ORIGINAL_ARTICLE
ارزیابی بارش و دما بر مبنای توسعه و تعمیم شاخص دریای شمال-خزر برای دوره آتی در سواحل جنوبی دریای خزر
تغییرپذیری مولفههای دما و بارش و نقش تغییر اقلیم بر روی آنها و همچنین تأثیر شاخصهای بزرگمقیاس اقلیمی در سالهای اخیر توسط محققین در حوزههای مختلف علمی مورد توجه خاصی قرار گرفتند. یکی از مهمترین شاخصها با مقیاس منطقهای که بهنوعی در شرق اقیانوس اطلس با شاخص NAO در یک محدوده عمل میکند به شاخص دریای شمال- خزر (NCP) اشاره نمود. در این پژوهش، از سه دسته داده شامل مولفههای دما و بارش، دادههای بازکاوی شده ارتفاع ژئوپتانسیل 500 هکتوپاسکال و دادههای ارتفاع ژئوپتانسیل 500 هکتوپاسکال بر اساس 14 مدل اقلیمی استفاده کردیم. در مرحله اول شاخص NCP برای دورههای آتی توسعه و تعمیم و سپس فازهای مثبت و منفی آن برای دو سناریوی RCP4.5 و RCP8.5 مشخص شد و همچنین مولفههای حداکثر دما، حداقل دما، نرخ بارش و تعداد روزهای بارشی نیز برای دورههای آتی ریزمقیاس نمایی گردیدند. با توجه به آیندهنگری انجامشده برای فازهای مثبت و منفی این شاخص مشخص شد که برای دوره آتی 2060-2041 دمای حداکثر و حداقل در هر دو فاز بر مبنای دو سناریو افزایش خواهند یافت. آیندهنگری نرخ و تعداد روزهای بارشی نیز نشان داد که رفتار تغییرات بارش در دوره آتی نسبت به دوره پایه بینظمتر از مولفه دما خواهد بود. بطوریکه مشخص گردید میانگین تعداد روزهای بارش در سناریوی RCP4.5 در هر دو فاز از روند کاهشی برخوردار خواهند بود و همچنین در هر دو فاز نرخ بارش در ایستگاههای که با بدنه آبی دریای خزر فاصله نزدیکی دارند افزایش قابلتوجهی را خواهند داشت. همچنین بر مبنای سناریوی RCP8.5 متوسط تعداد روزهای بارش منطقه مورد مطالعه در فاز مثبت نسبت به دوره پایه در حدود ۵ روز کاهش و در فاز منفی ۴ روز افزایش خواهد یافت.
https://ccr.gu.ac.ir/article_140032_b2dd12b1124aeeaff582d5fe2e6ab163.pdf
2021-12-22
1
22
10.30488/ccr.2021.311761.1054
شاخص NCP
تغییر اقلیم
سناریوهای اقلیمی
فازهای مثبت و منفی
امین
گری
amingray1356@yahoo.com
1
دانشجوی کارشناسی ارشد رشته آب و هواشناسی دانشگاه گلستان
AUTHOR
عبدالعظیم
قانقرمه
aghanghermeh@gmail.com
2
دانشیار اقلیم شناسی، گروه جغرافیا، دانشگاه گلستان، گرگان
LEAD_AUTHOR
Çağlar, F., Yetemen, O., Pan Chun, K., and Lutfi Sen, O. (2021, April). Applicability of the North Sea Caspian Pattern as an indicator of the Euro-Mediterranean Climate Variability. In EGU General Assembly Conference Abstracts (pp. EGU21-8729).
1
López-Moreno, J.I., and Vicente-Serrano, S.M. (2008). Positive and negative phases of the wintertime North Atlantic Oscillation and drought occurrence over Europe: a multitemporal-scale approach. Journal of Climate, 21(6), 1220-1243.
2
Folland, C.K., Knight, J., Linderholm, H.W., Fereday, D., Ineson, S., and Hurrell, J.W. (2009). The Summer North Atlantic Oscillation: Past, Present, and Future, Journal of Climate, 22(5), 1082-1103. Retrieved Jan 24, 2021, from https://journals.ametsoc.org/view/journals/clim/22/5/2008jcli2459.1.xml
3
Folland, C.K., Knight, J., Linderholm, H.W., Fereday, D., Ineson, S., and Hurrell, J.W. (2009). The Summer North Atlantic Oscillation: Past, Present, and Future, Journal of Climate, 22(5), 1082-1103. Retrieved Jan 24, 2021, from https://journals.ametsoc.org /view/journals/clim/22/5/2008jcli2459.1.xml
4
Rousi, E., Anagnostopoulou, C., Tolika, K., Maheras, P., and Bloutsos, A. (2013). ECHAM5/MPI General Circulation Model Simulations of Teleconnection Indices Over Europe. In Advances in Meteorology, Climatology and Atmospheric Physics (pp. 709-715). Springer, Berlin, Heidelberg.
5
Beranová, R., and Kyselý, J. (2013). Relationships between the North Atlantic Oscillation index and temperatures in Europe in global climate models. Studia Geophysica et Geodaetica, 57(1), 138-153.
6
Davey, M.K., Brookshaw, A., and Ineson, S. (2014). The probability of the impact of ENSO on precipitation and near-surface temperature. Climate Risk Management, 1, 5-24.
7
Wise, E.K., Wrzesien, M.L., Dannenberg, M.P., and McGinnis, D.L. (2015). Cool-season precipitation patterns associated with teleconnection interactions in the United States. Journal of Applied Meteorology and Climatology, 54(2), 494-505.
8
Cleary, D.M., Wynn, J.G., Ionita, M., Forray, F.L., and Onac, B.P. (2017). Evidence of long-term NAO influence on East-Central Europe winter precipitation from a guano-derived δ15N record. Scientific reports, 7(1), 14095. https://doi.org/10.1038/s41598-017-14488-5.
9
Riaz, Syed M.F., Iqbal, M.J., Hameed, Sultan (1 January 2017). "Impact of the North Atlantic Oscillation on winter climate of Germany". Tellus A: Dynamic Meteorology and Oceanography. 69 (1): 1406263. DOI:10.1080/16000870.2017.1406263.
10
Luo, D., Chen, X., and Feldstein, S.B. (2018). Linear and nonlinear dynamics of North Atlantic Oscillations: A new thinking of symmetry breaking. Journal of the Atmospheric Sciences, 75(6), 1955-1977.
11
Bahrami, F., Saadatabadi, A.R., Meshkatee, A.H., and Kamali, G. (2019). The Impact of ENSO Phase Transition on the Atmospheric Circulation, Precipitation and Temperature in the Middle East Autumn. Asia-Pacific Journal of Atmospheric Sciences, 1-15.
12
Ermakova, T.S., Aniskina, O.G., Statnaia, I.A. et al.(2019). Simulation of the ENSO influence on the extra-tropical middle atmosphere. Earth Planets Space 71, 8 https://doi.org/10.1186/s40623-019-0987-9.
13
Rousi, E., Rust, H.W., Ulbrich, U., and Anagnostopoulou, C. (2020). Implications of winter NAO flavors on present and future European climate. Climate, 8(1), 13.
14
Hamouda, M.E., Pasquero, C. and Tziperman, E. (2021). Decoupling of the Arctic Oscillation and North Atlantic Oscillation in a warmer climate. Clim. Chang. https://DOI.org /10.1038/s41558-020-00966-8
15
Kutiel, H., and Benaroch, Y. (2002). North Sea-Caspian Pattern (NCP)–an upper level atmospheric teleconnection affecting the Eastern Mediterranean: Identification and definition. Theoretical and Applied Climatology, 71(1), 17-28.
16
Kutiel, H., and Türkeş, M. (2005). New evidence for the role of the North Sea—Caspian Pattern on the temperature and precipitation regimes in continental central Turkey. Geografiska Annaler: Series A, Physical Geography, 87(4), 501-513.
17
Gündüz, M., and Özsoy, E. (2005). Effects of the North Sea Caspian pattern on surface fluxes of Euro‐Asian‐ Mediterranean seas. Geophysical Research Letters, 32(21).
18
Tatli, H. (2007). Synchronization between the North Sea–Caspian pattern (NCP) and surface air temperatures in NCEP. International Journal of Climatology: A Journal of the Royal Meteorological Society, 27(9), 1171-1187.
