نویسندگان
1 استادیار گروه جغرافیا، دانشگاه حکیم سبزواری
2 دانشجوی کارشناسی آب و هواشناسی، دانشگاه حکیم سبزواری
3 دانشجوی دکتری اقلیم شناسی کشاورزی، دانشگاه حکیم سبزواری (نویسنده مسئول)
چکیده
شرایط اقلیمی هر محل در پراکندگی انسان، حیوان و گیاه نقش مهمی را ایفا می‌کند. لذا هرگونه فعالیت یا برنامه‌ریزی در زمینه‌های مختلف اقتصادی، کشاورزی و صنعتی در سطح زمین بدون شناخت اقلیم امکان‌پذیر نمی‌باشد، به همین دلیل پهنه بندی اقلیمی و شناخت مهمترین عوامل و عناصر تأثیرگذار بر هر ناحیه، یکی از راه‌های شناخت شناسنامه‌ی اقلیمی نواحی است. فقدان اطلاع از خرده اقلیم‌های نواحی، برنامه‌ریزی‌های اقتصادی و کشاورزی انسان را با شکست مواجه می‌سازد. به طور کلی اقلیم یک منطقه، متوسط وضعیت هوا در آن منطقه است و دسترسی به متوسط وضعیت هوا در یک مکان خاص، نیازمند آمار و اطلاعات درازمدت هواشناسی است. برای دریافت شناخت صحیح و جامع از اقلیم استان همدان، پهنه‌بندی اقلیمی با روش‌های نوین آماری مانند تحلیل عاملی و تحلیل خوشه‌ای طی دوره 20 ساله (1372- 1392) انجام شد. برای این منظور تعداد 23 متغیر اقلیمی از 8 ایستگاه هواشناسی انتخاب گردید. سپس با استفاده از مدل رقومی ارتفاع، بین پارامترهای هواشناسی و لایه مزبور یک رابطه رگرسیونی چند متغیره اعمال گردید که در نهایت یک ماتریس پهنه‌ای به ابعاد 23 ×88 به دست آمد و مبنای ناحیه بندی قرارگرفت. بررسی اقلیم استان با روش تحلیل عاملی نشان می‌دهد که اقلیم استان ساخته ی 5 عامل است، این عوامل به ترتیب اهمیت عبارتند از: دما و تغییرپذیری آن، دیدافقی، بارش، تندر و تابش. نتایج حاصل از تحلیل خوشه‌ای بر روی 5 عامل اقلیمی، وجود 6 ناحیه را در استان همداننشان می‌دهد. یافته‌ها حاکی از آن است که عوامل اول و دوم به تنهایی 63 درصد رفتار اقلیمی را در استان تبیین می‌نمایند.
کلیدواژه‌ها
عنوان مقاله [English]
Investigating the role of irregularities in the formation of regions and sub-regions of Hamadan Province
نویسندگان [English]
- Mohammad Baaghideh 1
- Gholamabbas Fallah Ghalhari 1
- Hasan Hajimohammadi 2
- hasan rezaei 3
1 Assistant professor, Department of geography and environmental sciences, Hakim Sabzevari University
2 Master student climatology agriculture, Hakim Sabzevari University
3 Ph.D student climatology agriculture, Hakim Sabzevari University
چکیده [English]
Extended Abstract
Introduction
The climatic conditions of each site play an important role in the dispersion of humans, animals and plants. Therefore, any activity or planning in different economic, agricultural and industrial fields at the ground level is not feasible without the knowledge of the climate. For this reason, climatic zoning and recognition of the most important factors and factors affecting each area is one of the ways of recognizing the climatic identity of the area. Lack of knowledge of the sub-regions of the country fails to meet the economic and agricultural plans of mankind. In general, the climate of a region is the average of the weather conditions in the region. Access to the average weather conditions in a specific location requires long-term weather information.
