علوم ژئوماتیک

علوم جفرافیا، سنجش از دور و GIS و GPS آمایش سرزمین و برنامه ریزی محیطی

علوم ژئوماتیک

علوم جفرافیا، سنجش از دور و GIS و GPS آمایش سرزمین و برنامه ریزی محیطی



تحلیل های فضایی در تولید نقشه پهنه بندی اقلیمی (مطالعه موردی منطقه غرب دریاچه ارومیه)

علی نصیری[1]& دانشگاه پیام نور - گروه علمی جغرافیا - تهران 4697 19395- ج.ا.ایران

pnuworld@gmail.com

چکیده:

          مسایل جدی زیست محیطی و گستردگی و پیچیدگی های امروزی روابط متقابل انسان و اقلیم در ابعاد متفاوت زمانی – مکانی، ضرورت مطالعه و تهیه نقشه پهنه های اقلیمی بعنوان ابزار توسعه پایدار را روشن می سازد. مناطق مختلف طبیعی و زیست محیطی دارای تیپ های اقلیمی متفاوتی هستند. در همین ارتباط بسیاری از نواحی کشورمان بخصوص در منطقه مورد مطالعه تیپ های اقلیمی هنوز مشخص و مطالعه نشده است. تعیین تیپ های اقلیمی منطقه غرب دریاچه ارومیه با استفاده از روشهای تحلیل فضایی چند متغیره نظیر MLC وData ISO  و همچنین تحلیل چند متغیره مانند تحلیل عاملی و خوشه بندی هدف پژوهش حاضر است. با توجه به اینکه عوامل و عناصر سازنده اقلیم از نظر ماهیتی متفاوت هستند. لذا تحلیل های فضایی ابزار قدرتمندی در پردازش همزمان چنین داده هایی مطرح هستند. لذا در این تحقیق داده های مربوط به عناصر و عوامل سازنده اقلیم منطقه ایستگاه های ارومیه، نقده، سلماس، اشنویه و کهریز و همچنین ارتفاع و جهات جغرافیایی در تولید نقشه تیپ های اقلیمی بکار گرفته شد. نتایج حاصل از این تحقیق نشان می دهد که 4 نوع اقلیم متفاوت مانند سرد کوهستانی، مرطوب، نیمه مرطوب و نیمه خشک در منطقه غرب دریاچه ارومیه حاکمیت دارند.

 

 

کلید واژه : تحلیل های فضایی، پهنه بندی اقلیمی، ایزو دیتا، حداکثر درست نمایی، منطقه غرب دریاچه ارومیه.  

مقدمه:  

        در امر برنامه ریزی وآمایش سرزمین، مطالعات اقلیمی موضوع ضروری و اجتناب ناپذیر است. لذا مطالعه و تهیه نقشه پهنه های اقلیمی بعنوان ابزار دستیابی توسعه همه جانبه، با توجه به گستردگی و پیچیدگی های امروزی روابط متقابل انسان و اقلیم و محیط زیست در ابعاد مختلف زمانی و مکانی و سیاست های توسعه پایدار اجتناب ناپذیر می باشد. این پهنه ها با مطالعه و تحلیل عوامل و عناصر مختلف اقلیمی از طریق روش های متعدد تجربی و روش های کمّی فضایی و غیر فضایی تعیین و شناسائی می شوند. شناخت تنوع پهنه های آب و هوائی شکل دهنده منطقه در استفاده بهینه از منابع سرزمینی امر حیاتی است. هر کدام از این پهنه های آب و هوایی مشخصاتی بخصوصی از نظر کاربری دارند. همچنین شناخت عوامل و عناصر محلی سازنده پهنه های اقلیمی منطقه می تواند ما را در بهینه سازی برنامه ریزی محیطی در توسعه منطقه ای یاری نماید. این موضوعات اهداف عمده تحقیق را تشکیل می دهند.

         مطالعات اقلیمی در خصوص شناسائی و تعیین تیپ های آب و هوایی با عوامل و معیار ها و دیدگاه های متفاوت از اندیشمندان یونان باستان با اولین مرز بندیهای اقلیمی شروع و سپس در سال 1817 آلکساندر فون همبولت نقشه میانگین دمای سالانه جهان، ولادیمیر کوپن 1860 نقشه دامنه دمای فصلی جهان، و همچنین با کارهای تورنت وایت در سال 1931 استمرار داشته و دارد. کوپن نظام طبقه بندی اقلیمی تازه ای را در سال 1336 پایه ریزی کرده و بعدها گایگر آن را مورد تجدید نظر قرار داد. ایشان همچنین اقلیم قشر مجاور سطح زمین و اثرات ناهمواری و کاربری اراضی را بر اقلیم مورد مطالعه قرار داد(مسعودیان 1387). از کارهای دیگر می توان به تحقیقات وایت[2] و همکاران 1991، فاول[3] و همکاران 1993، والتر 1994، یارداناورانال[4] و همکاران 2003 اشاره نمود. 