19
Ghasemi, A.R., and Khalili, D. (2008). The effect of the North Sea-Caspian pattern (NCP) on winter temperatures in Iran. Theoretical and applied climatology, 92(1), 59-74.
20
Kutiel, H. (2010). A review on the impact of the North Sea–Caspian Pattern (NCP) on temperature and precipitation regimes in the Middle East. In Survival and Sustainability (pp. 1301-1312). Springer, Berlin, Heidelberg.
21
Brunetti, M., and Kutiel, H. (2011). The relevance of the North-Sea Caspian Pattern (NCP) in explaining temperature variability in Europe and the Mediterranean. Natural Hazards and Earth System Sciences, 11(10), 2881-2888.
22
Masoodian, S.A., and Darand, M. (2013). The relation between two patterns North Sea–Caspian pattern NCP) and East Europe–Northeast Iran ENEI) with number of extreme cold temperatures in Iran during cold seasons. Journal of the Earth and Space Physics, 392), 171-186.
23
Ghavidel Rahimi, Y., Farajzadeh Asl, M., and Kakapor, S. (2014). Investigation on North Sea-Caspian Teleconnection Pattern Effect on Autumn Rainfall Fluctuations in West and Northwest Regions of Iran. Geography and Planning, 18(49), 217-230.
24
Gündüz, M., Sözer, A., Tutsak, E., and Özsoy, E. (2015). Water transport variability in the aegean sea and its connection with north sea caspian pattern ncp). Ordu Üniversitesi Bilim ve Teknoloji Dergisi, 51), 1-8.
25
Ghanghermeh, A., Roshan, G., and Al-Yahyai, S. (2015). The influence of Atlantic-Eurasian teleconnection patterns on temperature regimes in South Caspian Sea coastal areas: a study of Golestan Province, North Iran. Pollution, 1(1), 67-83.
26
Ghavidel, R.Y., Farajzadeh, A.M., and Hatami, Z.D. (2016). The Role of North Caspian Sea Pattern (NCP) Teleconnection in Maximum Temperatures Oscillation in Iran.
27
Sezen, C., and Partal, T. (2017). The Effects of North Sea Caspian Pattern Index on the Temperature and Precipitation Regime in the Aegean Region of Turkey. International Journal of Environmental and Ecological Engineering. 11(5), 413-417.
28
Sezen, C., and Partal, T. (2017). The relation of North Atlantic oscillation (NAO) and North Sea Caspian pattern (NCP) with climate variables in Mediterranean region of Turkey. The Eurasia Proceedings of Science Technology Engineering and Mathematics, (1), 366-371.
29
Tosunoglu, F., Can, I., and Kahya, E. (2018). Evaluation of spatial and temporal relationships between large‐scale atmospheric oscillations and
30
meteorological drought indexes in Turkey. International Journal of Climatology, 38(12), 4579-4596.
31
Sezen, C., and Partal, T. (2019). The impacts of Arctic oscillation and the North Sea Caspian pattern on the temperature and precipitation regime in Turkey. Meteorology and Atmospheric Physics, 131(6), 1677-1696.
32
Araghi, A., Martinez, C.J., Adamowski, J., and Olesen, J.E. (2019). Associations between large-scale climate oscillations and land surface phenology in Iran. Agricultural and Forest Meteorology, 278, 107682.
33
Moghbel, M. (2020). Evaluation of the human thermal discomfort index in different phases of North-Caspian Sea Patterns (NCP) in southern coasts of Caspian Sea, Iran. Climate Change Research, 1(4), 1-9.
34
ORIGINAL_ARTICLE
ارزیابی اثر تغییر اقلیم بر بارش و دما با استفاده از مدلهای AR4 (مطالعه موردی: حوضه آبخیز قرهسو، کرمانشاه)
رشد سریع صنایع و کارخانهها از یک طرف و جنگلزدایی و تخریب محیط زیست از طرف دیگر باعث افزایش روزافزون گازهای گلخانهای در سطح زمین در دهههای اخیر شده است. افزایش گازهای گلخانهای منجر به افزایش دمای اتمسفر در سطح جهانی میگردد که به گرمایش جهانی مرسوم می باشد. این اثرات منحصر به افزایش دمای اتمسفر نبوده و سایر متغیرهای اقلیمی را نیز تحت تأثیر قرار می دهد که به آن پدیده تغییر اقلیم گفته می شود. این مطالعه به منظور بررسی اثرات تغییر اقلیم بر حوضه «قرهسو» در دورههای 30 ساله (2044-2015) و (2075-2045) انجام پذیرفته است. 10 مدل GCM از مجموعه مدلهای AR4 جهت بررسی تغییرات اقلیم در این مطالعه مورد استفاده قرار گرفت.6 ایستگاه هواشناسی برای بررسی تغییرات دما و 9 ایستگاه نیز برای بررسی تغییرات بارندگی انتخاب شدند. بر اساس دقت مدلهایGCM در پیشبینی پارامترهای دما و بارش، این مدلها وزندهی شده و بر اساس وزن آنها، الگوی متوسط برای تمام این مدلها تعریف شد و تحت سناریوهای انتشار A2 وB1، دادههای روزانه دما و بارندگی با استفاده از مدل LARS-WG تولید شدند. سپس با استفاده از روش IDW دادههای هواشناسی به صورت منطقهای تبدیل شدند. نتایج وزندهی مدلهای GCM نشان داد که در بین ده مدل به طور میانگین، مدل IPCLCM4.0 بیشترین دقت را در برآورد دما و مدل GISS-ER بیشترین دقت را در برآورد بارش در کل حوضه قرهسو از خود نشان دادند. همچنین نتایج مربوط به بخش تغییرات پارامترهای اقلیمی دما و بارش نشان داد که فصل تابستان و بهار بهترتیب بیشترین مقدار افزایش دما را در دو دورهی آینده نزدیک (2044-2015) و آینده دور (2074-2045) برای هر دو سناریو A2 و B2 خواهند داشت و فصل زمستان بیشترین مقدار کاهش بارندگی را دارد.
https://ccr.gu.ac.ir/article_143023_14469dea51ecf2c0ac02fa26a82b5925.pdf
2021-12-22
23
34
10.30488/ccr.2022.319044.1061
غییر اقلیم
مدلهای گردش عمومی جو
مدلهای AR4
مدل LARS-WG
حوضه قرهسو
یحیی
میرشکاران
yahyamirshekaran@yahoo.com
1
گروه جغرافیا، دانشکده فرماندهی و مدیریت، دانشگاه علوم انتظامی امین، تهران
LEAD_AUTHOR
وحید
کاکاپور
dowlatmahali@yahoo.com
2
دانشآموخته ارشد مهندسی آبخیزداری دانشگاه صنعتی اصفهان
AUTHOR
امیر
زارعی
amirzarey@yahoo.com
3
دانشآموخته ارشد مهندسی آب دانشگاه صنعتی اصفهان
AUTHOR
. آذرانفر،آرش. ابریشمچی، احمد و مسعود تجریشی. 1385. ارزیابی تغییرات بارش و دما بر تغییر اقلیم با استفاده از خروجی مدلهای چرخش عمومی، دومین کنفرانس مدیریت منابع آب، دانشگاه صنعتی اصفهان.
1
اسماعیلی، رضا. گندمکار،امیر وحسنعلی غیور. 1391. پهنهبندی میزان تغییرات اقلیمی از دیدگاه کشاورزی در دوره اقلیمی آینده مطالعه موردی: استان خراسان رضوی، جغرافیا و برنامهریزی محیطی، 22:35-52.
2
3. شاهکرمی، نازنین. 1388. ارائه راهکارهای تطبیق با تغییر اقلیم با دخالت تحلیل ریسک و مدیریت جامع منابع آب در حوضه زاینده-رود ایران، رساله دکتری سازههای آبی به راهنمایی:علیرضا مساح بوانی، دانشگاه تربیت مدرس.
3
گوهری، علیرضا. 1392. ارایه راهکارهای سازگاری با سطوح احتمالی مختلف تأثیر تغییر اقلیم بر منابع آب حوضه زایندهرود با رویکرد دینامیک سیستمها، رساله دکتری مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان.
4
Bates, B., Kundzewicz, Z.W., Wu, S. and Palutikof, J. (20080. Climate Change and Water. Intergovernmental Panel on Climate Change (IPCC), 200 pages.
5
6.Beecham, S., Rashid, M. and Chowdhury, R.K. (2014). Statistical downscaling of multi-site daily Rainfall in a South Australian catchment using a Generalized Linear Model. International Journal of Climatology, 34(14): 3654–3670.
6
7.Delworth T. L., Broccoli, A.J., A. Rosati, Stouffer, R.J., Balaji, V. and Beesley, J.A. (2006). GFDL's CM2 global coupled climate models, part Ι: formulation and simulation characteristics. J. Clim. 19: 643-674.
7
8.Deque, M., Dreveton, C., Braun, A. and Cariolle, D. (1994). The ARPEGE/Ifs atmosphere model: a contribution to French community climate modeling. Clim. Dyn. 10: 249-266.
8
9.Diansky N.A., Bagno, A.V. and Zalensny, V.B. (2002). Sigma model of global ocean circulation and its sensitivity to variations in wind stress. Izv. Atmos. Ocean. Phys. 38: 477-494.
9
10.Dibike, Y.B. and Coulibaly, P. (2005). Hydrologic impact of climate change in the Saguenay watershed: comparison of downscaling methods and hydrologic models. J. Hydrol. 307: 145-163.
10
11.Gordon, C., Cooper, C., Senior, C.A., Banks, H., Gregory, J.M., and Johns T.C. et al. (2000). The simulation of SST, sea ice extents and ocean heat transports in a version of Hadley Center coupled model without flux adjustments. Clim. Dyn. 16: 147-168.
11
12.Gordon, H.B., Rotstayn, L.D., McGregor, J.L., Dix, M.R., Kowalczyk, E.A., and O'Farrell, S.P. et al. (2002). The CSIRO Mk3 climate system model (electronic publication). CSIRO Atmospheric Research technical paper, No. 60, Aspendale: CSIRO Atmospheric Research.
12
13.Greene, A.M., Goddard, L. and Lall, L. (2006). Probabilistic multi-model regional temperature change projections. J. Clim. 19: 4326-4346
13
14.Hashmi M.Z., Shamseldin, A.Y. and Melville, B.W. (2011). Comparison of SDSM and LARS-WG for simulation and downscaling of extreme precipitation events in a watershed. Stoch. Environ. Res. Risk. Asses. 25: 475-484.
14
15.IPCC. (2007). Summary for Policymakers in Climate Change, The Physical Science Basis, Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge. pp. 1-18.
15
16.Kiehl J.T., J.J. Hack, G.B., Bonan, B.A., Boville, D.L., Williamson and Rasch, P.J. (1998). The National Center for Atmospheric Research Community Climate Model: CCM3. J. Clim. 11: 1131-1149.
16
17.Kim, B.S., Kim, H.S., Seoh, B.H. and Kim, N.W. (2007). Impact of climate change on water resources in Yongdam Dam Basin, Korea. Stochastic Environmental Research and Risk Assessment, 21: 355–373.
17
18.Lane, M.E., Kirshen, P.H. and Vogel, R.M. (1999). Indicators of impact of global climate change on U.S. water resources. J. Water Resour. Plann. Manage. ASCE. 125: 194-204
18
19.Marti, O., Braconnot, P., Bellier, J., and Benshila, R. et al. (2005). The new IPSL climate system model: IPSL-CM4. Institut Pierre Simon Laplace, Paris, 84 pp.
19
20.Mason, S.J. 2004. Simulating climate over western North America using stochastic weather generators. Clim. Change. 62: 155-187.
20
21.Maurer, E.P. (2009). Climate model based consensus on the hydrologic impacts of climate change to the Rio Lempa basin of Central America. Hydrol. Earth Syst. Sci. 13: 183-194.
21
22.McFarlane N.A., Boer, G.J., Blanchet, J.P. and M. Lazare M. (1992). The Canadian Climate Centre second-generation general circulation model and its equilibrium climate. J. Clim. 5: 1013-1044.
22
23.Minville, M., Brissette, F. and Leconte, R. (2008). Uncertainty of the impact of climate change on the hydrology of a Nordic watershed. J. Hydrol. 358: 70-83.
23
24.Mitchell J.F.B., Johns, T.C., Eagles, M., Ingram, W.J. and Davis, R.A. (1999). Towards the construction of climate change scenarios. Clim. Change. 41: 547-581.
24
25.Morid, S. and Massah Bavani, A.R. (2010). Exploration of potential adaptation strategies to climate change in the Zayandeh Rud irrigation system, Iran. J. Irrig. Drain. ASCE. 59: 226-238.
25
26.Wilks, D.S. (1992). Adapting stochastic weather generation algorithms for climate change studies. Climate Change, 22(1): 67–84.
26
27.Wolff, J.O., Maier-Raimer, E. and Legutke, S. (1997). The Hamburg ocean primitive equation model. Deutches Klimarechenzentrum Tech. Rep. 13, Hamburg, Germany.
27
28.Semenov, M.A. and Barrow, E.M. (2002). LARS-WG a stochastic weather generator for use in climate Impact studies. User Manual, Rothamstead Research, Hertfordshire, 34 pages.
28
29.Schmidt G.A., Ruedy, R., Hansen, J.E., Aleinov, I., Bell, N. and Bauer, M. et al. (2006). Present day atmospheric simulations using GISS ModelE: comparison to in-situ, satellite and reanalysis data. J. Clim. 19: 153-192
29
30.Strauss, F., Formayer, H. and Schmid, E. (2013). High resolution climate data for Austria in the period 2008–2040 from a statistical climate change model. Int. J. Climatol. 33: 430-443.
30
31.Zareian, M. Ja., Eslamian, S. and Safavi, H.R. (2014). A modified regionalization weighting approach for climate change impact assessment at watershed scale. Theoretical and Applied Climatology, Springer-Verlag Wien. PP. 497-516.
31
ORIGINAL_ARTICLE
بررسی ارتباط نوسانات چرخندگی تغییرات اقلیمی بارشهای شمال غرب ایران (مطالعه موردی: ایستگاه سردشت)
تغییرات اقلیمی از دیدگاه بسیاری از دانشمندان پدیده طبیعی است که در مدتزمان طولانی رخ میدهد. تأثیر فعالیتهای بشر نیز باعث تشدید اثرات پدیده تغییرات اقلیمی، شدت روند این تغییرات و تغییر زمانی این پدیده نظیر بارش میگردد. در بررسی تغییر اقلیمی میتوان از پارامترهای مختلف هواشناسی استفاده کرد ازجمله این پارامترها میتوان به چرخندگی اشاره کرد. چرخندگی مثبت و منفی در موج بادهای غربی باعث ایجاد تغییراتی در نوع ریزش بارش میگردد. هدف این پژوهش بررسی ارتباط نوسانات چرخندگی بر بارش منطقه سردشت میباشد. ابتدا دادههای بارش روزانه از ایستگاه سینوپتیک سردشت اخذ و پس از تجزیهوتحلیل آماری دادهها، با استفاده از نرمافزار گردس نقشههای سینوپتیک امگا، ارتفاع ژئوپتانسیل تراز ۵۰۰ میلی بار، فشار سطح دریا و چرخندگی برای روزهای نماینده استخراج و موردبررسی قرار گرفت. نتایج حاکی از ایجاد جبهه در سطح زمین در کلیه نقشههای فشار سطح دریا در ایستگاه سردشت میباشد. همچنین در نقشه ژئوپتانسیل، منطقه موردمطالعه در بخش وزش افقی چرخندگی مثبت فرود بادهای غربی واقعشده که باعث ایجاد شرایط ناپایدار در تراز ۵۰۰ میلی بارشده و موجبات صعود رطوبت را فراهم کرده است. در سطح زمین، مهمترین منابع رطوبتی که باعث تقویت جبهه و بارش در ایستگاه موردبررسی شدند دریای سیاه، مدیترانه و خزر بود. جهت وزش باد در سطح زمین بهصورت شمال شرقی- جنوب غربی و در سطح بالا غربی، جنوب غربی و شمال غربی بود. در اغلب روزها شاهد سلطه یک سامانه سیکلونی در منطقه میباشیم که با ایجاد شرایط ناپایدار توسط جبهه، بارش رخداده است. در نقشه امگا، کلیه روزها ناپایدار بوده و هستههای امگای منفی در ایستگاه سردشت شکلگرفته است. نقشه چرخندگی نشان از تأثیرگذاری چرخندگی مثبت در این ایستگاه میباشد که موجب ریزش بارش بخصوص بارش مایع در منطقه شده است..
