چکیده:
با توجه به خشکسالیهای سالهای اخیر و تاثیر آن بر برنامه ریزی و بخشهای مختلف اقتصادی ، کشاورزی و... نیاز به پیش بینی و استفاده از مدلهای مختلف جهت برنامه ریزی دقیق تر لازم به نظر می رسد. مدل زنجیره مارکف روی استان خراسان مورد بررسی قرار گرفت و چهار ایستگاه مشهد، تربت حیدریه ، بجنورد و بیرجند انتخاب شد. این مدل پیشامدهایی که به پیشامدهای قبلی وابسته اندومستقل نمی باشند را مورد بررسی قرار می دهد در این تحقیق احتمال وقوع پیشامدهای متوالی روزهای خشک و تر (آستانه تری ٠/١ میلیمتر) و روزهای سرد (زیر صفر درجه سانتیگراد) و روزهای گرم ( بالای ٢٥ درجه سانتیگراد) موردبررسی قرار گرفته است . نهایتا توسط مدل زنجیرة مارکف مرتبه اول مورد تجزیه و تحلیل قرار گرفته و جهت پیش بینی دورههای ١ تا ١٠ روزه از توزیع آماری q× ١-Xn=pn استفاده شده است و مقادیر احتمال های پیش بینی بصورت نقشه های هم احتمال ترسیم شده است .دراین تحقیق از نرم افزارهای Spss وSurfer جهت آنالیز اطلاعات وترسیم نقشه ها استفاده است .
خلاصه ماشینی:
1 - Lana 2 - Moon 3 - Canizares 4 - Rajagopalan 5 - Vide 6 - Barry 7 - Marvan 8 - Elsner 9 - Wibly 10 - Anderson 11 - Dubrovsky (جوینز، ٢٠٠٠)١ وقوع تورنادو در آمریکا بررسی شده و پیش بینی وقوع آنها از روشها یی مختلف از جمله زنجیره مارکف دو حالته و مدل دو جمله ای استفاده نموده اند.
(یوسفی ، ١٣٨٦) با استفاده از مدل مارکف و توزیع نرمال احتمال حالتهای خیلی خشک ، نیمه خشک ، خشک ، متوسط ، نیمه مرطوب ، مرطوب و خیلی مرطوب بر اساس بارشهای سالانه و فصول مختلف ایستگاه قزوین مورد بررسی قرار داده است .
همانطور که از نمودار پیداست ، ایستگاه بیرجند دارای کمترین احتمال اقلیمی ٦ درصد دوره مرطوب می باشد یعنی کمترین مقدار حالت انتقال (w/w) را همراهی کرده است و این مسئله حاکی از تمایل به خشکتر بودن ایستگاه نسبت به سایر ایستگاه های استان می باشد به طبع آن دارای ماکزیمم احتمال اقلیمی دوره خشک می باشد یعنی در حدود ٦٤ درصد که باز هم نشان دهندن بیشترین حالت انتقال (d/d ) می باشد.
ماکزیمم حالت (M/M) یعنی توالی های روز معتدل در ایستگاه تربت حیدریه مشاهده شده است درصد روزهای گرم بعد از گرم (W/W) در ایستگاه بجنورد دارای کمترین مقدار می باشد.
با توجه به محاسبه احتمال هر کدام از حالتهای انتقال شرطی بارش و دمای روزانه جهت پیش بینی دوره های (١٠ تا ١) روزه خشک و تر و همچنین سرد و گرم از رابطه زیر استفاده شده است .
D. etal(1996): Modeling Daily precipitation occurrence with Markov Chain.
Sung- Eull Monn, etal( 1994): A Markov Chain Model for daily precipitation occurrence in south korea.