           در ایران پهنه بندی های عناصر اقلیمی بخصوص بارش صورت گرفته که می توان به کار ذولفقاری و ساری صراف 1377 اشاره نمود. در پهنه بندی اقلیمی  ثابتی1348، علیجانی 1374 از حجتی زاده به نقل از مسعودیان 1387، پژوهشکده هواشناسی 1379، حیدری و علیجانی(1378)، نصیری 1380 (5 تیپ اقلیمی در استان همدان)، عزیزی(1383)، جهابخش و ذولفقاری1381، دین پژوه و همکارن 1382و مسعودیان 1387 (توانسته با 27 متغیر اقلیمی 15 ناحیه اقلیمی را در کشور شناسائی کند.) با روش های متفاوت تجربی و کمی و همچنین با متغیرهای متفاوت و کاربرد ها و دیدگاه های گوناگون از جمله کوشش هائی است که برای شناسائی نواحی اقلیمی در سطح ملی، منطقه ای و استانی صورت گرفته است. شهرستان ارومیه در نقشه طبقه بندی اقلیمی کوپن از نوع تیپ H اقلیم ارتفاعات نشان داده شده است. برخی محقیقن داخلی هم در مقیاس ملی آب و هوای منطقه را از نوع اقلیم کوهستانی مشخص کردند(علیجانی1376). سه تیپ اقلیمی در سطح ملی مانند ناحیه ماکویی به صورت تندری و رطوبی، ناحیه آذری با وضعیت رطوبی و تندری و نهایتا ناحیه زاگرس شرقی از نوع بارشی، بادی و تابشی در آن تشخیص داده شده است(مسعودیان 1382). ولیکن در سطح مورد مطالعه (منطقه غرب دریاچه ارومیه) این گونه مطالعات با دقت انجام نشده و یا گزارش نشده است.  

          هدف عمده این مطالعه تهیه نقشه تیپ های اقلیمی منطقه غرب دریاچه ارومیه بصورت تحلیل های توام فضایی و غیر فضایی عناصر و عوامل اقلیمی منطقه می باشد. شناخت عوامل شکل دهنده و سازنده اقلیم منطقه یاد شده از دیگر اهداف این پژوهش است.

موقعیت و ویژگی های منطقه غرب دریاچه ارومیه

           منطقه غرب دریاچه ارومیه عمدتا شامل شهرستان ارومیه یکی از شهرستانهای استان آذربایجان غربی و مرکز استان است . که از طرف شمال شامل شهرستان سلماس و از طرف مشرق به دریاچه ارومیه واز طرف جنوب شامل شهرستانهای نقده و اشنویه و از سمت غرب به کشور ترکیه محدود است (شکل1). بیشترین سطح منطقه را شهرستان ارومیه با مساحت 6228 کیلومتر مربع پوشش می دهد که دارای 5 بخش و 3 شهر و 20 دهستان است. در این منطقه از غرب به شرق از ارتفاع ناهمواریها کاسته شده که از 3600 متر در غرب به 1050 متر در ساحل دریاچه ارومیه می رسد. رشته کوههای غربی(مرزی) بصورت ارتفاعات بلند و دیوار مانندی دشت و حوضه دریاچه ارومیه را احاطه نموده اند که از شمال منطقه تا جنوب امتداد محوری دارند. همچنین هر چقدر از غرب به شرق حرکت می‌کنیم از میزان نزولات جوی کاسته می شود و در کوههای مرزی خصوصاً در اطراف سردشت میزان بارش به800  میلی متر می رسد ولی در نزدیکی های دریاچه ارومیه  به کمتر از 300 میلی‌متر هم کاهش می‌یابد.

indexmap

شکل شماره 1 موقعیت منطقه مورد مطالعه (منبع: googleearth و نقشه توپوگرافی 1:50000)

    مواد و روش ها

          عوامل آب و هوایی گوناگونی در شکل گیری تیپ های اقلیمی منطقه مورد مطالعه موثرند. تحت تاثیر عوامل ذاتی (ژنتیک) سامانه های مختلف جوی (از جمله سامانه باد های غربی)، شرایط پیچیده توپوگرافی و پوشش گیاهی و داشتن منابع آبی سطحی، ارتفاع، عرض جغرافیایی و غیره اقلیم شکل می گیرد. طبیعی است که امکان اندازه گیری همه عوامل سازنده اقلیم وجود ندارد. به دلیل موقعیت خاص منطقه و همگرایی دیگر عوامل مختلف اقلیمی در منطقه مورد مطالعه، عوامل زیادی در اقلیم منطقه مذکور دخالت دارند. تعدد عوامل متنوع سازنده اقلیم اعم از عوامل محلی و بیرونی با تاثیرگذاری های متفاوت، پیچیدگی خاصی را به آب و هوای آن منطقه داده است. طبیعی است که همه عناصر و عوامل سازنده اقلیم با ماهیت متفاوت و با شدت تغییرات و نواسانات متفاوت در مقیاس های مختلف زمانی و مکانی که دارند، قابل اندازه گیری نیستند و یا نیاز به تجهیزات و فناوری های پیشرفته ای دارند که تهیه آنها به دلایل متفاوت برای دست اندار کاران ذیربط مقدور نیست. با توجه به روابط پیچیده فضایی و مکانی عوامل با سازمان درونی و بیرونی، تعیین اینکه چه عواملی تاثیرگذاری بیشتری در سازندگی اقلیمی منطقه دارند کار آسانی نیست، بخصوص در صورتی که که عوامل مختلف سازنده اقلیم ماهیتی متفاوتی داشته باشند که در این شرایط کار تجزیه و تحلیل داده ها دشوارتر بوده و غالبا با مشکل مواجه می شود. در شرایط فوق الذکر پردازش داده ها نیازمند الگوریتم های پیچیده با حجم عملیات گسترده تر و همچنین متعاقب آن نیاز به تحلیل های پیچیده و خاصی دارد. در چنین شرایطی تحلیل های فضایی بعنوان ابزار قدرتمندی در پردازش این گونه اطلاعات و داده ها با روابط و مناسبات مکانی و فضایی پیچیده است. لذا در این پژوهش با توجه به تجربیات کارشناسی برای رفع مشکلات مذکور الگوریتم مناسبی پیاده سازی شد و از تجزیه و تحلیل های فضایی چند متغیره استفاده گردید.