https://ccr.gu.ac.ir/article_142539_b225426f2ebf44b80544d843c00a2284.pdf
2021-12-22
35
54
10.30488/ccr.2021.319278.1062
شهرستان سردشت
شمال غرب ایران
نوسانات چرخندگی
بارش
بتول
زینالی
elahehzeinali1364@gmail.com
1
دانشیار آب و هواشناسی، دانشگاه محقق اردبیلی، اردبیل، ایران
LEAD_AUTHOR
برومند
صلاحی
bromand416@yahoo.com
2
استاد آب و هواشناسی، دانشگاه محقق اردبیلی، اردبیل، ایران
AUTHOR
هاجر
نوروزپرست
hajarnorozparast.74@gmail.com
3
کارشناسیارشد آب و هواشناسی، دانشگاه محقق اردبیلی، اردبیل، ایران
AUTHOR
سمیرا
مینایی
s.minaei70218@gmail.com
4
دانشجوی کارشناسیارشد آب و هواشناسی، دانشگاه محقق اردبیلی، اردبیل، ایران
AUTHOR
امیری، آزیتا، علیجانی، بهلول، بیگم حجازی زاده، زهرا، فتاحی، ابراهیم، آزادی، مجید، 1396. بررسی تغییرات دورن سالی تاوایی نسبی در خاورمیانه و مدیترانه شرقی، نشریه پژوهشهای اقلیم شناسی، سال هشتم، بهار 1396، شماره 29-30، صص 55-71
1
شجعی باشکند، محمد، 1379. بررسی و ارائه مدلهای سینوپتیکی بارشهای سنگین در شمال غرب ایران، پایان نامه کارشناسی ارشد، استاد راهنما: محمد خیراندیش، وزارت علوم، تحقیقات و فناوری، دانشگاه تربیت مدرس، دانشکده منابع طبیعی، گروه هواشناسی.
2
جهانبخش، سعید، اشرفی، سعیده، عساکره، حسین، 1400. بررسی تغییرات دههای سامانههای بارانزای موثر بر حوضه آبریز رود زرد، نشریه علمی و پژوهشی جغرافیای و برنامهریزی، سال بیست و پنجم، بهار 1400، شماره 75، صص 101-117.
3
جلالی، مسعود ، دوستکامیان، مهدی ، شیری کریم وندی، امین، 1398. بررسی و تحلیل همدیدی دینامیکی سازوکارهای بارش فراگیر زمستانه ایران، فصلنامه پژوهشهای کاربردی علوم جغرافیایی، دوره نوزدهم، ش 55، ص 1.
4
جلالی، مسعود ، شاهبایی، علی، کمریان، وهاب، 1396. شناسایی الگوهای همدید بارشهای شدید تابستانه در سواحل جنوبی دریای خزر، نشریه جغرافیا و برنامه ریزی، دوره بیست و یکم، ش 2-59، ص 1.
5
رضایی بنفشه، مجید، جعفری شندی، فاطمه، حسین علیپور جزی، فرشته، 1397. واکاوی سینوپتیکی الگوهای فشار مرتبط با بلاکینگهای موثر بر رخداد بارشهای مدوام و سنگین تبریز (طی سالهای 1951 تا 2013)، نشریه علمی جغرافیای و برنامهریزی، سال بیست و چهارم، بهار1399، شماره 71، صص 123-105.
6
زرگری، مطهره ، مفیدی، عباس ، زرین، آذر، 1394، بررسی بارشهای سنگین بهمنظور پیشبینی سیلابهای شهری در استان تهران، کنگره ملی آبیاری و زهکشی ایران، دوره یکم، صص 1-5.
7
علیجانی، بهلول ، خسروی، محمود ، اسماعیل نژاد، مرتضی، 1389. تحلیل همدید بارش سنگین ششم ژانویه 2008 در جنوب شرقی ایران، پژوهشهای اقلیمشناسی، دوره یکم، ، شماره 3-4، صص 14.
8
علیجانی، بهلول ، رضایی، غلامحسین، 1393. توزیع زمانی- مکانی تاوایی نسبی در ایران با تأکید بر بارش، جغرافیا (فصلنامه علمی – پژوهشی و بینالمللی انجمن جغرافیای ایران)، سال دوازدهم، ش 42، صص 90 -94.
9
علیجانی، بهلول،1380، شناسایی تیپهای هوایی باران آور تهران بر اساس محاسبه چرخندگی، دانشگاه تربیتمعلم تهران، ش 530، صص 114- 118.
10
قدسی پور، حسن، 1384. فرآیند تحلیل سلسهمراتبی (AHP)، انتشارات دانشگاه صنعتی امیرکبیر، صص 10-5.
11
گرامی، محمدصالح، مفیدی، عباس ،زرین، آذر، 1394. تحلیل فضایی ارتباط بین وقوع بارشهای بهار در شمال غرب ایران و مؤلفههای مقیاس منطقهای گردش جو، صص 1- 5.
12
گندمکار، امیر، 1387، بررسی روند تغییرات بارش در زابل، اولین کنفرانس بینالمللی بحران آب (دانشگاه زابل)، دوره دوم، ش 6، صص 65- 68.
13
لشکری، حسن، 1375. الگوی سینوپتیکی بارشهای شدید در جنوب غرب ایران، رساله دکتری جغرافیای طبیعی، دانشگاه تربیت مدرس. ایران.
14
لشکری، حسین، خزائی، مهدی، 1393. تحلیل سینوپتیکی بارشهای سنگین استان سیستان و بلوچستان، اطلاعات جغرافیایی (سپهر)، سال بیست و سوم، ش 1-90، تهران، صص 8 الی 10.
15
محمدی، حسین ، فتاحی، ابراهیم ، شمسیپور، علی اکبر ، اکبری، مهری، 1391. تحلیل دینامیکی سامانههای سودانی و رخداد بارشهای سنگین در جنوب غرب ایران، نشریه تحقیقات کاربردی علوم جغرافیای، سال دوازدهم، ش 24، صص 12-8.
16
مفیدی، عباس، زرین، آذر، 1384. بررسی سینوپتیکی تأثیر سامانههای کمفشار سودانی در وقوع بارشهای سیل زا در ایران، گروه جغرافیا و موسسه آموزش عالی طبرستان (فصلنامه تحقیقات جغرافیایی)، ش 77، صص 113-117.
17
Abdel-Basset, H. AL-Khalaf, A.K. and Albar, A. 2015. Diabatic Processes and the Generation of the Low-Level Potential Vorticity Anomaly of a Rainstorm in Saudi Arabia. Atmospheric and Climate Sciences, 5(3), 275
18
Alpert, P., Neelman, B.U., and Shay-El Y. (1990). Climatological analysis of Mediterranean cyclones using ECMWF data, Tellus 42A:65-77; 7.
19
Bartzokas A., Lolis C., and Metaxas D. (2003). The 850 HPA relative vorticity centres of action for winter precipitation in the greek area. International Journal of Climatology;
20
Dayton G., Vincent, (2007). Cyclone development in the south pacific convergence zone during fgge 10-17 Junuary 1979. Royal Meteorologycal Society;
21
Harold E. Brooks, and David J. Stensrud, (2000). Climatology of Heavy Rain Events in the United States from Hourly Precipitation Observations, NOAA/National Severe Storms Laboratory, Norman, Oklahoma
22
Kaspar, M., et al. (2009). Cyclogenesis in the Mediterranean basin: a diagnosis using synoptic-dynamic anomalies, Natural Hazards and earth system sciences 9 (2009), 957-965.
23
Wang, K.H. Lau, C.H., and Fung, J.P. (2007), The relative vorticity of ocean surface winds from the QuikSCAT satellite and its effects on the geneses of tropical cyclones in the south China sea, Tellus.
