پژوهش‌های تغییرات آب و هوایی

پژوهش‌های تغییرات آب و هوایی

خوشه‌بندی و تحلیل همدیدی امواج گرمایی دوره گرم سال در شهرهای منتخب استان اردبیل طی چهار دهه­ گذشته

نوع مقاله : مقاله پژوهشی

نویسندگان
رقیه ملکی مرشت 1
مهناز صابر 2
1 پژوهشگر پسادکتری آب و هواشناسی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
2 پژوهشگر پسادکتری آب و هواشناسی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
10.30488/ccr.2025.543766.1301
چکیده
پژوهش حاضر با هدف شناسایی و تحلیل الگوهای همدیدی مؤثر بر شکل‌گیری امواج گرمایی در شهرهای منتخب استان اردبیل طی ماه‌های گرم سال در بازه زمانی ۱۹۸۰ تا ۲۰۲۰ انجام شد. بدین منظور داده‌های روزانه دمای حداکثر ایستگاه‌های سینوپتیک اردبیل، پارس‌آباد و مشکین‌شهر به‌کار گرفته شد. امواج گرمایی بر اساس شاخص صدک ۹۵ام دمای حداکثر و با شرط حداقل سه روز تداوم شناسایی گردیدند. برای بررسی شرایط جوی مؤثر، از داده‌های بازتحلیل فشار سطح دریا و ارتفاع ژئوپتانسیل تراز ۵۰۰ هکتوپاسکال پایگاه NCEP/NCAR استفاده و الگوهای غالب با روش خوشه‌بندی سلسله‌مراتبی Ward دسته‌بندی شدند. نتایج نشان داد که در دوره مورد مطالعه، بیشترین تعداد امواج گرمایی در ایستگاه پارس‌آباد (۴۱ موج) رخ داده است؛ در حالی‌که تعداد این امواج در اردبیل ۲۴ و در مشکین‌شهر ۲۳ موج بود. همچنین طول دوره تداوم امواج گرمایی در ایستگاه‌های اردبیل (۳ تا ۵ روز)، مشکین‌شهر (۳ تا ۶ روز) و پارس‌آباد (۳ تا ۷ روز) متغیر بوده و بدین ترتیب ایستگاه پارس‌آباد بیشترین فراوانی و طولانی‌ترین تداوم امواج گرمایی را تجربه کرده است. پس از انتخاب امواج با تداوم حداقل پنج‌روزه، تحلیل همدیدی برای دو نمونه شاخص انجام گرفت: الگوی نخست (۱ تا ۵ اوت ۲۰۱۵) که با استقرار پرفشار سطح زمین و پرارتفاع ۵۰۰ هکتوپاسکالی بر فراز منطقه همراه بود و الگوی دوم (۸ تا ۱۲ اکتبر ۲۰۰۲) که در آن اردبیل در غرب یک بلوکینگ اُمگایی در غرب روسیه واقع شده بود. وجه مشترک این الگوها، افزایش ضخامت جو، جریانات نزولی و گرمایش هوا در طول رخداد موج گرمایی بود. نتایج این پژوهش نشان می‌دهد که تحلیل الگوهای همدیدی می‌تواند در بهبود پیش‌بینی و صدور هشدارهای زودهنگام امواج گرمایی نقش مؤثری ایفا کند.
کلیدواژه‌ها
اردبیل الگوهای فشار امواج گرمایی خوشه‌بندی
موضوعات

عنوان مقاله English

Clustering and synoptic analysis of heat waves during the warm period of the year in Selected Cities of Ardabil province over the past four decades

نویسندگان English

Roghayeh Maleki Meresht 1
Mahnaz Saber 2
1 Postdoctoral Researcher of Climatology, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
2 Postdoctoral Researcher of Climatology, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
چکیده English