          در این پژوهش داده های مربوط به عناصر اقلیمی ثبت شده ایستگاههای مختلف هواشناسی منطقه و همچنین عوامل سازنده اقلیمی با ماهیت های متفاوت مورد استفاده قرار گرفته و با بکارگیری روش های تحلیل و پردازش مکانی در محیط ArcGIS9/3 و پردازش های غیر مکانی در نرم افزار SPSS (م.11) وExcel، تیپ های گوناگون آب و هوائی منطقه شناسائی گردید. لذا در این پژوهش داده های ثبت شده روزانه (با فواصل 3 ساعت) عناصر جوی (مانند دما (دمای خشک ، دمای تر، دمای خاک، فشار بخار، تبخیر و تعرق و دمای شبنم)، بارش، ساعت آفتابی، عامل فشار، ابرناکی و رطوبت نسبی، دید (تیرگی هوا)، باد (سرعت و جهت)) ایستگاه های منطقه مورد مطالعه (بر اساس داده های موجود در دسترس و در قالب متغیرهای مختلف) از قبیل سینوپتیک ارومیه با 115متغیر در دوره 41 ساله اخیر و ایستگاه های مانند روستای کهریز 17 متغیر، سلماس 13 متغیر، نقده 12 متغیر و اشنویه 10 متغیر و همچنین داده های ارتفاع، شیب و جهات جغرافیایی (بعنوان عوامل مهم تاثیر گذار محلی با توجه به نقش بسیار حساس امتداد محور ناهمواریها و روند ارتفاعات بخصوص در برابر سامانه سیستم بادهای غربی و نقش توامان آن با عرض متوسط جغرافیایی در اقلیم منطقه) مورد تجزیه و تحلیل فضایی قرار گرفته اند. برای استخراج اطلاعات عوامل محلی (ارتفاع، شیب و جهت) از نقشه های رقومی توپوگرافی در مقیاس 50000/1 و تصاویر ماهواره ای استفاده شده است.

         تحلیل های مقدماتی در شناسایی و تعین عوامل موثر و سازنده اقلیم منطقه با کمک تحلیل عاملی در محیط نرم افزار آماری SPSS انجام گرفت یکی از مراحل مهم در تحلیل عاملی، انتخاب روش مناسب برای استخراج عامل هاست(حبیب پور و صفری 1388 ص304). بررسی نظم و ساختار موجود متغیرها و همچنین تعیین تعداد و ماهیت عاملها و تاثیرگذاری آنها بر ویژگی های اقلیمی منطقه و نیز جهت شناسایی عوامل موثر و تعیین سهم مشارکت آنها در اقلیم منطقه در هر یک از ایستگاهها بطور جداگانه از تحلیل مولفه های اصلی الگوریتم (PCA[5]) در محیط SPSS و ArcGIS بهره گرفته شده است. تحلیل مذکور با آزمون همبستگی بین متغیر های مورد مطالعه اجراء شد. تعداد عامل ها در ایستگاهای مختلف مورد مطالعه استخراج و مشخص شد. علاوه بر آن در تحلیل عاملی اطمینان از کفایت داده ها لازم و ضروری است که به همین منظور در این پژوهش از آزمون های KMO و بارتلت استفاده شد. سپس تحلیل های مکانی عوامل و عناصر اقلیمی که داده های متفاوت مکانی و غیر مکانی را شامل می شدند بصورت تواما با بهره گیری از فن آوری های نوین سنجش از دور (RS) و سیستم اطلاعات جغرافیائی(GIS) با الگوریتم های  ایزودیتا [6]و [7]MLC در محیط ArcGIS9.3  با توجه به شرایط محیطی محلی بهره گرفته شد. با توجه به مباحث یاد شده الگوریتم چهار مرحله ای برای تحلیل و پردازش داده ها به صورت ذیل طرح گردید. :

الف) تعیین عوامل موثر و تعیین کننده در اقلیم منطقه (تحلیل عاملی و دوران (محورها) از طریق روش وارمیکس)

ب) تهیه ماتریس های چرخش عامل های اصلی هر ایستگاه مطابق کمیت متغیرهای اقلیمی آن (ایستگاه ارومیه ابعاد ماتریس16× 115) و تحلیل مکانی عوامل موثر.   

ت) تعیین گروه های طبیعی اقلیمی و شاخص ها با الگوریتم ISO data و ایجاد فایل آماره ها

ث) پردازش و تحلیل نهایی لایه های بارهای عاملی  (شکل 2) با الگوریتم MLC  

 الگوریتم ایزودیتا به شکل زیر تعریف می شود :  

در متون سنجش از راه دور و سامانه های اطلاعات جغرافیایی  از این روش به نام هایی مانند روش خوشه بندی میانگین های متحرک یا روش ایزودی تا یاد شده است . اجرای این روش شامل مراحل زیر می باشد :

1-  انتخاب C نقطه در فضای چند بعدی به عنوان مراکز اولیه کلاس ها که به شکل زیر تعریف می شود.   انتخاب در این مرحله اختیاری است . برای اجتناب از ایجاد خوشه های نامناسب با داده های غیر معمولی ، معمولاً برای اخد نتیجه مناسب بهتر است مراکز اولیه کلاس ها با توزیع یکنواخت و همشکل در سطح داده ها انتخاب شوند .

2-  تعیین تعداد خوشه ها

3-  تعیین تعداد تکرار

4-  تعیین درصد پیکسل های تغییر نیافته در هر تکرار

5-  تعیین مقدار انحراف معیار

6-  موقعیت هر پیکسل در فضای چند طیفی ارزیابی شده و این پیکسل به نزدیکترین مرکز کلاس تعلق            می گیرد . در تعیین فاصله معمولاً از فاصله اقلیدسی استفاده می شود.

7-  میانگین جدید برای هریک از کلاسترهای محاسبه شده با نماد زیر نشان داده می شود :

n ,i=1,...,c

که در آن  n   نشاندهنده  n  امین میانگین محاسبه شده برای خوشه  i  می باشد .

8- اگر      خوشه بندی خاتمه می یابد در غیر اینصورت به مرحله 6 برگشته و خوشه بندی تکرار می شود.

SSE[8] جمع مربعات خطا یکی از معیارهای سنجش کیفیت کلاسترینگ است که به طریق زیر محاسبه می شود(رابطه 1):

       (1)                               

این شاخص مجموعه فاصله پیکسل ها را از مرکز خوشه های مربوطه نشان می دهد. درصورت کوچک بودن فواصل X ها از مراکز خوشه ها مقدار SSE کمتر و تعیین خوشه ها از کیفیت مطلوبی (کمترین SSE) برخوردار خواهند بود. بعد از اتمام خوشه بندی می توان کلاسترها را بررسی نموده و عملیات اصلاحی به شرح زیر را روی آنها اعمال نمود.

1-  هر کلاستری که فرکانس خیلی کم داشته و متشکل از چند پیکسل باشد غالباً ارزش اطلاعاتی کمتری دارد و این کلاسترها را می توان با استفاده از تکنیک های پس پردازش حذف کرد.

2-  برخی از کلاسترها خیلی نزدیک به هم هستند که تفکیک آنها درحقیقت غیر منطقی است و یا بر اساس اصل جغرافیایی (همبستگی فضایی و یا نزدیکی همانندی) بایستی با هم ترکیب شوند. مسئله دیگری که در الگوریتم ایزودیتا جالب توجه است تفکیک یا تجزیه کلاسترهای بزرگ به دو یا چند کلاستر جدید است.

         روش خوشه بندی میانگین های متحرک نیازمند تعیین قبلی تعداد کلاسترهای مورد انتظار همراه با موقعیت آنها می باشد . عملاً تعداد واقعی یا بهینه کلاسترها نامعلوم می باشد و بنابراین تعداد کلاسترهای بیشتری انتخاب می شوند . کلاسترهای غیر قابل تفکیک حاصله را می توان بعد از اتمام کلاسترینگ ادغام یا یکپارچه کرد . امکان تعیین اتوماتیک کلاسترها از مزایای این روش است زیرا میانگین ها در مراحل تکرار عوض شده و بدین ترتیب کلاستر ها وضعیت بهینه ای را پیدا می کنند .

          در مرحله بعدی تحلیل های فضایی، از الگوریتم استاندارد MLC استفاده شد که بصورت رابطه ذیل تعریف می شود(والتر 1994[9] و میلیگان  و همکاران [10]1986 و کالکستین[11] و همکاران 1987):

 (2)        

 مقدار احتمال بدست آمده پیکسل  در طبقه اقلیمی،  تعداد لایه های اطلاعاتی (متغیر ها)،  بردار مقادیر پیکسل،  بردار میانگین طبقه اقلیمی،  ماتریس کواریانس طبقه اقلیمی،  عدد پی برابر 1416/3،  دترمینان کواریانس ماتریس طبقه اقلیمی،  احتمال پیشین طبقه اقلیمی،  انحراف (اریب) طبقه اقلیمی، علامت ترانسپوزه ماتریس و  علامت ماتریس معکوس.

بحث و نتایج 

           بررسی نتایج تحقیقات بعمل آمده نشان می دهد که غالبا در مطالعات اقلیمی جهت تعیین تیپ های گوناگون اقلیمی صرفا از داده های عناصر اقلیمی که در ایستگاه متفاوت هوا شناسی ردیابی و ثبت می شوند استفاده می گردد. علی رغم تاثیر گذاری خیلی زیاد عوامل اقلیمی در آب و هوای هر ناحیه، بهره گیری از داده های آنها در کنار داده های یاد شده (داده های عناصر آب و هوایی) بخصوص در تحلیل های کمی خیلی کمتر مورد توجه بوده است. بنابراین ترکیبی از داده های با ماهیت و کیفیت متفاوت مربوط به عوامل و عناصر اقلیمی منجر به نتایج دقیقتر و واقعیتر از دنیای بسیار پیچیده و پرنوسان اقلیمی بدست دهد.            

         نتایج حاصل از تحلیل عاملی آزمون های آماری KMO و بارتلت جهت اطمینان از کیفیت نمونه ها در تحلیل عاملی نشاندهنده کفایت خیلی خوب نمونه بوده ضرائب آزمون های مذکور متغیرها به استثنای عنصر جهت باد عمدتا بیش از 86/0 است. در حقیقت این آزمون ها مشخص می کنند که واریانس متغیرهای مورد مطالعه تحت تاثیر واریانس مشترک برخی عامل های اساسی و پنهان است(همان منبع). یافته های تحقیق نشان می دهند که غالب عامل ها رویکردی عامل های مشترک داشتند که متغیر های زیادی بر روی هر یک آنها بار شده بودند. بعنوان مثال اولین عامل در ارومیه شامل متغیرهای گرمایی مانند دمای خشک، دمای تر، دمای سطح زمین، دمای خاک، فشار بخار، تبخیر و تعرق و دمای شبنم را در بر می گیرد. بررسی بیشتر عاملها نشان دهنده این واقعیت است که همبستگی زیادی بین برخی از متغیرها وجود داشت که تحت تاثیر عاملهای یکسان هستند. متغیرهای که با هم همبستگی نداشتند از عاملهای متفاوتی تاثیر پذیرفته اند. بنابراین عامل های ویژه که تنها یک متغیر بر روی آن بار می شد خیلی کم بود. بعنوان مثال عناصر باد (سرعت و جهت) در نقده و ساعات آفتابی در اشنویه بعنوان عامل های ویژه خود را نشان می دهند.       