24
Merabtene T., Siddique M., and Abdallah, SH. (2016) Assessment of Seasonal and Annual Rainfall Trends and Variability in Sharjah City, UAE, Advances in Meteorology, vol. Article ID 6206238, 13 p.
25
Muhammad Afzal, Qamar-ul-Zaman, (2008). Case Study: Heavy Rainfall Event over Lai Nullah Catchment Area, Pakistan Meteorological Department.
26
Muller, M., et al. (2009). Extremeness of meteorological variables as an indicator of extreme precipitation events, Atmospheric Research 92 (2009), 308-317.
27
Muller, M., et al. (2009). Heavy rains and extreme rainfall-runoff events in Central Europe from 1951 to 2002, Natural Hazards and earth system sciences 9 (2009), 441-450
28
Taxak A.K. Murumkar A.R. and Arya, D.S. (2014) Long term spatial and temporal and homogeneity analysis in Wainganga basin, Weather and Climate Extremes, 4: 50-61.
29
ORIGINAL_ARTICLE
تحلیل تغییرات زمانی شدت جزیره حرارتی شبانه شهر تهران
پژوهش پیش رو سعی دارد تا با بهرهگیری از تصاویر ماهوارهای MODIS، درجه حرارت شبانه سطح زمین را در شهر تهران و حومه آن مورد واکاوی قرار دهد. بدین منظور ویژگیهای درجه حرارت شبانه در شهر تهران و حومه آن از طریق دادههای MOD11A2 نسخه 6 به صورت میانگینهای 8 روزه برای شب (22:30) با قدرت تفکیک 1 کیلومتر طی سالهای 2000 تا 2021 جمعآوری شدند. سری زمانی درجه حرارت سطح زمین در مرکز و حومه شهر تهران بدست آمد و از طریق آن سری زمانی شدت جزیره حرارتی سطح زمین طی شب محاسبه گردید. یافتههای پژوهش نشان داد که روند تغییرات درجه حرارت شبانه در مرکز شهر تهران کاملا متفاوت از حومه آن است بدین صورت که همزمان با افزایش معنادار درجه حرارت شبانه سطح زمین در حومه شهر، روند معناداری در درجه حرارت شبانه سطح زمین در مرکز شهر مشاهده نمیشود. از این رو آهنگ شتابان افزایش درجه حرارت شبانه در حومه شهر نسبت به مرکز آن، روند نزولی جزیره حرارتی سطح شهر را سبب شده است بدین صورت که در مقیاس فصلی و سالانه روند کاهشی شدت جزیره حرارتی سطح شهر در سطح اطمینان 99 درصد معنادار بوده است. با توجه به نتایج بدست آمده می توان اظهار داشت، اگرچه در سالهای اخیر زمین گرمتر شده است ولی میزان گرم شدن مرکز شهر و حومه آن به یک اندازه نبوده است بنابراین شدت جزیره حرارتی شبانه سطح زمین در تهران یک روند کاهشی معنادار را به صورت فصلی و سالانه ثبت کرده است.
https://ccr.gu.ac.ir/article_141653_7a509675e82d864f140913fadaedbbc4.pdf
2021-12-22
55
65
10.30488/ccr.2021.319317.1063
جزیره حرارتی شبانه
درجه حرارت شبانه سطح زمین
سنجنده مادیس
تهران
طاهر
صفرراد
t.safarrad@umz.ac.ir
1
استادیار اقلیم شناسی گروه جغرافیا، دانشکده علوم انسانی و اجتماعی، دانشگاه مازندران
LEAD_AUTHOR
درویشی بلورانی علی، علوی پناه سیدکاظم، ملکی محمد، بیات رضا،هاشمی دره بادامی سیروس، ۱۳۹۷. تحلیل تغییرات جزیره حرارتی سطوح شهری در روز و شب با استفاده از محصولات چند زمانه سنجنده مادیس (مطالعه موردی: کلانشهر تهران)، فصلنامه تحقیقات کاربردی علوم جغرافیایی، ۱۹(۵۲)، ۱۱۳-۱۲۸.
1
رحیم زاده، فاطمه، 1390. روشهای آماری در مطالعات هواشناسی و اقلیمشناسی، انتشارات آب و هوا، تهران.
2
ساسان پور فرزانه، ضیاییان پرویز، بهادری مریم، ۱۳۹۲. بررسی رابطه کاربری و پوشش اراضی و جزایر حرارتی شهر تهران، فصلنامه جغرافیا، ۱۱(۳۹)، ۲۵۷.
3
صادقی نیا علیرضا، علیجانی بهلول، ضیاییان فیروزآبادی پرویز، ۱۳۹۱. تحلیل فضایی- زمانی جزیره حرارتی کلان شهر تهران با استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی، نشریه جغرافیا و مخاطرات محیطی، ۱(۴)، ۱.
4
صفرراد طاهر، منصوری نیا مهران، انتظامی هیرش، 1398. بیلان تابش و کاربری اراضی شهری). نمونهموردی: شهر کرمانشاه (نشریه تحقیقات کاربردی علوم جغرافیایی، ۱۹ (۵۳) :۲۳۱-۲۱۷.
5
علی طالشی محمدصالح، ستوده احد، صبوحی مرتضی، نیازی یعقوب، ۱۳۹۳. ارزیابی اثرات پوشش زمین بر دمای سطح زمین با کاربرد سنجش از دور حرارتی مطالعه موردی: در تهران، مجله پژوهشهای محیط زیست، ۵(۱۰)، ۶۹.
6
مجنونی توتاخانه علی، رمضانی محمد ابراهیم، ۱۳۹۸. بررسی و ارزیابی وضعیت جزیره حرارتی کلان شهر تهران با استفاده از تصاویر ماهواره ای، نشریه محیط زیست طبیعی، ۷۲(۱)، ۲۹-۴۳.
7
Bjurström, A., and Polk, M. 2011. Physical and economic bias in climate change research: a scientometric study of IPCC Third Assessment Report. Climatic Change, 108(1-2), 1-22.
8
Chandler, T.J. 1967. Night-time temperatures in relation to Leicester's urban form. Meteorol. Mag., 96, 244-250.
9
Chandler, T.J. 1976. The climate of towns. The climate of the British Isles, 307-329.
10
Earl, N., Simmonds, I., and Tapper, N. 2016. Weekly cycles in peak time temperatures and urban heat island intensity. Environmental Research Letters, 11(7), 074003.
11
Holderness, T., Barr, S., Dawson, R., and Hall, J. 2013. An evaluation of thermal Earth observation for characterizing urban heatwave event dynamics using the urban heat island intensity metric. International journal of remote sensing, 34(3), 864-884.
12
Howard, L. 1833. The climate of London: deduced from meteorological observations made in the metropolis and at various places around it (Vol. 3). Harvey and Darton, J. and A. Arch, Longman, Hatchard, S. Highley [and] R. Hunter.
13
Kammuang-Lue, N., Sakulchangsatjatai, P., Sangnum, P., and Terdtoon, P. 2015. Influences of population, building, and traffic densities on urban heat island intensity in Chiang Mai City, Thailand. Thermal Science, 19(suppl. 2), 445-455.
14
Kim, Y.H., and Baik, J.J. 2002. Maximum urban heat island intensity in Seoul. Journal of applied meteorology, 41(6), 651-659.
15
Li, D., Bou-Zeid, E., and Oppenheimer, M. 2014. The effectiveness of cool and green roofs as urban heat island mitigation strategies. Environmental Research Letters, 9(5), 055002.
16
Li, D., Sun, T., Liu, M., Yang, L., Wang, L., and Gao, Z. 2015. Contrasting responses of urban and rural surface energy budgets to heat waves explain synergies between urban heat islands and heat waves. Environmental Research Letters, 10(5), 054009.
17
Liu, X., Zhou, Y., Yue, W., Li, X., Liu, Y., and Lu, D. 2020. Spatiotemporal patterns of summer urban heat island in Beijing, China using an improved land surface temperature. Journal of Cleaner Production, 257, 120529.
18
Manoli, G., Fatichi, S., Schläpfer, M., Yu, K., Crowther, T.W., Meili, N., ... and Bou-Zeid, E. 2019. Magnitude of urban heat islands largely explained by climate and population. Nature, 573(7772), 55-60.
19
Memon, R.A., Leung, D.Y., and Liu, C.H. 2009. An investigation of urban heat island intensity (UHII) as an indicator of urban heating. Atmospheric Research, 94(3), 491-500.
20
Oke, T. R. 1973. City size and the urban heat island. Atmospheric Environment (1967), 7(8), 769-779.
21
Oke, T.R. 1976. The distinction between canopy and boundary‐layer urban heat islands. Atmosphere, 14(4), 268-277.
22
Oke, T. R. 1982. The energetic basis of the urban heat island. Quarterly Journal of the Royal Meteorological Society, 108(455), 1-24.
23
Oke, T.R. 1984. Methods in urban climatology. Applied Climatology, 14, 19-29.
24
Ramamurthy, P., Li, D., and Bou-Zeid, E. 2017. High-resolution simulation of heatwave events in New York City. Theoretical and applied climatology, 128(1-2), 89-102.
25
Ritchie, H., and Roser, M. 2018. Urbanization. Our world in data.
26
Runnalls, K.E., and Oke, T.R. 2000. Dynamics and controls of the near-surface heat island of Vancouver, British Columbia. Physical Geography, 21(4), 283-304.
27
Scott, A.A., Waugh, D.W., and Zaitchik, B.F. 2018. Reduced Urban Heat Island intensity under warmer conditions. Environmental Research Letters, 13(6), 064003.
28
Stewart, I. D., Krayenhoff, E.S., Voogt, J.A., Lachapelle, J A., Allen, M.A., and Broadbent, A. M. 2021. Time Evolution of the Surface Urban Heat Island. Earth's Future, 9(10), e2021EF002178.
29
Van Hove, L.W.A., Jacobs, C.M.J., Heusinkveld, B.G., Elbers, J.A., Van Driel, B.L., and Holtslag, A.A.M. 2015. Temporal and spatial variability of urban heat island and thermal comfort within the Rotterdam agglomeration. Building and Environment, 83, 91-103.
30
Wan, Z., Hook, S., and Hulley, G. 2015. MOD11A2 MODIS/Terra Land Surface Temperature/Emissivity 8-Day L3 Global 1km SIN Grid V006 [Data set]. NASA EOSDIS Land Processes DAAC. Accessed 2021-09-28 from https://doi.org/10.5067/MODIS/MOD11A2.006.
31
Weng, Q., Rajasekar, U., and Hu, X. 2011. Modeling urban heat islands and their relationship with impervious surface and vegetation abundance by using ASTER images. IEEE Transactions on Geoscience and Remote Sensing, 49(10), 4080-4089.
32
Yamamoto, Y. 2006. Measures to mitigate urban heat islands. NISTEP Science & Technology Foresight Center.
33
Yang, L., Qian, F., Song, D. X., and Zheng, K. J. 2016. Research on urban heat-island effect. Procedia Engineering, 169, 11-18.
34
Yao, R., Wang, L., Huang, X., Niu, Z., Liu, F., and Wang, Q. 2017. Temporal trends of surface urban heat islands and associated determinants in major Chinese cities. Science of the Total Environment, 609, 742-754.
35
Zhou, B., Rybski, D., and Kropp, J.P. 2013. On the statistics of urban heat island intensity. Geophysical research letters, 40(20), 5486-5491.
36
https://www.amar.org.ir
37
https://www.tehran-agri.ir
38
ORIGINAL_ARTICLE
بررسی روند تغییرات زمانی- مکانی بارش پاییزه شمال غرب کشور
بارش مهمترین متغیر آبشناختی است که پیوند میان جو و فرآیندهای سطحی را برقرار میسازد. سهچهارم گرمای جو حاصل آزادسازی گرمای نهان تبخیر است. لذا پهنهبندی اقلیمی بارش فصل پاییز جهت دستیابی به توسعه همهجانبه در ابعاد مختلف مکانی-زمانی ضروری میباشد. برای این منظور از دادههای روزانه فصل پاییز در 21 ایستگاه سینوپتیک منطقه مورد مطالعه با دوره آماری مشترک 32 (1989-2018) مورد واکاوی قرار داده است. بعدازآن که دادههای مفقودی به روش جرم مضاعف توسط نرمافزار (spss) بازسازی و تکمیل گردید، این دادهها وارد محیط (EXCEL) شده و ماتریسی بهصورت آرایهای به حالت R با ابعاد 21×3491 تهیه شد. در این تحقیق برای اطلاع از وضعیت نرمال بودن دادهها از آزمون کلموگروف-اسمیرنوف و روند تغییرات آنها از آزمون من-کندال با نرمافزار (MINITAB) استفاده شده است. پس از هنجار سازی، یک تحلیل عاملی با چرخش متعامد واریماکس بر روی آرایه بهنجار شده، اعمال گردید و مشخص شد درمجموع بیش از 16/68 درصد پراش دادهها توسط اقلیم بارش پاییزه منطقه توجیه میشود؛ که از میان عوامل، عامل اول 61 درصد و عامل دوم 7 درصد مهمترین مقادیر پراش دادهها را بیان میکند. با انجام تحلیل خوشهای سلسله مراتبی و با روش ادغام وارد بر روی ماتریس نمرات عاملها، دو ناحیه اصلی و خرده ناحیه بارشی شناسایی شدند. این نواحی عبارتاند از: نواحی پربارشی و نواحی بارشی متوسط؛ بنابراین میتوان گفت سهم بارش پاییزه حاصل از سامانههای محلی (بارش همرفتی، کوهستانی، جبهههای محلی و...) و عوامل مکانی(عرض جغرافیایی، موقعیت نسبی ایستگاهها و...) در بخش جنوب غربی بیشتر است؛ و بخشهای جنوب غربی بهخصوص ایستگاه پیرانشهر بیشینهی بارش افزونتر از سامانههای همدید را دریافت میکند. همچنین زمان وقوع بیشینه بارش فصل پاییز در نواحی بارشی متوسط شمال غرب حاصل از سامانههای همدید و عوامل مکانی در ماه نوامبر در نیمه جنوب غربی رخ میدهد.
https://ccr.gu.ac.ir/article_142453_d07ed0689481f100509f7d39e66eedb7.pdf
2021-12-22
67
82
10.30488/ccr.2021.320407.1066
آ: آزمون کلموگروف اسمیرنوف
تحلیل عاملی
خوشهبندی سلسله مراتبی
شمال غرب ایران
علی
پناهی
panahi@iaut.ac.ir
1
استادیار گروه جغرافیا، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
AUTHOR
سید محمد
حسینی
h.climate@yahoo.com
2
استادیار اقلیمشناسی، دانشگاه سید جمالالدین اسدآبادی، همدان، ایران
AUTHOR
فرحناز
خرم آبادی
farahnaz.khoramabadi@yahoo.com
3
دانشآموخته کارشناسیارشد اقلیمشناسی شهری، دانشگاه تبریز.تبریز. ایران
LEAD_AUTHOR
فرشته
قوی بنیاد
fghavibonyad@yahoo.com
4
دانشآموخته کارشناسیارشد ژئومورفولوژی در برنامهریزی محیطی، دانشگاه حکیم سبزواری. سبزوار. ایران
AUTHOR
جهانبخش اصل، سعید. ذوالفقاری، حسن. (1381). بررسی الگوهای سینوپتیک بارشهای روزانه در غرب ایران، فصلنامه تحقیقات جغرافیایی، شماره 63-64، ص 258-234.
1
جهانبخش اصل، سعید. بیاتی خطیبی، مریم. فرشی فروغ، جواد. (1378). تجزیهوتحلیل سینوپتیکی بارشهای شمال غرب ایران، نشریه دانش کشاورزی، دانشگاه تبریز، شماره 1، ص 69-55.
2
حجازیزاده، زهرا. (1379). بررسی عوامل سینوپتیکی توفانهای توأم با رعدوبرق در غرب ایران، مجله دانشکده ادبیات و علوم انسانی، دانشگاه تهران، شمارههای 28 و 29، صص 1-17.
3
دارند، محمد. (1397). پایش مکانی تداوم بارش در استان کردستان، جغرافیا توسعه، شماره 52، صص 266-247.
4
رسولی، علی اکبر. (1374). توزیع آماری بارشهای روزانه آذربایجان، مجموعه مقالات هفتمین کنگره جغرافیایی ایران، جلد دوم، دانشگاه تهران، صص140-121.