Data and Methods
In order to obtain the correct and comprehensive knowledge of the climate of Hamedan province, climatic zoning was performed with new statistical methods such as factor analysis and cluster analysis during the 20 years period (1993-2013). For this purpose, 23 variables were selected from 8 meteorological stations. Then, using a digital elevation model, a multivariable regression was applied between the meteorological parameters and the digital elevation model. Finally, a zonal matrix with a dimension of 23 × 88 was obtained. Since the aim of this research was the climate zone of Hamadan province based on altitude, a digital elevation layer (DEM) was used with a resolution of 90 meters. In the following, for climatic zoning, a regression relationship was made between climate parameters and length, width and height of the area. To identify the climatic sub-regions of Hamedan province, the raster data obtained from the zoning were converted to point data. Then, based on the analysis of the main components, the points were analyzed by clustering method and the dominant factors were identified. In this research, the resolution of each of the pixel was 15 × 15 km and a matrix with dimensions of 23 × 88 was developed. Finally, this matrix was clustered into the MATLAB software using the Wardclustering method.
Results and discussion
By studying 23 climatic elements, 5 climatic factors were identified and their maps were drawn. These factors include temperature, visibility, rainfall, thunder storm and radiation. Among these factors, the first factor with 37% of the variance of the total data has the most important role in determining the climate diversity of the province. This factor is most commonly observed in the South and Southwest of the province and with moving to the North and Northeast of the province, this factor is severely reduced.
Conclusion
According to the dendrogram, 6 climatic regions were identified and the characteristics of each separate area were investigated.
کلیدواژه‌ها [English]
- Climatic Zoning
- Hamedan Province
- Factor analysis
- cluster analysis
- Digital elevation model
- ترابی، جهانبخش؛ سیما، سعید؛ 1383، تعیین متغیرهای زمینه‌ای در طبقه‌بندی اقلیمی ایران،فصلنامه تحقیقات جغرافیایی، شماره 72 ، صص 165-150.
- خسروی، آرمش؛ محمود، محسن، 1391، پهنه بندی اقلیمی استان مرکزی با استفاده از تحلیل عاملی - خوشه‌ای ، فصلنامه جغرافیا و برنامه ریزی محیطی، سال 23 ، پیاپی 46 ، شماره 2، تابستان 1391، صص 87-100.
- زابل عباسی، پوراصغریان، سی‌سی‌پور؛ فاطمه، آرزو، مرضیه ،1385، طبقه بندی اقلیمی استان هرمزگان، مجله نیوار.
- زارع ابیانه، بیات ورکشی، یزدانی؛ حمید، مریم، وحید؛ 1389، تحلیل روند تغییرات سالانه و فصلی دما، بارش و خشکسالی‌های استان همدان، فصلنامه مهندسی آبیاری وآب، سال اول، شماره 3، بهار 139،47-58.
- سلیقه، اسمعیل‌نژاد؛ محمد، مرتضی؛ 1387، پهنه بندی اقلیمی استان سیستان و بلوچستان ،مجله ی جغرافیا و توسعه، شماره 12، صص 110-116.
- سایت سازمان هواشناسی کشور؛ 1393، داده‌های ایستگاه‌های سینوپتیک کشور :httpwww.weather.ir .
- عباس نیا، محسن؛ 1389، پهنه بندی اقلیمی استان خراسان جنوبی با استفاده از شیوه‌های نوین آماری، پایان نامه تحصیلی کارشناسی ارشد، دانشگاه تربیت معلم سبزوار.
- غیور، منتظری؛ حسنعلی، مجید؛ 1383، پهنه بندی رژیم دمایی ایران با مؤلفه‌های مبنا و تحلیل خوشه ای، مجله ی جغرافیا و توسعه، شماره 4، صص 32-26.
- کاویانی، علیجانی؛ محمدرضا، بهلول؛ 1378 ، مبانی آب و هواشناسی، چاپ ششم، انتشارات سمت، تهران.
- گرامی مطلق، شبانکاری؛ علیرضا، مهران؛ 1385، پهنه بندی اقلیمی استان بوشهر، مجله ی پژوهشی دانشگاه اصفهان (علوم انسانی)، شماره 1. صص 210-187.
- قاسمی فر، ناصرپور؛ الهام، سمیه؛ 1389، پهنه بندی اقلیمی زاگرس. نشریه سپهر. دوره بیست و سوم، شماره هشتاد و نهم.صص 54-60.
- مسعودیان، سیدابوالفضل؛ 1382، شناسایی رژیم بارش ایران به روش تحلیل خوشه ای، مجله جغرافیا و توسعه، پاییز و زمستان، صص171-184.
- مسعودیان، سیدابوالفضل؛ 1384، شناسائی رژیم‌های بارش ایران به روش تحلیل خوشه ای، مجله پژوهش‌های جغرافیایی، دانشگاه اصفهان، تابستان 1384 ، صص 21-33.
