Evaluating Spatial Distribution of Wind Speed Using Geostatistical Methods and Cluster Analyze

Document Type : Research Paper



Wind causes temperature and humidity displacement and also increases evaporation rate. Geostatistical methods because of theirs high accuracy in local estimation of geographical parameters and capability on reducing sampling number are suitable methods to determine the spatial interpolation of hydro-meteorological parameters such as wind speed. In this study, firstly, geostatistical interpolation methods were compared to estimate wind speed. Secondly different parts of Khozestan province were classified based on the wind speed, using cluster analysis. Finally, squared Euclidean Distance method was applied to determine the degree of similarity of stations. And also, Ward method was used for merging the stations. The results indicated that the maximum wind velocity occurred in the southern areas during cold months of the year and speed of wind in the northern parts of the study area was less than the other parts all over the year. Furthermore, 9 wind speed maps were developed based on stations cluster classification. The results of this research can be applied in order to identify the suitable places for sprinkle irrigation usage.


1-    بی­نام. 1390. راهنمای روش­های توزیع مکانی عوامل اقلیمی با استفاده از داده­های نقطه­ای، امور نظام فنی دفتر مهندسی و معیارهای فنی آب و آبفا، وزارت نیرو.
2-    ثقفیان، ب.، رزمخواه، ه. و ب. قرمز چشمه. 1390. بررسی تغییرات منطقه­ای بارش سالانه با کاربرد روش­های زمین­آمار (مطالعه موردی استان فارس). مجله مهندسی منابع آب، 4: 38-29.
3-    حسنی پاک، ع. ا. 1377. زمین­آمار (ژئواستاتیستیک). انتشارات دانشگاه تهران، چاپ اول، 314 صفحه.
4-    زهتابیان، غ. ر.، جان­فزا، ع. ا.، محمد عسگری، ح. و م. ج. نعمت­الهی. 1389. مدل­سازی توزیع مکانی برخی از خصوصیات شیمیایی آب­های زیرزمینی مطالعه موردی در حوزه آبخیز گرمسار. فصلنامة علمی-پژوهشی تحقیقات مرتع و بیابان ایران، 17 (1): 73-61.
5-    سقائی، ص. 1392. مطالعه همبستگی تغییرات ماهیانه پهنه تبخیر و تعرق مرجع با پارامترهای هواشناسی و جغرافیایی در حوضه کرخه بزرگ با استفاده از تکنیک GIS. پایان­نامه کارشناسی ارشد رشته آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه بوعلی سینا.
6-    شریفی، م. ر.، آخوند علی، ع. م.، پرهمت، ج. و ج. محمدی. 1386. ارزیابی دو روش معادله همبستگی خطی و کریجینگ معمولی به­منظور برآورد توزیع مکانی عمق برف در حوزه آبخیز صمصامی. مجله علوم و مهندسی آبخیزداری ایران، 1: 38-24.
7-    عساکره، ح. 1387. کاربرد روش کریجینگ در درون­یابی بارش، مطالعه موردی، درون­یابی بارش 26/12/1376 در ایران زمین. مجله جغرافیا و توسعه، 42: 12-25.
8-    فرج­زاده، م. و م. رازی قلاوند. ۱۳۸۹. بررسی توزیع زمانی و مکانی طوفان­ها و بادهای شدید در ایران. مجله پژوهش­های آبخیزداری، 91: 32-22.
9-    قهرمان، ن. و ا. قره­خانی. 1389. بررسی روند تغییرات زمانی سرعت باد در گستره اقلیمی ایران. مجله آبیاری و زهکشی ایران، 1 (4): 43-31.
10-  محمدی، ج. 1385. پدومتری. جلد دوم، آمار مکانی، نشر پلک، 435 صفحه.
11-  مسعودیان، س. ا. 1384. شناسایی رژیم­های بارش ایران به روش تحلیل خوشه­ای. مجله پژوهش­های جغرافیایی، 37 (52): 59-47.
12- منتظری، م. 1390. شناسایی فصول دمایی ایران به روش تحلیل خوشه­ای. فصلنامه تحقیقات جغرافیایی، 2: 198-173.
13- Alexandersson, H., Tuomenvirta, H., Schmith, T. and K. Iden, 2000. Trends of storms in NW Europe derived from an updated pressure data set. Climate Research, 14 (1): 71–73.
14- Barthelmie, R. J. and S. C. Pryor, 2001. A review of the economics of offshore wind energy. Wind Engineering, 25 (4): 203-213.
15- Gong, L., Xu C., Chen, D., Halldin, S. and Y. D. Chen, 2006. Sensitivity of the Penman–Monteith reference evapotranspiration to key climatic variables in the Changjiang (Yangtze River) basin. Journal of Hydrology, 329 (3-4): 620-629.
16- Hervada-Sala, C., Jarauta-Bragulat, E. and P. Buenestado-Caballero, 2010. Local wind regime characterization and modeling for wind energy optimization, applying statistical and geostatistical methods. IAMG Budapest, 29 August - 2 September.
17- Hokers, J. E. and J. B. Basara, 2007. A 10-year spatial climatology of squall line storms across Oklahoma. International Journal of Climatology, 28 (6): 765-775.
18- Irmak, S., Payero, J. O., Martin, D. L. and T. A. Howell, 2006. Sensitivity analyses and sensitivity coefficients. Journal of Irrigation and Drainage Engineering, 132 (6): 564-578.
19- Kettenring, R. 2006. The practice of cluster analysis. Journal of Classification, 23 (1): 3-30
20- Shoji, T. and Kitaura, H. 2006. Statistical and geostatistical analysis of rainfall in central Japan. Computers and Geosciences, 32: 1007-1024.
21- Tssung, C. K. 2004. Introduction to geographic information system. 2nd Edition, McGraw Hill.
Volume 40, 1-1
Special Issue
June 2017
Pages 49-59
  • Receive Date: 01 January 2014
  • Revise Date: 07 June 2017
  • Accept Date: 26 January 2016
  • First Publish Date: 26 January 2016