5
عساکره، حسین، رزمی قلندری، رباب. (1393). توزیع زمانی و رژیم در شمال غرب ایران، تحقیقات جغرافیایی، شماره112، صص 145-160.
6
علیجانی، بهلول. (1385). اقلیمشناسی سینوپتیک، انتشارات دانشگاه پیام نور، تهران، ص173-172.
7
غیور، حسنعلی، مسعودیان، سید ابوالفضل، آزادی مجید، نوری، حمید. (1390). تحلیل زمانی و مکانی رویدادهای بارشی سواحل جنوبی خزر، تحقیقات جغرافیایی، شماره 100، صص 1 تا 30.
8
کاشکی، عبدالرضا، حسینی، سیدمحمد، خرمآبادی، فرحناز. (1398). واکاوی زمانی- مکانی درجه روز سرمایشی در شمال شرق ایران، نشریه جغرافیا و برنامهریزی، شماره 67، صص 286-263.
9
مسعودیان، سید ابوالفضل، دارند، محمد،کارساز، سکینه. (1390). پهنهبندی بارش غرب و شمال غرب به روش تحلیل خوشهای، جغرافیای طبیعی، شماره11، صص 35-44.
10
مقدم، محمد، سیدابوالقاسم، محمدی، آقایی، مصطفی. (1373). آشنایی با روشهای آماری چند متغیره، پاپ اول، انتشارات پیشتاز علم تبریز.
11
ناظری تهرودی، خلیلی، کیوان، احمدی، فرشاد. (1395). تحلیل روند تغییرات و منطقهای بارش نیمقرن اخیر کشور ایران، نشریه آبوخاک، شماره 2، صص 654-643.
12
نصرآبادی، اسماعیل. (1393). واکاوی تغییر توزیع فراوانی بارش روزانه پایگاه آفرودیت در ایران، پژوهشی اطلاعات جغرافیایی، دوره 23، شماره 92 ، صص 68-79.
13
نصیری، رسول. (1387). آموزش گامبهگام Spss، چاپ اول، انتشارات نشر گستر، تهران.
14
Carvalho, M.J., Melo-Gonçalves, P., Teixeira J.C. and Rocha, A. 2016. Regionalization of Europe based on a K-Means Cluster Analysis of the climate change of temperatures and precipitation. Physics and Chemistry of the Earth, Parts A/B/C, 94: 22-28.
15
Darand, M. and Daneshvar, M.R.M. (2014). Regionalization of precipitation regimes in Iran using principal component analysis and hierarchical clustering analysis. Environmental Processes, 1, 517–532.
16
Gan, T. (1998). Hydro climatic trend and possible climatic warming in the Canadian prairies, Water Resource Research, 34 (11): 3009-3015.
17
Limsakul, A. and Singhruck, P. (2016). Long-term trends and variability of total and extreme precipitation in Thailand, Atmospheric Research, 169: 301-317.
18
Lin, G.-F., Chang, M.J. and Wu, J.T. (2017). A hybrid statistical downscaling method based on the classification of rainfall patterns. Water Management, 31(1): 377–401.
19
Machiwal, D., Dayal, D. and Kumar, S. (2017). Long-term rainfall trends and
20
change points in hot and cold arid regions of India. Hydrological Sciences
21
Journal, 62(7), 1050–1066
22
Manea, A., Birsan, M., Tudorache, G., Cărbunaru, F. and Changes, A. (2016). Changes in the type of precipitation and associated cloud types in Eastern Romania (1961–2008), Atmospheric Research, 169: 357-365.
23
Nam, W., Shin, H., Jung, Y., Joo, K. and Heo, J.H. 2015. Delineation of the climatic rainfall regions of South Korea based on a multivariate analysis and regional rainfall frequency analyses. International Journal of Climatology 35(5): 777-793.
24
Nnaji, C.C., Mama, C.N. and Ukpabi, O. (2016). Hierarchical analysis of rainfall variability across Nigeria. Theoretical and Applied Climatology, 123(1–2), 171–184
25
Othman, M., Ash’aari, Z.H. and Mohamad, N.D. 2015. Long-term daily rainfall pattern recognition: Application of principal component analysis. Procedia Environmental Sciences, 30: 127-132
26
Zhang, Q., Chen, X., and Stefan, B. 2011. Spatio-Temporal Variations of Precipitation Extremes in the Yangtze River Basin (1960-2002). China, Atmospheric and Climate Sciences, 1: 1-8.
27
ORIGINAL_ARTICLE
گرمایش جهانی و تغییرات ضخامت جو طی دوره سرد سال در ایران
هدف اصلی از این تحقیق بررسی تغییرات ضخامت جو و ارتباط آن با تغییرات دمایی در طی دوره سرد سال است. برای نیل به این هدف اقدام به استخراج دادههای ارتفاع ژئوپتانسیل و دمای تراز 1000 هکتوپاسکال برای سالهای 1960 تا 2020 میلادی از سایت NCEP\NCAR شده است. در گام بعدی با استفاده از امکانات برنامه نویسی گردس اقدام به استخراج عددی ضخامت جو بین ترازهای 1000 تا 500 هکتوپاسکال به واحد متر و دادههای دمای تراز 1000 هکتوپاسکال به درجه سانتیگراد شده سپس به منظور بررسی دقیقتر 60 سال آماری به چهار دوره 15 ساله تقسیم شده است. توزیع مکانی میانگین 15 ساله و میانگین بلند مدت 60 ساله و همچنین ناهنجاریهای مثبت نشان داد که طی دوره اول تا دوره چهارم ضخامت جو افزایش قابل توجهای داشته و این افزایش در دوره چهارم به حداکثر خود رسیده است. بررسی روند در دوره اول کاهش ضخامت جو را برای کل ایران نشان داده ولی با آغاز سال 1976(آغاز دوره دوم) شاهد روند افزایشی شدید ضخامت جو بودهایم که این روند افزایشی تا دوره چهارم ادامه داشته است. نتایج ضریب هبستگی پیرسون نشان داد که ارتباط معناداری بین تغییرات ضخامت جو و تغییرات دمای دوره سرد ایران در سطح 95 درصد اطمینان وجود دارد. از لحاظ مکانی این همبستگی در پهنه غرب، شمال غرب و جنوب غربی کشور به بالاترین حد خود میرسد. در نتیجه میتوان بیان داشت که ضخامت جو ایران طی سالهای اخیر روند افزایشی محسوس و معناداری داشته و یکی از علل آن تغییر ماهیت جریانات ورودی به ایران و البته گرمایش جهانی میباشد.
https://ccr.gu.ac.ir/article_142685_745d614f69231383e8212dd82a2226b5.pdf
2021-12-22
83
98
10.30488/ccr.2022.321782.1067
ایران
گرمایش جهانی
ضخامت جو
روند تغییرات
همبستگی
مهری
اکبری
mehryakbary@gmail.com
1
دانشیار آب و هواشناسی، دانشکده علوم جغرافیایی دانشگاه خوارزمی تهران.
LEAD_AUTHOR
عنایت
اسدالهی
asadolahi5096@gmail.com
2
دانشجوی دکتری آب و هواشناسی، دانشکده علوم جغرافیایی دانشگاه خوارزمی تهران
AUTHOR
اسدی، اشرف. 1391. بررسی همدید گرماهای فرین ایران. استاد راهنما مسعودیان، سید ابوالفضل. دانشگاه اصفهان، دانشکده علوم جغرافیایی و برنامه ریزی. گروه جغرافیایی طبیعی.
1
اسدی، اشرف؛ مسعودیان، سید ابوالفضل. 1393. بررسی همدید گرماهای فرین ایران بر پایه الگوهای ضخامت جو. پژوهشهای دانش زمین، دوره پنجم، 75-63.
2
امینی نیا، کریم؛ لشکری، حسن؛ علیجانی، بهلول.(1389). بررسی و تحلیل نوسانات بارش برف سنگین در شمال غرب ایران. مجله علمی- پژوهشی فضای جغرافیایی، دوره دهم. 163- 135.
3
امینپور، حسن. 1399. آمار توصیفی در روانشناسی و علوم تربیتی. تهران، جلد اول، چاپ بیستم. انشارات پیام نور.