- موحدی، ایرانپور؛ سیدسعید، فخرالدین؛ 1391، ارزیابی آسایش اقلیم در گردشگری استان همدان به روش TCI، اولین همایش ملی گردشگری و طبیعت گردی ایران زمین، همدان، دانشگاه آزاد اسلامی واحد همدان، شرکت هم اندیشان محیط زیست فردا.صص 1-16.
- منتظری، مجید، 1394، بررسی نقش ناهمواری‌ها در شکل گیری خرده نواحی اقلیمی استان کهگیلویه و بویراحمد. نشریه جغرافیا و توسعه، شماره 40.صص 1-18.
- منتظری، کریم‌پور؛ مجید، مریم؛1390، شناسایی پهنه‌های اقلیمی حوضه زاینده رود با استفاده از روش‌های آماری چند متغیره، فصل نامه جغرافیای طبیعی، سال چهارم، شماره 14، زمستان 1390، صص103-116.
- نگارش، ویسی؛ حسین، جلیل؛ 1392، تجزیه و تحلیل اثرات تغییرات بارش در سیل خیزی حوضه آبریز رودخانه راوند) منطقه اسلام‌آباد غرب استان کرمانشاه، فصلنامه برنامه‌ریزی منطقه‌ای، سال سوم، شماره 11، مرودشت، صص 79-98.
- نظری پور، دوستکامیان، اسدی، بیات؛ حمید، مهدی، آرزو، علی؛ 1393، ناحیه بندی اقلیمی جنوب و جنوب غرب ایران با رویکرد برنامه‌ریزی منطقه‌ای، فصلنامه برنامه‌ریزی منطقه‌ای، سال چهارم، شماره 15، پاییز 1393. صص119-132.
19. Alhamed, A., S. and D. J. Stensrud, 2003, “Cluster analysis of multimodel ensemble data fromSAMEX”, Mon. Wea. Rev., 130,226-256.
20. Baldwin, M. E., and S. Lakshmivarham. 2002, “Rainfall classification using histogram analysis: An example of data mining in meteorology”, Technical Report, School of Computer Science,University of Oklahoma, Norman, Ok, 11, 10861-10872.
21. Bagheri, M., Moradian, K., and Masoumeh. Sadat Tabatabaei, F, 2015, Climatic Zoning of West by Multivariate Statistical Methods. Journal of Science and Today’s World. 2015, volume 4, issue 6, pages:181-188.
22. Bravo Cabrera, J. L., Azpra Romero, E., Zarraluqui Such, V., Gay García, C., Estrada Porrúa F. ,2012, Cluster analysis for validated climatology stations using precipitation in Mexico, Atmósfera 25(4), 339-354.
23. Harding A E., Gachon, P., Nguyen, V.-T.-VN. ,2010, Replication of atmospheric oscillations, and their patterns, in predictors derived from Atmosphere–Ocean Global Climate Model output. International Journal of Climatology, Vol31. 1841-1847.
24. Heise B, B. Bobertz, , J. Harff.,2010, Classification of the Pearl River Estuary via Principal ComponentAnalysis and Regionalization, Journal of Coastal Research, pp.769-779.
25. Jakson, I. j., and Weinand, H. ,1995, “Classification of tropical rainfall station: A comparison of clustering Techniques”, Int. J. Climatol. 15, 985-994.
26. Judit Bart holy and Rita Pongrácz, 2006, ‘Regional analysis of extreme temperature andprecipitation indices for the Carpathian Basin from 1946 to 2001”, Global and planetary change, doi:10. 1016 .
27. Lobell, D B., Bonfils C.,2008, The Effect of Irrigation on Regional Temperatures: A Spatial and Temporal Analysis of Trends in California, 1934–2002, Journal Of Climate,Vol 21, 2063–2071
28. Stull, R. ,2000, “Meteorology for Scientists and Engineers”, Brooks/Cole, Second Edition.
29. Tosic, I and Unkasevic, M. 2005. Analysis of precipitation series for Belgrade, Theor, Appl, Climatol., 80 (67-77).
30. Yunus, F.,2011, Delineation of Climate Divisions for Peninsular Malaysia, Geospatial World Forum, Dimensions and Directions of Geospatial Industry, Hyderabad, India. Pp.1-16.
)