          نتایج بدست آمده از پردازش ها در مرحله دوم که اثرات عوامل محلی در چگونگی اقلیم منطقه مورد مطالعه و تحلیل قرار گرفت و نیز عناصر و عوامل اقلیمی به صورت توامان مورد پردازش قرار گرفتند که نشان می دهند که دما و بارش تاثیر گذار ترین عوامل سازنده اقلیم در منطقه هستند. بارش منطقه بیشتر تحت تاثیر عوامل بیرونی از جمله سامانه بادهای غربی و جبهه قطبی و همچنین عوامل محلی {عوامل ژئومورفولوژی (مانند روند و ابعاد ناهمواریها، جهت و وسعت دامنه ها)، توپوگرافی و ارتفاع} است(نگارنده). عنصر دما بیشتر متاثر از عوامل ارتفاع، جهات دامنه ها، عرض جغرافیایی و تا حدودی تحت تاثیر  پهنه های آب سطحی دریاچه ارومیه و باتلاق های اطراف آن است، بطوریکه در فصول سرد این منطقه از مناطق هم عرض خود گرمتر است که این امر ناشی از اثرات عوامل محلی مانند دریاچه و توپوگرافی طشتک مانند آن است که اثر دریاچه را تقویت می کند و این ناشی از آرایش محیطی و اصل جغرافیایی   جدول شماره1 آماره مربوط به تیپ های اقلیمی مختلف شهرستان ارومیه با استفاده از الگوریتم ISO data در محیط ArcGIS - (منبع : نگارنده)

#    Layer-Number    Grid-name

/*           1                    raster2c1

/*           2                    raster2c2

/*           3                    raster2c3

/*           4                    raster2c4

#  Type   Number of Classes   Number of Layers

1                             5                  4

==========================================================================#  Class ID     Number of Cells    Class Name 1

1              3010

# Layers             1             2             3             4

# Means    65.47702    1418.58104     485.29344      18.20714

# Covariance

1          6302.64216     254.15446    -583.94369      -2.25079

2           254.15446    4486.52392     -16.55041      12.68046

3          -583.94369     -16.55041    2161.06067       4.48041

4            -2.25079      12.68046       4.48041       0.23070      

# =========================================================================

#  Class ID     Number of Cells    Class Name 2

2              2386

# Layers             1                  2                     3                    4

# Means   140.94124    1677.34124     489.53907      18.31934

# Covariance

1         11666.98793    -567.07052    -530.24229      -3.24646

2          -567.07052    6556.79998     275.40469       2.13200 

3          -530.24229     275.40469   10085.91703      11.41176

4            -3.24646       2.13200      11.41176       1.84479         

# ========================================================================

#  Class ID     Number of Cells    Class Name 3

3              2210

# Layers             1             2             3             4

# Means   156.11948    1973.95310     446.06938      17.60862

# Covariance

1         12061.40049     217.40911    -375.65008     -24.44348

2           217.40911    9539.47074     117.43465     -10.71005

3          -375.65008     117.43465   14234.90946      24.04327

4           -24.44348     -10.71005      24.04327       9.14547       

# =========================================================================

#  Class ID     Number of Cells    Class Name 4

4              1416

# Layers             1             2             3             4

# Means   152.37075    2340.82983     510.29506      17.28198

# Covariance

1         11016.32634    -165.21462    -235.06819      -8.73775

2          -165.21462   15909.13481     270.75095      20.76579

3          -235.06819     270.75095   21696.50240     -10.81329

4            -8.73775      20.76579     -10.81329      13.5576          

 تعامل و همبستگی فضایی - محیطی مابین عوارض مذکور است(نگارنده). نکته جالب این که آرایش فضایی تیپ های اقلیمی منطقه از آرایش فضایی مولفه های محیط طبیعی تبعیت می کنند. آرایش مکانی نواحی اقلیمی کشورمان موید نقش همسایگی با دریاها و نیز ارتفاع در شکل گیری اقلیم های ایران است(مسعودیان 1383).

لایه های عوامل موثر سازنده اقلیم منطقه پس از تحلیل مولفه های اصلی متغیرهای مانند دما و بارش، اطلاعات ارتفاعی (DTM) و جهات جغرافیایی که بعنوان عوامل تاثیر گذار با ماهیت متفاوت موثر در اقلیم منطقه هستند، تهیه شد. همانطوریکه قبلا نیز بیان شد پردازش همزمان اطلاعات ناهمگن با ماهیت متفاوت مشکل و دشواریهای خاص خود دارد. لذا جهت رفع مشکل مذکور ماتریس پارامترهای یاد شده تشکیل و با استفاده از متد تحلیل مولفه های اصلی (PCA) در محیط ArcGIS  (شکل2) اطلاعات مذکور مورد پردازش قرار گرفت. سپس تحلیل خوشه ای با استفاده از الگوریتم ISO data cluster  در محیط ArcGIS  پردازش و تجزیه و تحلیل بارهای عامل های اصلی شاخص ها و یا بعبارتی آماره ها و ویژگی های کمی (جدول شماره 1) مربوط به هر تیپ اقلیمی منطقه تعیین و محاسبه شده و سپس با استفاده از این آماره ها، پهنه های طبیعی متفاوت اقلیمی در فضای چند بعدی با الگوریتم MLC شناسایی و تعیین شد.