4
بهرامی، سعید. 1396. بررسی تغییرات زمانی – مکانی ضخامت جو ایران(بین ترازهای 1000 تا 500 هکتوپاسکال)، استاد راهنما: مسعود، جلالی.، دانشگاه زنجان، دانشکده ادبیات و علوم انسانی، گروه جغرافیایی طبیعی.
5
حلبیان، امیر حسین؛ حسینعلی پورجزی، فرشته. 1391. شناسایی شرایط همدید بارشهای حدی و فراگیر در کرانههای غربی خزر با تاکید بر الگوهای ضخامت جوی، مجله جغرافیا و پایداری محیط، دوره سوم ، 122- 101.
6
دارند، محمد؛ مسعودیان، سید ابوالفضل. 1394. شناسایی و تحلیل الگوهای ناهنجاری ضخامت سرماهای فرین ایران زمین(طی بازه زمانی 1340 تا 1383). فصلنامه تحقیقات جغرافیایی، دروه سی،صفحات 120- 105.
7
رضایی بنفشه، مجید؛ حسین علیپور گزی، فرشته؛ جعفری شندی، فاطمه؛ محمدی، مجید علی. 1393. تحلیل همدید بارشهای سنگین پهنه شمال غرب ایران(با تاکید بر الگوهای ضخامت جو). نشریه علمی- پژوهشی جغرافیا و برنامه ریزی ، شماره پنجاه سوم، 135- 117.
8
زاهدی، مجید؛ ساری صراف، بهروز؛ جاوید، جامعی. 1386. تحلیل تغییرات زمانی- مکانی دمای منطقه شمال غرب ایران، مجله جغرافیا و توسعه، شماره دهم،198-183.
9
ژیانیان، زهره. 1395. تحلیل همدید پویشی شبهای گرم فراگیر در ایران، راهنما فرجی، عبدالله، دانشگاه زنجان، دانشکده ادبیات و علوم انسانی، گروه جغرافیایی طبیعی.
10
شجاعی مقدم، رحمتاله؛ کرمپور، مصطفی؛ نصیری، بهروز؛ طهماسبی پور، ناصر. 1397. بررسی و تحلیل چرخهها و الگوی خودهمبستگی فضایی بارشهای ماهانه ایران، نشریه تحقیقات کاربردی علوم جغرافیایی، شماره پنجاه یک، 251-235.
11
عساکره، حسین . 1386. تغییر اقلیم، جلد اول، چاپ اول ، انتشارات دانشگاه زنجان.
12
عساکره، حسین. 1386. کاربرد رگرسیون خطی در تحلیل روند دمای تبریز، تحقیقات جغرافیایی، دوره بیست دوم. 26- 3.
13
عساکره، حسین؛ بیرانوند، آذر؛ فتاحیان، مختار؛ شادمان، حسن. 1396. تحلیل روند جابجایی رودباد و پرفشار جنب حاره برفراز خاورمیانه و رابطه آن با اقلیم ایران، فصلنامهی علمی- پژوهشی فضایی جغرافیایی دانشگاه آزاد اسلامی واحد اهر، دوره هفدهم، 315- 303.
14
علیجانی، بهلول. 1388.اقلیم شناسی سینوپتیک، جلد اول، چاپ سوم، تهران،
15
علیجانی، بهلول. طولابینژاد، میثم. کربلائی درئی، علی رضا. 1398. رفتارسنجی اثر گرمایش جهانی بر پرفشار جنب حاره. پژوهشهای جغرافیای طبیعی، دروه پنجاه یک، 50 - 33.
16
قویدل رحیمی، یوسف. 1389. نگاشت و تفسیر سینوپتیک اقلیم با استفاده از نرم افزار Grads، جلد اول، چاپ چهارم، تهران.
17
کنعانی، رضا. 1387. تغییر اقلیم و گرمایش جهانی با نگاهی به روند تغییرات دما در ایستگاه سینوپتیک تبریز. کمفرانس مدیریت منابع آب ایران، 23 الی 25 مهر دانشگاه تبریز.
18
لشگری، حسن. 1390. اصول و مبانی تهیه و تفسیر نقشهها و نمودارهای اقلیمی، جلد اول، چاپ اول، تهران.
19
محمدی، بختیار. 1388. تحلیل همدید بارشهای ابر سنگین ایران، استاد راهنما، مسعودیان، سید ابوالفضل و کاویانی، محمد رضا، دانشگاه اصفهان، دانشکده ادبیات، گروه جغرافیایی طبیعی.
20
محمدی، حسین. 1386. مفاهیم و اصطلاحات آب و هواشناسی، جلد اول، چاپ دوم، تهران.
21
میرموسوی، سیدحسین؛ صبوری، لیلا. (1393). مطالعات روند تغییرات بارش برف در شمال غرب کشور، مجله جغرافیا و برنامه ریزی محیطی، دوره بیست پنجم، صفحات 119 تا 136.مسعودیان، سید ابوالفضل. 1390. آب و هوای ایران، انتشارات شریعه توس، جلد اول، چاپ اول، مشهد.
22
میرزایی، نبی. 1396. واکاوایی ارتباط تاوایی نسبی با بارش بر روی گستره ایران زمین، استاد راهنما قلی زاده، محمد حسین؛ دارند، محمد. دانشگاه کردستان، دانشکده منابع طبیعی، گروه جغرافیایی طبیعی.
23
نوری، هادی. 1395. کاربرد روشهای آماری در آب و هواشناسی با استفاده از نرم افزار SPSS. جلد اول، چاپ اول، تهران.
24
ورشاویان، وحید؛خلیلی، علی؛ نوذر، قهرمان؛ سهراب، حجام. 1390. بررسی روند تغییرات مقادیر حدی دمای حداقل، حداکثر و میانگین روزانه در چند نمونه اقلیمی ایران، مجله فیزیک زمین و فضا، دوره سی هفتم، 179-169.
25
Srivastava, Hari narain, Diwan, Dikshit, Prakash Rao, 1993. Decadal trends in climate over India. Mausam, pp 7-20.
26
Türkeş, M., Sümer, U.M. and Demi̇r, İ.I. 2002. Re‐evaluation of trends and changes in mean, maximum and minimum temperatures of Turkey for the period 1929–1999. International Journal of Climatology, pp 947-977.
27
Houssos, E.E., Lolis, C.J. and Bartzokas, A. 2008. Atmospheric circulation patterns associated.p, with extreme precipitation amounts in Greece, Advances in Geophysices,pp5-11.
28
Fujibe, F., Yamazaki, N., Kobayashi, K. and Nakamigawa, H. 2007. Long-term changes oftemperature extremes and day-to-day variability in Japan, papers in Meterology and Geophysics, 63-72.
29
Gay-Garcia, C., Estrada, F. and Sánchez, A. 2009. Global and hemispheric temperatures revisited, Climatic Change, pp 333-349.
30
Zhang, T., Stamnes, K. and Bowling, S.A. 2001. The Atmospheric Thickness on the Atmospheric Downwelling Longwave Radiation and Snowmelt under Clear-Sky Conditions in the Arctic and Subarcti. Journal of climate. pp 920-939.
31
Lamb, H.H. 1955a. Two-way relationship between the snow or icelimit and 1,000–500 mb thickness in the overlying atmosphere.1995, Royal Meteorological Society, pp 172–189.
32
Wagner, A. J., 1957: Mean temperature from 1000 MB to 500 MBas a predictor of precipitation type. Bull. Amer. Meteor. Soc. 38, 584–590.
33
Rousta, I., Dostkamian, M., Haghighi, E. and Mirzakhani, B. (2016). Statistical-Synoptic Analysis of the Atmosphere Thickness Pattern of Iran’s Pervasive Frosts. Journals climate. Volume 4.
34
Rousta, I., Dostkamian, M., Taherian, M.A., Haghighi, E., GhafarianMalamiri, H.R. and Olfsson, H. (2017). Investigation of the Spatio-Temporal Variations in Atmosphere Thickness Pattern of Iran and the Middle East with Special Focus on Precipitation in Iran, Journal Climate, 5(4), 100-122.
35
Beniston, M. and Stephenson, D.B. (2004). Extreme climatic events and their evolution under changing climatic conditions, Global and Planetary Change, 44(1-4): 1-9. DOI: 10.1016.gloplacha.2004.06.001.
36