@article { author = {Mohammadi, H and Azizi, Ghasem and Taghavi, Farahnaz and Yousefi, Y}, title = {Temporal and Spatial Variability of Maximum Monthly Precipitation over Southern Parts of The Caspian Sea}, journal = {Physical Geography Research}, volume = {43}, number = {75(بهار1390)}, pages = {-}, year = {2011}, publisher = {University of Tehran}, issn = {2008-630X}, eissn = {2423-7760}, doi = {}, abstract = {Introduction: Precipitation is one of important climatic elements that vary considerably over space and time. One of the important aspects of precipitation study is the extreme precipitation. Because of economical effect, in recent years extreme climatic events have proved to be one of the most popular topics in contemporary climatology. It is well understood that climatic features in precipitation records are hidden in relative variables such as monthly and annual precipitation amounts, 24-hour annual precipitation extremes, rainfall intensities and temporal scale of rainfall variation ranges from minutes in a storm cell to decades and longer. The variability and spatial distribution of precipitation at different scales are the main cause of flood and drought events. For analysis of variability of precipitation, we can use harmonic method. Harmonic analysis is a particularly useful tool in studying precipitation temporal patterns as it reveals the spatial variation of various precipitation characteristics. It delineates the geographic extents of various precipitation regimes and highlights the boundaries between them. Materials and methods: North of Iran as a particular region has very different climatic condition. Harmonic analysis with the aid of forty years data of the well distributed network of 32 stations used to study of precipitation variability at this region. A brief explanation of the principles of harmonic analysis is presented concerning the nature and interpretation of this technique. For the monthly values of the examined frequencies f_t (f_t=0 At the origin), harmonic analysis can be written as follows: (f_t ) ?=f ?+?_(k=1)^6?(A_k cos??2?/12? kt+B_k sin??2?/12? kt) (2) Where A_k, B_k are the coefficients of the kTh harmonic (k=1, 2 . . . 6). These coefficients are given by (Panofsky and Brier (1958) and Wilks (2006)) as A_k=1/6 ?_(t=1)^6??f_t cos(2?/12 kt) ? (3) and B_k=1/6 ?_(t=1)^6??f_t sin(2?/12 kt) ? (4) Where f_t represents the monthly frequency of the annual 24-hour maximum precipitation amounts at the tTh month. The amplitude of a given harmonic is C_k=[?A_k?^2+?B_k?^2 ]^(1/2) (5) The variance of each harmonic can be calculated (Livada et al. 2008) as: V_k=(C_k^2)/2 (6) And the percentage of variance (PVR(k)) of each harmonic can be determined by the ratio: PVR(k)=V_k?(?_1^6??V_k ?) (7) The phase angle of the kth harmonic can be obtained (Wilks 2006) by: ?_k={?(tan^(-1) (B_k/A_k ),? A?_k>0 @tan^(-1) (B_k/A_k )±?,or±?180?^°,A_k}, keywords = {Harmonic,Maximum,Monthly,precipitation,variability,Variance}, title_fa = {تغییرپذیری زمانی و مکانی بیشین? بارش ماهانه در بخش‌های جنوبی دریای خزر}, abstract_fa = {تغییرپذیری دما و بارش از ویژگی‌های اصلی اقلیم به شمار می‌آید. به ویژه بارش در مقیاس‌های زمانی و مکانی مختلف دارای تغییرات بسیاری است. بررسی تغییرپذیری درون سالان? فراوانی بارش بیشین? ماهانه در مناطق جنوبی دریای خزر موضوع مقالة حاضر است. برای این منظور از داده‌های 32 ایستگاه (همدیدی سازمان هواشناسی و باران‌سنجی وزارت نیرو) که دارای 40 سال آمار پیوسته (2006-1967) است، استفاده شده است. بررسی اولیه نشان می‌دهد که به طور نسبی در ماه‌های سپتامبر، اکتبر و نوامبر بارش بیشین? ماهانه در بیشتر بخش‌های منطقه رخ می‌دهد. به منظور بررسی دقیق‌تر و نشان دادن تناوب بارش از روش هارمونیک استفاده گردید. روش هارمونیک نشان داد که بیشترین درصد توضیح واریانس به وسیل? هارمونیک اول به میزان بیش از70 درصد در بخش‌های ساحلی مناطق مرکزی و غربی این منطقه مشاهده می‌شود. در این بخش‌ها تغییرات درون سالان? بارش بیشین? ماهانه طی دور? مورد بررسی عموماً به صورت سالانه صورت می‌گیرد. در بخش‌های کوهستانی و شرقی به هارمونیک‌های سوم و چهارم برای توضیح واریانس نیاز است و در بعضی از موارد تا هارمونیک ششم نیز برای توضیح واریانس به کار می‌رود، که نشان از تغییرپذیری زیاد و عدم یکنواختی بارش در این مناطق دارد. بیشترین PVR(1) به میزان 82 درصد متعلق به ایستگاه رشت و کمترین میزان PVR(1) به میزان حدود 10 درصد مربوط به ایستگاه نمارستاق است. میزان PVR که نشان‌دهند? میزان توضیح‌دهندگی واریانس است، در هارمونیک اول نشان‌دهند? تغییرات سالانه است. در ایستگاه رشت ـ به واسط? میزان بالای PVR هارمونیک اول ـ تغییرات درون سالانه مولف? بررسی‌شده دارای یکنواختی بیشتر و سالانه بوده و در ایستگاهی همچون نمارستاق تغییرات دارای تغییرپذیری بیشتری است و به هارمونیک‌های بالاتری برای توضیح واریانس نیاز است.}, keywords_fa = {بارش,بیشینه,تغییرپذیری,ماهانه,هارمونیک,واریانس}, url = {https://jphgr.ut.ac.ir/article_22630.html}, eprint = {https://jphgr.ut.ac.ir/article_22630_2038a504cd3a23debb79845be9d12900.pdf} }