@article { author = {}, title = {Detection Climate Change using Multivariable Statistical Analysis in west of Iran}, journal = {Physical Geography Research}, volume = {0}, number = {66}, pages = {-}, year = {2009}, publisher = {University of Tehran}, issn = {2008-630X}, eissn = {2423-7760}, doi = {}, abstract = {The aim of this paper is detection of exist of significance climatic trend in west-half of Iran. It’s used monthly data of 16 climatic variables on 12 selected synoptic stations in period of 50 years statistic(1951-2000). The variables divided to two temperature and humid groups. The analysis methodology of the study is based on multivariable statistical analysis and Box- Jenkins forecasting models. The results show the temperature variables such as average minimum temperature, absolute minimum temperature and dew point temperature had significant trend with different direction. Some stations such as Esfahan, Tehran, Bushehr, and Tabriz, had positive significant trend and in some stations such as Uremia, Hamadan, Khorram-abad there were negative significant trend. We didn’t find any significant trend in moisture and precipitation variables(humid group).}, keywords = {climate change,Jenkins models,Multivariable analysis,Panel method,Box}, title_fa = {بازیابی تغییراقلیم در نیمه غربی کشور با استفاده از تحلیل های آماری چند متغیره}, abstract_fa = {هدف این مقاله بازیابی وجود یا عدم وجود روند معنی‌دار تغییر اقلیم در نیمه غربی کشور می باشد. داده‌های ماهانه 16 متغیر اقلیمی در12 ایستگاه سینوپتیک برای دوره 50 ساله(2000-1951) استفاده گردیده است. داده‌ها شامل دو گروه متغیرهای دما و رطوبت می‌شوند. روش تحقیق مبتنی بر تحلیل‌ آماری چند متغیره و مدل های پیش‌بینی باکس جنکینز می باشد. با توجه به محاسبه‌های صورت گرفته بر روی داده‌ها، متغیرهای دمایی بویژه میانگین حداقل دما، حداقل مطلق و دمای نقطه شبنم دارای روند تغییرات معنی‌دار ولی با جهت‌های متفاوت بودند(اصفهان، بوشهر، تهران و تبریز با روند افزایشی و اورمیه، خرم آباد و همدان با روند کاهشی)، با دقت در نتایج به دست آمده در ایستگاه های مختلف مجاورت با شهرهای بزرگ و موقعیت نسبی جغرافیایی در جهت روند تغییرات مؤثر بوده است. همچنین بر اساس نتایج به دست آمده داده های رطوبت و بارش غالبا از روند تغییرات معنی‌دار ی برخوردار نیستند.}, keywords_fa = {climate change,Jenkins models,Multivariable analysis,Panel method,Box}, url = {https://jphgr.ut.ac.ir/article_27783.html}, eprint = {https://jphgr.ut.ac.ir/article_27783_aad84834eee6374e4f0c342904b32166.pdf} }