          مرحله نهایی در این تحقیق پردازش نهایی تمامی ارزش های فضایی (اطلاعات بارهای عاملی شکل شماره 2) پیکسل ها بطور تک تک در لایه های اطلاعاتی مربوط به عوامل و عناصر مختلف فوق الذکر بر اساس محاسبه بیشترین احتمال بدست آمده از الگوریتم کمی چند متغیره فضایی حداکثر درستنمایی (MLC) در محیط ArcGIS در هر یک از تیپ های اقلیمی (پهنه ها) تصمیم گیری شده و نهایتا لایه اقلیمی منطقه با 4 تیپ اقلیمی مشخص تولید شد. این تیپ های اقلیمی عبارتند از سرد کوهستانی،  معتدل مرطوب، نیمه مرطوب و نهایتا نیمه خشک که ممیزی آنها با توجه به ویژگی های عوامل محلی و ویژگی های آب و هوایی تعیین شدند(شکل شماره 3). اساسا اقلیم بر حسب سامانه های همدید پدیدآورنده آن طبقه بندی می شوند(طبقه بندی زایشی) یا شناسائی نواحی اقلیمی متکی بر تحلیل های چندمتغیره انجام می گرفت که به آن طبقه بندی آماری گویند(مسعودیان 1382). در این پژوهش طبقه بندی اقلیمی بر اساس روش های تحلیل فضایی چند متغیره آماری فوق الذکر انجام گرفته است. بدین ترتیب طبقات اقلیمی ممیزی شده (حاصل از تحلیل فضایی خوشه ای مجموعه متغیرهای عناصر اقلیمی حاصل از داده های ثبت شده دستگاهی به همراه عوامل اقلیمی مانند ارتفاع و شیب و جهات ناهمواریها) معیارهای طبقه بندی اقلیمی منظور گردید. در نامگذاری انواع تیپ های اقلیمی مذکور بر اساس ویژگی های عوامل اقلیمی محلی مانند ارتفاع و همچنین مشخصه های آب و هوایی مانند دما و بارش کمک گرفته شده است. بعنوان مثال اقلیم سرد کوهستانی که سرد از مشخصات عناصر اقلیمی و کوهستانی از عوامل اقلیمی یعنی ارتفاع گرفته شده است. ویژگی های آب و هوایی اقالیم چهارگانه تعیین شده مذکور به شرح ذیل می باشد:

          تیپ های گوناگون اقلیمی مشخص شده مذکور دارای ویژگی های متمایزی نسبت به همدیگر هستند. اقلیم نیمه خشک دارای نوسان بارش متوسط سالانه در حدود300 میلیمتر و دمای متوسط سالانه در حدود 12 درجه سانتیگراد در نواحی سواحل غربی دریاچه ارومیه غالبا در نواحی با ارتفاع 1300 الی 1500 متر حاکمیت دارد(شکل 2). آب و هوای نیمه مرطوب متوسط دمای سالیانه در حدود 10 درجه سانتیگراد و میانگین بارش متوسط 400 میلیمتر و نواحی کم ارتفاع کوهپایه ای در نواحی با ارتفاعات 1400 الی 1700 متر مشاهده می شود. اقلیم مرطوب با متوسط دمای سالیانه در حدود 6 درجه سانتیگراد و میانگین بارش سالیانه در حدود 500 میلیمتر عمدتا در نواحی نسبتا مرتفع در ارتفاعات 1900 متر تا 2030 متر را پوشش می دهد. اقلیم کوهستانی میانگین دمای سالیانه در حدود 4 درجه سانتیگراد و متوسط بارش سالیانه بیش از 600 میلیمتر در نواحی مرتفع در ارتفاعات 2200 الی3500 متر را در بر می گیرد.                

          با توجه به موقعیت منطقه مورد مطالعه و قرار گرفتن آن در عرض متوسط جغرافیایی (منطقه معتدله) وضعیت خاصی اقلیمی را به این منطقه داده است. وضعیت معتدله نشاندهنده منطقه خنثی ی اقلیمی است که عوامل و عناصر اقلیمی به شرایط تعادل و تعامل با همدیگر می رسند. در شرایط خنثی، عاملهای که نقش و حضور قویتری و پایداری دارند بیشتر در سازندگی آب وهوایی، نقش مهمتری را ایفا می نمایند. لذا با توجه به مراتب فوق الذکر و وجود کوهستانهای مرتفع در منطقه، نقش و شدت حضور آنها بعنوان عامل مهم به وضوح در اقلیم مشاهده می شود، تا جائیکه پهنه های مختلف اقلیمی تابعیت بیشتری را از عامل ارتفاع و ژئومورفولوژی از قبیل امتداد محور، تراکم، وسعت و شدت پیچیدگی های فیزیکی سطح ناهمواری ها نشان می دهند.  

