تحلیل فضایی روند تغییرات دمای نقطه شبنم در ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای اقلیم شناسی دانشگاه زنجان، زنجان، ایران

2 دانشیار اقلیم شناسی گروه جغرافیای دانشگاه زنجان، زنجان، ایران

3 ستادیار اقلیم شناسی گروه جغرافیای دانشگاه زنجان، زنجان، ایران

چکیده

مای نقطه شبنم یکی از متغیرهای مهم جوی است و تغییرات دراز مدت آن می تواند منجر به تغییر ویژگی های اقلیمی یک ناحیه گردد. به منظور تحلیل فضایی روند تغییرات دمای نقطه شبنم در ایران از داده‌های میانگین سالانه و ماهانه این متغیر در 109 ایستگاه هواشناسی سینوپتیک در طی دوره آماری2022-1990 استفاده‌ شده است. جهت بررسی اثر تغییرات سایر متغیر های جوی بر دمای نقطه شبنم از داده های میانگین رطوبت نسبی سالانه، میانگین حداقل و میانگین حداکثر دما و میانگین مجموع بارش سالانه استفاده شده است. برای بررسی روند تغییرات از روش من کندال و جهت شناسایی الگوهای حاکم بر تغییرات فضایی دمای نقطه شبنم در ایران، از  مدل‌های خودهمبستگی فضایی موران جهانی و گتیس ارد جی استفاده شده است. نتایج بررسی روند تغییرات دمای نقطه شبنم نشان می دهد این متغیر در نواحی اطراف دریاهای شمال و جنوب و منطقه شمال غرب از روند افزایشی و در مناطق مرکزی، شرق و شمال شرق ایران از روند کاهشی برخوردار است. تحلیل فضایی مناطق با دمای نقطه شبنم بالا نشان دهنده الگوی خوشه‌ای شدید می باشد بدین معنی که مناطق با دمای نقطه شبنم بالا عمدتاً در بخش‌هایی از سواحل دریای خزر و بخش‌های زیادی از سواحل خلیج ‌فارس و دریای عمان، بخش‌هایی از شمال آذربایجان و اردبیل گسترده شده است. این موضوع نشان می دهد که با نزدیک شدن به منابع رطوبتی دمای نقطه شبنم نیز بیشتر می‌شود. هم چنین تحلیل فضایی مناطق با دمای نقطه شبنم پایین نیز نشان می‌دهد که این نوع دماها عموماً در بخش وسیعی از مناطق مرکزی جنوب استان خراسان و شرق و جنوب شرق ایران متمرکزشده‌اند. تمرکز این دماهای پایین در بخش‌های داخلی  و مرکزی ایران نشان‌دهنده نقش کاهش رطوبت به دلیل دوری از دریاهای شمال و جنوب در کاهش میزان دمای نقطه شبنم می‌باشد. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Spatial analysis of dew point temperature trend changes in Iran

نویسندگان [English]

  • mahnaz rostamian 1
  • Seyyed Hossein Mirmousavi 2
  • kohzad raispour 3
1 PhD student of Climatology, Zanjan University, Zanjan, Iran
2 Associate Professor of Climatology, Department of Geography, Zanjan University, Zanjan, Iran,
3 Assistant Professor of Climatology, Department of Geography, University of Zanjan, Zanjan,
چکیده [English]

Dew point temperature is one of the most important atmospheric variables and its long-term changes can lead to changes in the climatic characteristics of an area. In order to spatially analyze the trend of dew point temperature changes in Iran, the annual and monthly average data of this variable in 109 synoptic meteorological stations during the statistical period of 1990-2022 have been used. In order to investigate the effect of changes in other atmospheric variables on dew point temperature, the data of average annual relative humidity, average minimum and average maximum temperature, and average total annual precipitation have been used. In order to investigate the change process using the Mann-Kendall method and to identify the patterns governing the spatial changes of the dew point temperature in Iran, the spatial autocorrelation models of Global Moran and Getis-Ord General G statistic have been used. The results of investigating the trend of dew point temperature changes show that this variable has an increasing trend in the areas around the north and South Seas and the northwest region, and a decreasing trend in the central, eastern and northeastern regions of Iran. Spatial analysis of areas with high dew point temperature shows a severe cluster pattern, which means that areas with high dew point temperature are mainly spread in parts of the coasts of the Caspian Sea and many parts of the coasts of the Persian Gulf and Oman Sea, parts of northern Azerbaijan and Ardabil. This shows that the temperature of the dew point increases as it approaches moisture sources. Also, the spatial analysis of the areas with low dew point temperature also shows that these types of temperatures are generally concentrated in a large part of the central areas of the south of Khorasan province and the east and southeast of Iran.

