بررسی تاثیر سیگنال های بزرگ مقیاس اقلیمی بر بارش فصلی حوزه آبخیز مهارلو-بختگان

پیش بینی فرایندهای آب و هوایی به ویژه پیش بینی بارندگی ابزار مناسبی در اختیار مدیران حوزه های گوناگون قرار می دهد تا با در نظر گرفتن این پیش بینی ها، سیاست های آینده را طراحی کنند. در این تحقیق بعد از انتخاب موثرترین شاخص های اقلیمی با روش تجزیه مولفه های اصلی (PCA)، تاثیر سیگنال های اقلیمی بزرگ مقیاس بر بارش فصلی حوزه آبخیز مهارلو-بختگان به صورت همزمان و با تاخیر توسط روش های آماری (ضریب همبستگی متقاطع و پیرسون) مورد بررسی قرار گرفت و با استفاده از مدل رگرسیون گام به گام اقدام به ارائه معادله رگرسیون برای پیش بینی بارش شد. نتایج نشان داد که در روش همبستگی متقاطع بین سری زمانی SPI (متغیر وابسته) در زمان (t) و سیگنال های اقلیمی (متغیر مستقل) در زمان (t-k) تنها شاخص SOI به صورت همزمان دارای ارتباط معنی داری با بارش است، در حالیکه بیشتر شاخص ها با تاخیر زمانی مختلف با شاخص بارندگی استاندارد معنادار شده اند. در بررسی فصل به فصل سیگنال ها با شاخص بارندگی استاندارد با استفاده از ضریب همبستگی پیرسون مشخص شد که سیگنال های اقلیمی فصل بهار و تابستان ارتباط معنی داری با SPI ندارند. طبق ضرایب تبیین (R2) و تاثیر رگرسیونی استاندارد (Beta) در مدل های رگرسیونی گام به گام مشخص شد که بررسی همزمان و با تاخیر فصل به فصل سیگنال ها (مثلا SPI فصل پاییز با شاخص های چهار فصل قبل) در روش همبستگی پیرسون نسبت به همبستگی متقاطع در زمان (t-k)، (که سیگنال های تمام فصول با هم نسبت به SPI تمام فصول تاخیر داده می شود) ارتباط بیشتری را با شاخص بارندگی استاندارد فصلی نشان می دهد.