چکیده:
توفانهای تندری یکی از پدیده های آب و هوایی هستند که به دلیل همراهی با رعد و برق، باد شدید، تگرگ و بارشهای شدید موجب آسیبهای فراوانی در دنیا میشوند. در این پژوهش احتمال وقوع روزهای همراه با توفان تندری در تبریز در فصل بهار با به کارگیری قوانین احتمالاتی و با استفاده از تکنیک زنجیره مارکف مورد تحلیل قرار گرفته است. بدین منظور از داده های روزانه مربوط به توفانهای تندری (کدهای 95 تا 99) در یک دوره آماری 65 ساله (2015- 1951) استفاده گردید. ابتدا روزها به دو دسته روزهای عادی با کد صفر و روزهای همراه با توفان تندری با کد 1 تقسیم شده و تعداد حالتهای انتقال شرطی در ماههای مورد مطالعه شمارش شد. سپس ماتریس احتمال تغییر وضعیت بر اساس روش درستنمایی بیشینه محاسبه گردید. برخی از خصوصیات مهم دیگر، مانند احتمالات ساده تجربی و احتمال تعادل دوره ها، فراوانی وقوع، طول دوره ها و سیکل هوایی نیز تعیین شد و در نهایت با محاسبه فراوانی دوره های همراه با توفان تندری، احتمال وقوع این دوره ها و دوره بازگشت آنها مشخص گردید. نتایج نشان میدهد که کوتاهترین سیکل هوایی مربوط به ماه می است که بیشترین فراوانی توفان تندری را دارد و بالعکس طولانی ترین سیکل هوایی مربوط به ماه آوریل که فراوانی کمتری دارد. در طی دوره آماری 65 ساله، توالی دوره های توفانی یک روزه و دو روزه بیشترین فراوانی را داشته است و بتدریج برای توالیهای طولانیتر، از فراوانی دوره های همراه با توفان تندری کاسته میشود. دوره بازگشت دوره های توفان تندری یک روزه و دو روزه به طور متوسط 5/ 1 و 5 روز میباشد. رابطه رگرسیونی بین مقادیر مشاهده شده و برآورد شده دوره های n روزه همراه با توفان تندری، نشان می دهد که میزان دقت و اطمینان موردنظر برای همه ماهها، بالاتر از 99 درصد بوده است.
Thunderstorms are one of the climatic phenomena that cause numerous damages in different parts of the world, due to the accompaniment with thunder, high winds, hail and heavy precipitation. In this study, the probability of thunderstorm days in Tabriz in the spring is analyzed using probabilistic rules and Markov chain model. For this purpose, the daily data related to thunderstorms (codes 95 to 99) was used for 65 years (1951-2015). At first, the daily data is classified into the normal days (code 0) and thunderstorm days (code 1). Then the frequency matrix is formed and the probability matrix is created accordingly based on maximum likelihood method. The Markov chain properties such as empirical probability and equilibrium probability, Frequency of occurrence, mean time periods and weather cycle were investigated. Finally, Occurrence Probability and return period of these spells were determined. The results show that the shortest weather cycle is in May, which has the highest frequency of thunderstorms. Conversely, the longest weather cycle is in April, which has the lowest frequency of thunderstorms. Also, in 65 years period, the one-day and two-day stormy sequences have the highest frequency. And For longer sequences, the frequency of thunderstorm days is reduced. The return period of one-day and two-day stormy spells is 1.5 and 5 days. Regression relation between the observed and estimated values of n-step periods of thunderstorm days shows that the considered accuracy and reliability for all months is more than 99%.