This study aimed to identify and analyze the synoptic patterns influencing the formation of heatwaves in selected cities of Ardabil Province (Ardabil, Meshginshahr, and Parsabad) during the warm season over the period 1980–2020. For this purpose, daily maximum temperature data from the synoptic stations of Ardabil, Parsabad, and Meshginshahr were utilized. Heat waves were defined using the 95th percentile of maximum temperature, with a minimum duration of three consecutive days. To examine the related atmospheric conditions, sea level pressure and 500 hPa geopotential height data from the NCEP/NCAR reanalysis were employed, and dominant patterns were classified using Ward’s hierarchical clustering method. The results indicated that during the study period, Parsabad station experienced the highest frequency of heat waves (41 events), followed by Ardabil (24 events) and Meshginshahr (23 events). The duration of heat waves varied across stations: 3–5 days in Ardabil, 3–6 days in Meshginshahr, and 3–7 days in Parsabad. Accordingly, Parsabad recorded both the highest frequency and the longest-lasting heat waves. Heat waves with a minimum duration of five days were selected for synoptic analysis, and two representative cases were examined: the first pattern (1–5 August 2015), characterized by the development of a surface anticyclone accompanied by a 500 hPa ridge over the region; and the second pattern (8–12 October 2002), in which Ardabil was located to the west of an omega-blocking system over western Russia. A common feature of both patterns was increased atmospheric thickness, subsidence, and warming during heat wave events. These findings highlight that synoptic analysis can significantly contribute to improve forecasting and early warning of heat waves.

