran’s I and GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland. Sci Total Environ 398 (1-3), pp.212-221.
43. - Zhou, D. (2009), Climatic Regionalization Mapping of the Murrumbidgee irrigation area, Australia, Progress in Natural Science, Vol. 19, Issue 12, pp. 1773- 1779.
ارسال پیام به نویسنده مسئول