چکیده
در این مقاله قصد داریم از مفاهیم شبکه های پیچیده به منظور بررسی مشخصه های بارندگی استفاده کنیم. به طور اختصاصی به بررسی مشخصه های بارندگی و آنهم بر حسب ارتباط مکانی، مقیاس زمانی و اندازه ی شبکه می پردازیم. از روش ضریب خوشه بندی برای جمع آوری داده های بارندگی و آن هم در شش مقیاس زمانی ( روزانه، دو روز، چهار روز، هشت روز، شانزده روز و ماهیانه) و آن هم از روی تعداد زیادی از ایستگاه های هواشناسی موجود در مجاورت رودخانه ی ماری-دارلینگ استرالیا استفاده می کنیم. آستانه های همبستگی مختلفی را برای شناسایی وجود ارتباط بین ایستگاه ها در نظر می گیریم. برای درک تأثیر اندازه ی شبکه ( یعنی تعداد ایستگاه ها) و حجم داده ها، سه شبکه ی مختلف را در نظر می گیریم ( 430 ایستگاه با 30 سال داده های ثبت شده به صورت روزانه، 383 ایستگاه با 30 سال داده های ثبت شده به صورت روزانه و 383 ایستگاه با 64 سال داده های ثبت شده به صورت روزانه). نتایج نشان می دهد که ماهیت ارتباطات فضایی می تواند به وسیله ی آستانه ی همبستگی و آنهم با تغییر رخدد مقیاس های مختلف زمانی برای آستانه های مختلف، تغییر نماید. شناسایی یک آستانه ی مناسب را می توان عاملی کلیدی برای درک مشخصه های ارتباطی بارندگی دانست.
1-مقدمه
بارندگی ( و سایر سیستم های هیدرولوژیکی) دارای مشخصه های خاصی بوده که در مقیاس های مختلف با هم ارتباط دارند ( دیدا 2000، گوچتا و ویامیر 1993، لوجی و ماندبلروت 1985، مونلار و بورلاندو 2005، اولسام 1998، پو و همکاران 2012، سیوامومار و همکاران 2001). چنین روابطی می تواند بر حسب زمان یا فضا و یا فضا-زمان بیان شود. این روابط از الزامات مهمی برای مدل سازی و پیش بینی برخوردار می باشند، مثلاٌ تبدیل داده های بارندگی از یک مقیاس به مقیاس دیگر....
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید