فاطمه جعفرزاده

مقاله حاضر از نوع مروری توصیفی هست که با استفاده از منابع مختلف نگاشته شده است. هدف از به تحریر در آوردن این مقاله بررسی بررسی ویژگی و درون مایه اشعار اقبال لاهوری و شناساندن سیمایی بهتر اقبال لاهوری به علاقه مندان به این علامه بزرگوار است. نتیجه این مقاله نشان می دهد که چنانکه از ظاهر اشعار اقبال لاهوری پیداست، در سرودن اشعار درباره اهل بیت(ع)، تحت تأثیر شاعران بزرگی مثل مولوی و حافظ شیرازی بوده است. باید گفت اگر چه تعبیرات و توصیفات به کار برده شده از جانب اقبال لاهوری، شباهت های فراوانی با دیدگاه های شیعه دارد، هر چند ثابت نشده ولی می توان گفت که وی یک سری واقعیت ها را درک کرده بود و از مطالعه ی آثار وی چنین بدست می آید که شیعه و سنی در نزد وی چندان تفاوتی نداشت.

در پژوهش حاضر اثر تغییرات اقلیم بر روی بارش های این منطقه با بکارگیری مدل مناسب مورد ارزیابی قرار گرفته و مقادیر بارش های دوره ی مشاهده ای (2001-1961) بررسی و تحلیل شد. جهت تحقق اهداف پژوهش از خروجی مدل HadCM3 استفاده گردید. ابتدا 7 ایستگاه سینوپتیک انتخاب و داده های آن ها از لحاظ صحت و دقت و کفایت طول دوره ی آماری مورد بررسی قرار گرفت، داده های پرت حذف و داده های مفقود بازسازی شد. داده های AOGCM با استفاده از مدل SDSM ریزمقیاس گردید و مقادیر بارش برای دوره ی مشاهده ای شبیه سازی شد و پس از تایید تطابق مقادیر داده های شبیه سازی شده با داده های مشاهده ای، مقادیر دوره ی آتی(2039-2011) برآورد گردید. مقادیر خطای برآورد مدل SDSM توسط معیارهایMBE و MAE، بصورت ماهانه محاسبه و سپس مقایسه شد. خروجی مدل SDSM جهت بررسی شاخص مجموع بارش سالانه در روزهای با بارش بیشتر از یک میلی متر در دوره ی مشاهده ای و دوره ی آتی(2039-2011) توسط مدل R-Climdex مورد استفاده قرار گرفت و مقادیر شاخص PRCPTOTدر دوره ی آتی پهنه بندی شد. نتایج نشان داد که با توجه به نتایج معیارهای MBE و MAE، خطای مدل در ماه های پربارش بیشتر از ماه های کم بارش است. در مقیاس ماهانه، حداکثر خطا در ماه های سپتامبر، اکتبر، نوامبر و دسامبر بدست آمد. بدین ترتیب حداکثر خطا در فصل پاییز و حداقل خطا در فصل بهار و در ماه های آوریل و می محاسبه شد. با توجه به نتایج به دست آمده، مجموع بارش سالانه در دوره ی 2039-2011 در ایستگاه های انزلی، بابلسر، گرگان، و نوشهر کاهش و در ایستگاه های آستار، رامسر و رشت افزایش خواهد یافت. nk href="moz-extension://8b922523-7922-435a-ac74-8ddb59e9beaf/skin/s3gt_tooltip_mini.css" rel="stylesheet" type="text/css" >

بیماری های غیر واگیر مسؤول مرگ بیش از 35 میلیون نفر در هر سال، یعنی نزدیک به دو سوم از کل مرگ و میر در جهان هستند. برای اولین بار در تاریخ بشر، سلامت مردم دنیا با تغییر چشم گیری مواجه است. بیماری های غیر واگیر خیلی بیشتر از بیماری های عفونی که در دهه های قبل گریبان گیر مردم بود، جان انسان ها را می گیرد. بیش از 80 درصد مرگ و میر ناشی از این بیماری ها در کشورهای با درآمد کم و متوسط رخ می دهد و هر سال مبالغ عظیمی از درآمد کشورها به دلیل وجود این بیماری ها هدر می رود. سازمان بهداشت جهانی اعلام کرد بیماری های غیر واگیر زندگی 25 میلیون نفر را تا سال 2015 در سراسر منطقه ی خاور میانه تهدید می کند. همچنین ایران در دهه های آینده با توجه به بروز پدیده ی گذار اپیدمیولوژیک و افزایش بیماری های مزمن با بار اقتصادی ناشی از بیماری های مزمن مواجه می شود. این مطالعه با هدف بررسی بار اقتصادی و بهداشتی ناشی از این بحران جهانی، چالش ها و راهکارهــــای کنترل و پیشگیری ازآن انجام شد. مطالعه ی حاضر به صورت مروری و با مرور منابع کتابخانه ای و منابع علمی دیجیتال و چاپی از ژورنال های مختلف علمی، همچنین جست وجوی وب سایت های معتبر از جمــله CDC، WHO و... انجام گردید. بیماری های غیر واگیر هر ساله 35 میلیون مرگ در سراسر دنیا را به دنبال دارند و یک مانع مهم بر سر راه توسعه ی کشورها هستند. این بیماری ها افراد فقیر و آسیب پذیر جامعه را به شدت تحت تأثیر قرار داده اند و آن ها را به ورطه ی فقر می کشانند. مقابله با این بیماری ها با کنترل ریسک فاکتورهای آن ها و استفاده از تجربیات سایر کشورها و توصیه های کارشناسی سازمان های بین المللی امکان پذیر است.

در این پژوهش با استفاده از داده های مربوط به فراوانی روزهای برفی ایستگاه سینوپتیک تبریز به عنوان نمونه ای از اقلیم شمال غرب ایران، خصوصیات زمانی و روزهای برفی با روش آماری موردمطالعه قرار گرفته است. در این مطالعه برحسب مورد از روش های تعیین همبستگی پیرسون، تحلیل روند خطی و پلی نومیال درجه شش و نیز تحلیل خوشه ای ادغام برحسب روش وارد با معیار فاصله اقلیدسی برای طبقه بندی ماهانه روزهای برفی استفاده شده است. این مطالعه نشان داد که در مقیاس زمانی ماهانه، ماه های فوریه، ژانویه، مارس و دسامبر در بازه فصلی زمستان دارای بیشترین فراوانی روزهای برفی هستند. همچنین ارتباط نسبتا مستقیمی بین شاخص نوسان اطلس شمالی و روزهای برفی سالانه در ایستگاه تبریز مشاهده شده است.