کلیدواژه‌ها English

Ardabil Pressure Patterns Heat Waves Clustering
1.     اعتمادیان، الهه، دوستان، رضا، زرین، آذر. 1399. نواحی گرمایی ایران، نشریه پژوهش‌های اقلیم‌شناسی، 11، (42)، 30-17.
2.     پور کریمی، پرویز، رضالو، رضا، افخمی، بهروز. 1399. تحلیل نقش عوامل طبیعی در توزیع فضایی سکونتگاه‌های قلعه‌ای استان اردبیل با استفاده از GIS و AHP، مطالعات باستان شناسی، 12 (1)، 40-19.
3.     تاجیک، اعظم، اربابی سبزواری، آزاده، برنا، رضا. 1401. بررسی روند تغییرات دماهای فرین آینده ایران با استفاده از داده های CMIP5، علوم مهندسی و آبخیزداری ایران، 16 (57)، 24-13.
4.     حاتمی زرنه، داریوش. حجازی زاده، زهرا. ناصرزاده، محمدحسین. 1398. تحلیل نوسانات زمانی امواج گرمایی منطقه شمال غرب ایران و ارتباط آن‌ها با گازهای گلخانه‌ای و ناهنجاری‌های دمایی کره زمین، نشریه تحقیقات کاربردی علوم جغرافیایی، 19 (52)، 56-35.
5.     حسین پور، زینب، شمسی پور، علی اکبر، کریمی، مصطفی، خوش اخلاق، فرامرز. 1395. تحلیل آماری امواج گرمایی در دامنه‌های جنوبی البرز، نشریه تحقیقات کاربردی  علوم جغرافیایی، 23، (68)، 98-81.
6.     زینالی، بتول، روحی، فاطمه. (1402). برآورد احتمال وقوع امواج گرمایی با دوره تداوم مختلف در استان اردبیل به کمک زنجیره مارکف. فصلنامه جغرافیایی سرزمین، (77)، 51–67.
7.     سبحانی، بهروز دل آرا، قدیر. 1403، بررسی تأثیر الگوهای جوی مختلف بر تغییرات امواج گرمایی شهرستان نیر، جغرافیا و روابط انسانی، 7 (1)، 637-626.
8.     ملکی مرشت، رقیه.،  سبحانی، بهروز. 1402. بررسی موج‌های گرم شهر اردبیل و نقش آن در گرمایش شهری. فصلنامه جغرافیا و توسعه ناحیه‌ای، (43)، 169–195.
9.     میر موسوی، سید حسین، صبوری، لیلا. 1393. بررسی روند بارش برف در شمال غرب ایران، مجله جغرافیا و برنامه ریزی محیطی، 25، (3)، 136-119.
10.              Black, E., Blackburn, M., Harrison, G., Hoskins, B., & Methven, J. (2004). Factors contributing to the summer 2003 European heatwave. Weather, 59 (8), 217–223.
11.              Boni, Z., Bieńkowska, Z., Chwałczyk, F., Jancewicz, B., Marginean, I., Yáñez Serrano, P. 2023. What is a heat(wave)? An interdisciplinary perspective, Climatic Change, 176: 129.
12.              Cotlier, G. I., & Jimenez, J. C. 2022. The Extreme Heat Wave over Western North America in 2021: An Assessment by Means of Land Surface Temperature. Remote Sensing, 14(3), 561.
13.              Keggenhoff, I., Elizbarashvili, M., King, L. 2015. Heat Wave Events over Georgia since 1961: Climatology, Changes and Severity. Climate, 3(2), 308-328.
14.              Kovats, S.  R., Ebi, L.  K. 2006. Heat waves and public health in Europe, Eur.  J.  Public Health 16. London.
15.              Meehl, G. A., & Tebaldi, C. (2004). More intense, more frequent, and longer lasting heat waves in the 21st century. Science, 305 (5686), 994–997.
16.              Murtagh, F., & Legendre, P. 2014. Ward’s hierarchical agglomerative clustering method: Which algorithms implement Ward’s criterion? Journal of Classification, 31(3), 274–295.
17.              Perkins, S. E., & Alexander, L. V. (2013). On the measurement of heat waves. Journal of Climate, 26 (13), 4500–4517.
18.              Philipp, A., Beck, C., Huth, R., & Jacobeit, J. (2016). Development and comparison of circulation type classifications using the COST 733 dataset and software. International Journal of Climatology, 36 (7), 2673–2691.
19.              Robinson, P. J. 2001. On the definition of a heat wave. Journal of Applied Meteorology, 40(4), 762–775.
20.              Sherbakov T. malig B, gairguis K, gersgunov A, basu R. 2018. Ambient temperature and added heat wave effects on hospitalizations in California, Environmental Research, 160: 83-90.
21.              Silveira, I H, Shaiana, V H, M, Maurício, N, Cortes, T R, Junger, W L, Cirino, G, I, Eliane, O, Beatriz F A. 2023. Heat waves and mortality in the Brazilian Amazon: Effectmodification by heat wave characteristics, population subgroup, and cause of death; international journal of hygiene and environmental health, volume 248.
22.              Simpson NP, Mach, KJ. Constable A 2021 A framework for complex climate change risk assess -ment. One Earth 4:489–501.
23.              Thompson, V., Kennedy-Asser, A T, Vosper, E., Eunice Lo, Y. T. Huntingford, Ch., Oliver Andrews, M, Hegerl, G., & Mitchell, D. 2022. The 2021 western North America heat wave among the most extreme events ever recorded globally, Science Advances. Pp. 1-10.
24.              Ventura S, Miró JR, Peña JC, Villalba G. 2023. Analysis of synoptic weather patterns of heatwave events. Clim Dyn.;61(9-10):4679-4702.
25.              Wallace, J. M., & Hobbs, P. V. 2006. Atmospheric Science: An Introductory Survey (2nd Ed.). Academic Press. (International ed. 2007)
26.              Wang, P., Tang, J., Wang, S., & Fang, J. (2018). Regional heatwaves in China: A cluster analysis. Climate Dynamics, 50, 1901–1917.
27.              Wang, Ruonan Bei, NaifangHu Bo,Wu, Jiarui Liu, Suixin Li, Xia Jiang, Qian Tie, Xuexi, Li. 2022. Guohui. The relationship between the intensified heat waves and deterioratedSummertime ozone pollution in the Beijing–Tianjin–Hebei region, China, during, 2013–2017; Environmental Pollution, 314.
28.              Yang, X., Zeng, G., Zhang, S., Hao, Z., & Iyakaremye, V. (2021). Relationship between two types of heat waves in northern East Asia and temperature anomalies in Eastern Europe. Environmental Research Letters, 16, 024048.
29.              Zhao, Y., Strebel, D., Derome, D., Esau, I., Li, Q., & Carmeliet, J. (2024). Using clustering to understand intra-city warming in heatwaves: Insights into Paris, Montreal, and Zurich. ArXiv Preprint. Environmental Research Letters 19(6).