نوع مقاله : مقاله پژوهشی

نویسندگان

چکیده

در برنامه‌ریزی‌های توسعه و عمران یک منطقه،‏ آب و هوا نقش اصلی را بر عهده دارد و مهم‌ترین جلوه کار آّب و هواشناسان ابداع طبقه‌بندی‌های آب و هوایی است. استان چهارمحال و بختیاری منطقه‌ای کوهستانی در جنوب غرب ایران است که با توجه به تنوع توپوگرافی دارای توزیع متفاوت عناصر اقلیمی به‌خصوص بارش و دما است. در این پژوهش در راستای شناسایی دقیق خرده نواحی اقلیمی این استان از روش‌های آماری چندمتغیره تحلیل عاملی و تحلیل خوشه‌ای،‏ استفاده شد. بدین منظور تعداد 26 متغیر اقلیمی از 6 ایستگاه هواشناسی استان انتخاب شدند. سپس برای برطرف کردن کمبود ایستگاه‌های اقلیمی شاهد،‏ در سراسر پهنه استان طی فرایند میان‌یابی IDW،‏ ماتریس پهنه‌ای داده‌ها به ابعاد26×46 (متغیرها×گره‌گاه‌ها) به دست آمد. ماتریس اخیر داده‌های اقلیمی برای سراسر پهنه استان را فراهم کرد و بدین ترتیب مبنای ناحیه‌بندی قرار گرفت. نتایج تحلیل عاملی روی ماتریس پهنه‌ای داده‌ها نشان داد،‏ شکل‌گیری اقلیم استان متأثر از 4 عامل است که به‌ترتیب اهمیت عبارتند از: عامل بارشی،‏ عامل آسمان صاف،‏ عامل دمایی و عامل رطوبت. بعد از شناسایی عامل‌ها،‏ درنهایت با اجرای تحلیل خوشه‌ای بر روی ماتریس نمرات عاملی وجود 4 ناحیه اقلیمی متمایز در استان تشخیص داده شد.

کلیدواژه‌ها

عنوان مقاله [English]

Climatic regionalization of Chaharmahal and Bakhtiari province using new statistical techniques

نویسندگان [English]

  • Mohsen Abbasnia
  • mohammad baaghideh

چکیده [English]

Natural characteristics of each area, especially the climate, plays a major role in planning and development. Chaharmahal and Bakhtiari is a province that located in the south-west mountainous region of Iran. Due to topography diversities, this region has a different distribution of climatic elements (especially, rainfall and temperature). In this study, the multivariate statistical methods such as factor analysis and cluster analysis were used to detect sub-climatic regions of this province. For this purpose, 26 climatic variables were collected from 6 meteorological stations in the province. For overcoming the lack of climate control stations throughout the area the IDW Interpolation technique was used to produce a data matrix with dimensions of 26 × 46 (variables× nods) and it considered as a database for factor analysis. The results of factor analysis on the produced data set showed that four major factors which affect the climate of the province in order of importance are: the precipitation, the clear sky, the temperature and the humidity. Finally, cluster analysis on the matrix of factor scores recognized the four climate zones throughout the province.