           دیگر عامل مهم ناحیه ای موثر در اقلیم منطقه، وجود بسیار مهم و جذاب منابع آب سطحی دریاچه ارومیه و سدها و تالاب های اطراف آن است که در تعادل دمایی (هم بصورت زمانی و همچنین مکانی) نقش مهمی را در آب و هوای منطقه بخصوص در فصول گرم و سرد ایفاء می نمایند. آرایش مکانی نواحی اقلیمی منطقه و بررسی های نوسانات دمایی و مقایسه آن با سایر نواحی هم عرض و با شرایط همسان مبین این موضوع است. شایان توجه است که با توجه به خشک شدن دریاچه ارومیه با آهنگ سریعتر از حد انتظار در سالهای اخیر موجب برهم خوردن و اختلال و تغییر سیستم های اقلیمی شده و خواهد شد. در نتیجه پیآمدهای ناگوار زیست محیطی را که حساسیت بسیار زیادی به تغییرات سیستم های اقلیمی دارند، بدنبال خواهد داشت. با توجه به وضعیت شکنندگی آستانه های اقلیمی کشور ما انتظار می رود اثرات آن در مقیاس وسیعی کشور را تحت تاثیر قرار دهد. کما اینکه پدیده جدید اقلیمی بوجود آمده در دهه اخیر در کشورمان (حداقل در آذربایجان دور از انتظار) یعنی ورود طوفانهای گرد و خاک و بارش ریزگرد (خاک) در فصل بهار (بخصوص از نیمه دوم اردیبهشت تا خرداد ماه) را شاهدیم که علت عمده آن را تغییرات زیست محیطی بوجود آمده (خشک شدن تالاب ها) در منطقه خاورمیانه بخصوص در کشور عراق بویژه بعد از جنگ می دانند. حتی کشورهای اروپائی (آلودگی چند روزه لندن ناشی از گرد و غبار و بارش ریزگردها  در 15 فروردین ماه امسال 1393 و دیگر شهرهای اروپا را از رسانه ها شاهد بودیم)  درگیر این مسئله شدند. در همین راستا شهر ارومیه (در بهار سال 87 و به بعد) در اثر بارش خاک یا ریزگرد ها (در حدود 5 میلیمتر طبق مشاهدات مستقیم نگارنده) به شهر ارواح تبدیل و کاملا حالت استتار شده به خود گرفته بود. خشکی دریاچه ارومیه همانند طوفانهای گرد و خاک مذکور عواقب خوشایندی را در وضعیت اقلیمی کشور نخواهد داشت. این تغییر اقلیم و پیآمدهای ناشی از آن مسلماً در سیستم اقتصادی کشورمان تاثیر زیادی خواهد گذاشت.            

          نتایج حاصل از این تحقیق نشان می دهد که، عوامل ناحیه ای (ارتفاع و عوامل ژئومورفولوژیکی مانند ابعاد، گسترش و امتداد ناهمواریها و جهت آنها، وسعت و جهات دامنه ها) نقش تعیین کننده و تحت کنترل عوامل بیرونی (سامانه های غربی و شمالی و جنوب غربی ورودی به منطقه) در سازندگی اقلیم منطقه نقش موثر و مهمی داشته و رویکرد تکمیلی، تقویت و یا تعدیل کننده ای را ایفاء می نمایند. چنانچه امروزه بررسی چنین مقوله ای تحت عنوان مورفو- کلیما[12] در ادبیات علمی مربوط به علم اقلیم شناسی وارد شده است. این نقش در دوره استیلای سامانه های غربی و قطبی (در فصول پائیز، زمستان و نیمه اول بهار) نسبت به پرفشار جنب حاره ای موثرتر و چشم گیرتر عمل می کنند.

 

stan93b-1.jpg

شکل شماره 2- لایه های رستری (بصورت ترکیبی فالزکالر) مربوط به بارهای عاملی متغیرهای اقلیمی(اعم از عناصر و عوامل) اشاره شده در متن و همچنین موقعیت ایستگاههای آب و هوا شناسی با علامت ستاره نشان داده شده است (منبع نگارنده).

climamapf

شکل شماره 3 لایه تیپ های اقلیمی شهرستان ارومیه (منبع نگارنده)

تقدیر و تشکر

          از استاد ارجمندم جناب آقای دکتر علیجانی کمال تشکر می نمایم که با نظرات ارزنده شان به غنای علمی مقاله افزوده و ویرایش علمی آن را تقبل فرمودند. از جناب دکتر حیدری نیز به خاطر نظارتی که در این تحقیق داشتند بسیار سپاس گذارم.

منابع : (کتابنامه)

1) بی.اف. جی مانلی، ترجمة دکتر محمد مقدم، سیدابوالقاسم محمدی شوطی و مصطفی آقائی سربرزه، آشنایی با روشهای آماری چند متغیره ، انتشارات پیشتاز علم 1373. 208 صفحه .

2) پژوهشکدة هواشناسی، پهنه بندی اقلیمی ایران در دوره‌های مختلف با استفاده از تحلیل خوشه‌ای (پروژه  آشکارسازی تغییر اقلیم در ایران) گزارش شمارة 14، 1379، سازمان هواشناسی کشور، تهران.

3) جهانبخش، س.ح. ذوالفقاری، 1379. بررسی حداکثر بارشهای روزانه از شمال غرب تا جنوب غرب ایران. نشریة دانشکدة‌ ادبیات و علوم انسانی ، دانشگاه تبریز، شمارة (174) : 114-87.

4) جهانبخش ، س. ح. ذوالفقاری ، 1381. بررسی الگوهای سینوپتیک بارشهای روزانه در غرب ایران. فصلنامة تحقیقات جغرافیایی ، شماره 64، صفحات 258-234.

5) حیدری، حسن؛ بهلول علیجانی، طبقه‌بندی اقلیمی ایران با استفاده از تکنیکهای آماری چند متغیره، پژوهشهای جغرافیایی ، شمارة 37، 1378.

6) دین پژوه، یعقوب، فاخری فرد، احمد.مقدم، واحد، جهانبخش، سعید،میرنیا، میرکمال. انتخاب متغیرها به منظور پهنه‌بندی اقلیم بارش ایران با روشهای چند متغیره. مجله کشاورزی ایران، جلد 34، شمارة 4، سال 1382(823-809).

7) ذوالفقاری، حسن. وبهروز ساری صراف ، 1377. مطالعه بارشهای شمال غرب ایران با تکیه بر تحلیل خوشه‌ای . مجله دانشکدة ادبیات و علوم انسانی دانشگاه فردوسی مشهد، (1و2) : 256-241.