کلیدواژه‌ها [English]

  • Climate change
  • Precipitation
  • quantile regression
  • trend analysis
  • Iran

مراجع

  1. . احمدی سرخونی، احسان. 1395. اقلیم‌شناسی دمای نقطه شبنم در ایران، استاد راهنما  منتظری، مجید. پایان‌نامه ارشد دانشگاه پیام نور، مرکز بین‌الملل قشم، دانشکده علوم انسانی. گروه جغرافیا، 134 صفحه.

    1. ابلاغیان، آناهیتا، آخوندعلی، علی محمد.، رادمنش، فریدون، زارعی، حیدر.1398. بررسی روند تغییرات دما، بارندگی و رطوبت نسبی در ایران، علوم و مهندسی آبیاری، 42(3)، صص212-197.
    2. 3. انتظاری، علیرضا.، داداشی رودباری، عباسعلی.، اسدی، مهدی، 1394. ارزیابی خودهمبستگی فضایی تغییرات زمانی مکانی جزایر گرمایی در خراسان رضوی، نشریه جغرافیا و مخاطرات محیطی، شماره 16، ص146-125.

    4.بارانی, نادر.، کرمی، آیت اله. 1398. تحلیل روند سالانه پارامترهای اقلیمی دما و بارش در نواحی ده گانه زراعی - اکولوژیکی ایران، فصلنامه علوم محیطی، شماره 17(4)، صص 90-75.

     5..تیموری، محمد، قائمی، علیرضا، عزیزیان، غلامرضا.، هاشمی منفرد، سید آرمان. 1399. ارزیابی روش‌های پیش‌پردازش کننده در عملکرد تکنیک‌های محاسبات نرم در تخمین دمای نقطه شبنم. نشریه هواشناسی و علوم جو، جلد3، شماره 2، صفحات 175-187.

    1. .پرویز، لاله.1400. رهیافت ترکیب وزنی مدل ها با روش‌های عکس واریانس و رگرسیون حداقل مربعات در تخمین دمای نقطه شبنم، نیوار، 112، صص. 150-137.

    7.جهانبخش اصل، سعید، ساری صراف، بهروز، عساکره، حسین، شیر محمدی، سهیلا. 1399. واکاوی تغییرات زمانی مکانی بارش‌های بحرانی (فرین بالا) در غرب ایران طی سال‌های 2016-1965، نشریه تحلیل فضایی مخاطرات محیطی، سال هفتم شماره 1، صص106-89.

    8..حسینی، سید فرهنگ. 1397. تخمین دمای نقطه شبنم با استفاده از مدل‌های تجربی و هوشمند، اساتید راهنما جواد بهمنش،  وحید رضاوردی نژاد، پایان‌نامه کارشناسی ارشد .مهندسی آبیاری و زهکشی دانشگاه ارومیه.

    9.حسینی، سیدفرهنگ، بهمنش، جواد، رضاوردی‌نژاد، وحید، خان‌محمدی، ندا. 1401. ارزیابی عملکرد مدل‌های هوشمند در تخمین دمای نقطه شبنم با استفاده از پارامترهای هواشناسی، نشریه دانش آب ‌و خاک،.جلد 32 شماره3 ، صص 103 تا 114.

    1. صادقی نیا، علیرضا.، صداقت، مهدی.، رفعتی, سمیه. 1401. تحلیل شواهد تغییر اقلیم در سواحل جنوبی دریای خزر، جغرافیای طبیعی، شماره 15(55)، صص 113-95.
    2. صادقی‌نیا، علیرضا، رفعتی، سمیه، صداقت، مهدی.1400. تحلیل فضایی تغییرات اقلیمی در ایران، تحلیل فضایی مخاطرات محیطی، شماره 4 ، صص 70-55.
    3. عساکره، حسین. 1390. مبانی اقلیم‌شناسی آماری، انتشارات دانشگاه زنجان، صفحه 545.
    4. فرج زاده اصل، منوچهر.، احمدی، محمد.، علیجانی، بهلول، قویدل رحیمی، یوسف.، مفیدی، عباس.، بابائیان، ایمان. 1392. بررسی وردایی الگوهای پیوند از دور و اثر آن‌ها بر بارش ایران، پژوهش‌های اقلیم‌شناسی، شماره 15، صص 45-31.
    5. قره خانی، ابوذر، قهرمان، نوذر. 1389. بررسی روند تغییرات فصلی و سالانه رطوبت نسبی و نقطه شبنم در چند نمونه اقلیمی در ایران، نشریه آب‌وخاک، جلد 24، شماره 4، صص 646- 636..

    15.مسعودیان، سید ابوالفضل، دارند، محمد. 1392. شناسایی و بررسی تغییرات نمایه‌های بارش فرین ایران طی دهه‌های اخیر، جغرافیا و توسعه ناحیه‌ای،  شماره 11، صص257-239.

    16.منتظری، مجید.، یقینی ، زهرا .1398. واکاوی تغییرات زمانی دمای نقطه شبنم در ایران، دگرگونی‌ها و مخاطرات آب و هوایی، سال اول، شماره 1، صص 39-20.