8) علیجانی ، بهلول. تیپ‌های هوا و اثر آنها بر اقلیم ایران. کاوش نامه، سال دوم 1380، شماره . صفحات 21 الی 49

9)  علیجانی ، بهلول(1376). آب و هوای ایران، انتشارات دانشگاه پیام نور.

10) مسعودیان، سید ابوالفضل.نواحی اقلیمی ایران.مجلة جغرافیا وتوسعه، پاییزوزمستان 1382،صفحات 171 الی 184.

11- حبیب پور کرم و صفری رضا 1388 . راهنمای جامع کاربرد SPSS در تحقیقات پیمایشی (تحلیل داده های کمی) چاپ غزال صفحات 325 به بعد.

12) Alijani, B.(2002). Variations of 500 hpa flow patterns over Iran and surrounding areas and    their relationship with the climate of Iran, International Journal of Climatology, 72.

13) Fovel, R.G. and Fovel, M.C. 1993. Climate zones of the conterminous United States define using cluster analysis, Journal of climate, 6: 2103-2135.

14) Kalkstein, LS, Tan GR, Skindlor JA. 1987. An evaluation of 3 clustering procedures for use inn synoptic climatologically classification  journal of climate and applied meteorology 26: 717-730.

 15) Milligan, G.W. and cooper, M.C. (1986). An examination of procedures the number of clusters in a data set. Psychometrical. 50, 159179

16) White D, Richman M, Yarnal B.(1991) Climate regionalization and rotation of principal components, International Journal of climatology II.

17) Wolter, K.(1994). Cluster Analysis in climate variability Research Recent Developments proceedings of the 5th International meeting on statistical climatology.

18) Yurdanur unal, Tayfun kidnap and Mehmet karaka. 2003. Redefining the Climate zones of turkey using cluster analysis. Int. J. Climatol. 23: 1045-1055.


 

Climatic regions mapping by using spatial analysis (west part of urmia lake)

As. Pr. Nasiri Ali. Geography  Department, Payamnoor university – po box 19395-4697 Tehran -I.R. of IRAN

Introduction         

         In the modern era of communication by increasing population the resources would be relatively scarce. Therefore, in order to deal with environmental serious problems and human & climate of today’s complex relationship in all dimensions of spatiotemporal and other hands as regards land use planning and programming practices, the climatic zone map as a sustainable developmental tool is urgent needed in the study area.

 Materials and methods        

           The climate zones are recognized by investigating the analysis of various climate factors, different empirical methods and spatial and nonspatial quantitative methods. The natural environmental areas have differential climate zones. Accordingly, different climate zones of our country especially climate factors and local variables are neither studied nor known. Hence, the main purpose of the present study is to produce climate zones map of west part of Urmia Lake by the simultaneous analysis of spatial and nonspatial climate data.

West area of Urmia Lake is a subject to study in the present paper. as a matter of fact; it is the main part of Urmia township that include the urmia city which is known as a largest city in the study area and it’s center of the west Azerbaijan province. The mentioned area from north is in neighboring with Salmas township, from east with Urmia lake, from south to Naghade & Oshnaviyeh townships, and from west bounded to Turkey country.

Various climate factors whether local or world scales affect formation of climate types. Inherent factors (or genetical) global wind systems like that west wind systems, polar cell systems and complex local natural circumstances, vegetation cover, superficial water resources, height, geomorphology and topographic conditions, geographical directions, and geographical latitude and longitude lead to form different climate types. Climate producer factors have different properties. Accordingly, analyses of obtained data are very difficult, so the spatial analysis methods are proposed as powerful tools for simultaneous analysis of different data. In this research diverse climate data and factors from various resources in different stations of the studied area such as Urmia, Naghadeh, Salmas, Oshnavieyeh, and kahriz together with height and geographical directions data have been analyzed to produce different climate zone map. Hereby, analysis of different types of data such as spatial and nonspatial data is one of the most difficult challenges in climatic researchs. In order to solve the above mentioned problems GIS spatial analysis techniques, spatial and multivariate analysis algorithms such as Maximum likelihood analysis (MLS), principal component analysis (PCA) and Iterative Self Organizing Data Analysis Technique (ISO data) were used to analyze different types of data.

Results and discussion

 structure of variables were verified by application of the multivariate analysis of PCA method, also the number and nature of the factors were analyzed to specify rate and how they are affected by climate properties of the study area . By using PCA methods the affective factors have been specified to determine contribution rate of each factors in development of climate area. The results show that there are 4 different climate types. Mountain cold, wet, semi – wet and semi – arid climates in the west part of Urmia Lake area. It also shows that the local factors (such as height, geomorphological factors (such as dimension, varsity, ridge lengths and directions, slops directions, spatial arrangement of mountains and etc.) under the control of external factors (such as west, north and southwest wind systems to enter in area) play an important role in the formation of climate types and act as a reinforcement or adjustment of climatic conditions. Hereupon survey of the present study named as morpho – climatic subject is as a new phase in study of climatology sciences.

Key word : Spatial analysis, Climate zoning, Maximum likelihood Classification, ISO data, urmia lake.   



 &  نویسنده مسئول : 09141866653                                                              

[2] -White,D.  Etc. 1991

[3] -Fovel, R. Etc. 1993

[4] -Yurdanuranal , R. Etc. 2003

[5] - Principal Components Analysis

[6] -Iterative Self Organizing Data Analysis Technique (ISO data) 

[7]- Maximum likelihood  Classification  (MLC)  

 

[8] - Sum Squared Errors (SSE)

[9] Wolter. K 1994

[10] -Milligan 1986

[11] -Kalketein . LS, 1987

[12] - Morpho - Clima