    17.موسوی, سید شفیع. 1386. بررسی تغییرپذیری بارش و روند شاخص بی‌نظمی آن در سواحل جنوب دریای خزر، نیوار، 32(65-64)، صص 19-7.

    18.ناظم السادات، سیدمحمدجعفر.، سپاسخواه، علیرضا.، محمدی، شهرام. 1380. بررسی رابطه دمای نقطه شبنم روزانه و دمای کمینه روز بعد در منطقه جهرم فارس (مطالعه موردی) ، علوم آب‌وخاک (علوم و فنون کشاورزی و منابع طبیعی)، 5(3)، صص 9-15.

    19.Ali, H., Fowler, H.J., & Mishra, V., 2018, Global observational evidence of strong linkage between dew point temperature and precipitation extremes. Geophys. Res. Lett, 45, pp. 320–30.

    20.Arikan, B. B., Jiechen, L., Sabbah, I. I., Ewees, A., Homsi, R., & Sulaiman, S. O. 2021, Dew point time series forecasting at the North Dakota. Knowledge-Based Engineering and Sciences, 2(2), 24-34.

    21.Bui, A., Johnson, F., & Wasko, C. 2019, The relationship of atmospheric air temperature and dew point temperature to extreme rainfall. Environmental Research Letters, 14(7), 1-10.

    22.Dario, P., & Leonardo, V. N., 2021, Exploring the linkage between dew point temperature and precipitation extremes: A multi-time-scale analysis on a semi-arid Mediterranean region, Atmospheric Research, 254, pp. 1045-1061.

    23.Famiglietti, C. A., Fisher, J. B., Halverson, G., & Borbas, E. E. 2018, Global validation of MODIS near‐surface air and dew point temperatures. Geophysical Research Letters, 45(15), 7772-7780.

    24.Górnicki, K., Winiczenko, R., Kaleta, A., & Choińska, A. 2017, Evaluation of models for the dew point temperature determination. Technical Sciences, 20(3), 241-257.

    25.Hubbard, K. G., Mahmood, R., & Carlson, C. 2003, Estimating daily dew point temperature for the northern Great Plains using maximum and minimum temperature. Agronomy Journal, 95(2), 323-328.

    26.Kim, S., Singh, V. P., Lee, C. J., & Seo, Y. 2015, Modeling the physical dynamics of daily dew point temperature using soft computing techniques. KSCE Journal of Civil Engineering, 19, 1930-1940.

    27.Lawrence.M.G 2005, The Relationship between Relative Humidity and the Dew point Temperature in Moist Air. Bulletin of the American Meteorological Society. Volume 86: Issue 2: PP 225–234.

    28.Lenderink, G., & Meijgaard, E.V. 2010, Linking increases in hourly precipitation extremes to atmospheric temperature and moisture changes, Environ. Res. Lett, 5 , PP.1-9.

    29.Mortuza, M.R., Selmi, S., Khudri, M. M., Ankur, A. K., & Rahman, M. M. 2014, Evaluation of temporal and spatial trends in relative humidity and dew point temperature in Bangladesh. Arabian Journal of Geosciences, 7, 5037-5050.

    30.Robinson, P. J. 2000, Temporal trends in United States dew point temperatures. International Journal of Climatology: A Journal of the Royal Meteorological Society, 20(9), 985-1002.

    31.Sein, Z. M. M., Ullah, I., Iyakaremye, V., Azam, K., Ma, X., Syed, S., & Zhi, X. 2022. Observed spatiotemporal changes in air temperature, dew point temperature and relative humidity over Myanmar during 2001–2019, Meteorology and Atmospheric Physics, 134, 1-17.

    32.Wasko, C., & Sharma, A. 2015. Steeper temporal distribution of rain intensity at higher temperatures within Australian storms, Nat. Geosci, 8, pp. 527–9.

    33.Wasko, C., Lu, W. T., & Mehrotra, R. 2018, Relationship of extreme precipitation, dry-bulb temperature, and dew point temperature across Australia. Environmental Research Letters, 13(7), 074031.

    34.Wermter, J., Noble, S., & Brian, V., 2022, Impacts of the Thermal Gradient on Inland Advecting Sea Breezes in the Southeastern United States, Atmosphere, 13, pp. 1-13.

    35.Yao, F., Sun, J., & Dong, J. 2022, Estimating Daily Dew Point Temperature Based on Local and Cross-Station Meteorological Data Using CatBoost Algorithm. cmes-computer modeling in engineering & sciences, 130(2), 671-700.

    36.Zounemat-Kermani, M. 2012, Hourly predictive Levenberg–Marquardt ANN and multi linear regression models for predicting of dew point temperature. Meteorology and Atmospheric Physics, 117(3-4), 181-192.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار