الهام قاسمی فر

هدف از مطالعه حاضر پاسخ به این سوال است که تحت شرایط حدی دمایی، میزان تبخیر و تعرق در گستره ایران چه تغییراتی می کند. بدین منظور طی بازه زمانی 30 ساله مشخص شد که ماه ژانویه سال 2008 و ماه ژوئیه سال 2010، شرایط حدی دمایی سرد و گرم را ثبت کرده اند. سپس برای این دو ماه از داده های دمای هوای 55 ایستگاه، رطوبت خاک بازتحلیل شده NCEP/NCAR ، دمای سطح زمین، پوشش گیاهی و تبخیر و تعرق سنجنده مادیس با وضوح فضایی پنج کیلومتری بهره برده شد. ابتدا ریسک رخداد دماهای حدی این دو ماه با توزیع خطر تجمعی و گامبل مشخص شد و نتایج نشان داد رخداد دماهای حدی بالای 50 درجه در ماه ژوئیه 06/0 و دماهای بالای 22 درجه در ماه ژانویه 008/0 است. همچنین احتمال رخداد دماهای بالای 5 درجه در ماه ژانویه 50/0 است. بطور کلی و بدون در نظر گرفتن آستانه دمایی، در هر دو ماه ارتباط منفی بدست آمد اما در ماه ژانویه بدلیل ثبت دماهای بیش از 5 درجه به احتمال رخداد 50 درصد، ارتباط منفی ضعیف نزدیک به صفر مشاهده شد. عامل رطوبت نشان می دهد که هر دو ماه از آستانه رطوبتی مشخصی بدلیل سرمایش و گرمایش بیش از حد رنج برده اند و هرگاه محدودیت رطوبت وجود داشته باشد این ارتباط منفی است در نتیجه توجیه کننده ارتباط کلی منفی (بدون در نظر گرفتن آستانه دمای هوا) ماه ژانویه نیز می باشد.

از داده های سنجنده AVHRR برای آشکارسازی ناحیه ای ابر در دو منطقه ایران با ویژگی های متفاوت جغرافیایی و جوی به منظور مقایسه با داده های ماسک ابر مادیس (MOD35) استفاده شده است. بدین منظور، پنج تاریخ دارای بالاترین و پایین ترین آنومالی ابرناکی طی بازه زمانی 2001-2015 متناسب با گذر ماهواره های ترا و نوآ انتخاب شد. پنج آزمون آستانه گذاری طیفی مختلف استفاده شد. ابتدا پس از تشخیص پیکسل های برفی، این پیکسل ها از ادامه کار حذف شدند. سپس، از سه آزمون به منظور تشخیص پیکسل های ابرناک بهره برده شد؛ این آزمون ها عبارت است از: آزمون بازتاب کانال مرئی؛ آزمون نسبت بازتاب مادون قرمز نزدیک/ مرئی؛ و آزمون دمای درخشندگی جو بدون ابر. آزمون آخر نشان داد، طی تاریخ های مورد بررسی، با توجه به دمای سطحی، دمای درخشندگی قابل تقسیم به دو طبقه اصلی است. هنگامی که دمای سطحی بیشتر از 5 درجه سانتی گراد است، جو صاف به طور متوسط 1 درجه سانتی گراد سردتر از جو ابری است و برعکس؛ هنگامی که دمای سطحی کمتر از 5 درجه سانتی گراد باشد، جو صاف به طور متوسط 6 درجه سانتی گراد گرم تر است. نتایج حاصل از صحت سنجی این الگوریتم با ارزیابی داده های ایستگاهی و محصول ماسک ابر سنجنده مادیس دقت بالای 90درصد را نیز در برخی از تاریخ ها آشکار کرد.

الگوهای جوّی بر تغییرات پوشش گیاهی مؤثرند. اندکی تغییر در عناصر اقلیمی منجر به واکنش سریع گیاه و تغییر در رشد آن می شود. هدف این مطالعه تحلیل ارتباط پوشش گیاهی ماه می (انبوه ترین ماه به لحاظ پوشش گیاهی) در ایران با الگوی پیوند از دور نوسان اطلس شمالی طی ماه های ژانویه تا می است. بدین منظور از داده های مقادیر پوشش گیاهی نرمال شده سنجنده مودیس، طی دوره 2001 تا 2014 استفاده شده است. ابتدا ناحیه ای از ایران که دارای متوسط NDVI بالاتر از 2/0 بود، به عنوان ناحیه دارای پوشش گیاهی جدا گردید. سپس با توجه به شدت و ضعف مقادیر NDVI و به منظور سنجش میزان حساسیت هر طبقه با الگوی پیوند از دور نوسان اطلس شمالی به سه طبقه با پوشش گیاهی تنک، متوسط و انبوه تقسیم گردید. نتایج نشان داد در طبقات ذکر شده، پراکندگی مقادیر همبستگی مثبت و منفی از الگوی مکانی خاصی پیروی نمی کند. به منظور ارزیابی بهتر نتایج در هر کدام از نواحی، نقاط با بیشترین و کمترین ضریب همبستگی هر طبقه انتخاب گردید. بالاترین ارتباط معکوس مقادیر ضریب همبستگی در ناحیه تنک مشاهده گردید که حاکی از حساسیت بالای پوشش گیاهی منطقه تنک به الگوهای جوّی می باشد. کاربری اراضی نقاط انتخاب شده نشان می دهد در بیشتر موارد، مناطق با همبستگی منفی و مثبت به ترتیب مربوط به زمین های با پوشش علفزار (پوشش طبیعی) و زمین های زراعی (پوشش انسان ساخت) است. از آنجا که در فازهای منفی الگوی نوسان اطلس شمالی وضعیت پوشش گیاهی انبوه تر از فازهای مثبت الگوی نوسان اطلس شمالی است و با توجه به بالاترین ضریب تعیین به دست آمده (77/0، در ماه فوریه واقع در استان آذربایجان شرقی)، می توان با استفاده از وضعیت نوسان اطلس شمالی در ماه های زمستان مقادیر پوشش گیاهی ماه می را برای نقاط شاخص واقع در استان های شمال غرب و غرب تخمین زد.

پایداری دوره امواج سرد (گرم) با به همراه داشتن روزهای حدی بسیار سرد (گرم)، اثرات زیان باری بر تمامی جنبه های زندگی از جمله کشاورزی و اکولوژی دارند. یک موج گرما (سرما) یک دوره گرم (سرد) است که از چند روز تا چند هفته به طول می انجامد که به ترتیب  با رطوبت بالا و بادهای سرد شدید همراه است و با آستانه های متفاوتی قابل تعیین است. در این مطالعه برای شناسایی رخدادهای حدی سرد (گرم) در سواحل جنوبی دریای خزر با استفاده از داده های دمای حداقل و حداکثر پنج ایستگاه دارای کامل ترین آمار طی دوره مطالعاتی 2010-1961، امواج سرد با صدک 02/0 ام و امواج گرم با صدک98/0 ام شناسایی شد و در ادامه  چند موج سرد و گرم که شدت بالایی داشتند انتخاب و نقشه های مرکب (فشار سطح دریا و تراز 500 هکتوپاسکال) فراگیر آن با استفاده از نرم افزار Grads ترسیم و تحلیل شد. نتایج نشان داد روند تغییرات دما برای دمای حداقل مثبت بوده و برای دمای حداکثر در بیشتر ایستگاه ها با کاهش همراه بوده است. در سال های 1963، 1964، 1969، 1972، 1973، 1989، 1991 و سال 2008 موج های سرد به حداکثر فراوانی خود در هر 5 ایستگاه رسیده و تداوم آن ها در سال های 1972 و  1964 بسیار بالا بوده است. در سال های 1962، 1966، 1980، 1983، 2000 ،2009 و2010 موج های گرم حداکثر فراوانی را داشته اند و پایداری  آنها (تعداد روز) در سال های 1966و  1971 نسبت به دیگر سال های مورد مطالعه بیشتر بوده است. ایستگاه رامسر برای امواج سرد و همچنین گرم بالاترین فراوانی را داشته است. ایستگاه گرگان کمترین فراوانی موج گرم و ایستگاه های انزلی و رشت کمترین فراوانی موج سرد را ثبت نموده اند. سه مرکز پرفشار اروپای شرقی، سیبری، پرفشار کوه های آلپ وکم فشار اورال با مرکزیت روی جلگه سیبری غربی  موج های سرد حدی را رقم زده اند. مرکز فشار کم عربستان، پاکستان و خلیج فارس در مواقع حدی خود ایجاد کننده اصلی موج گرم ناحیه مورد مطالعه بوده است.

یکی از مهمترین و چالش برانگیزترین رخدادهای حدی ، بارش های سنگین است که هر ساله خسارات فراوانی را به دنبال دارد. از اینرو در پژوهش حاضر این رخداد در غرب ایران بررسی شده است. ابتدا با داده های روزانه بارش در ایستگاه های سینوپتیک منتخب برای دوره (2000-2015 ) چندین بارش حدی در منطقه شناسایی شد، در ادامه نقشه های مربوط به فشار های تراز دریا، ارتفاع ژئوپتانسیل تراز 500 و 850 هکتوپاسکالی این الگوها در نرم افزار SPSS با استفاده از تحلیل مولفه ی اصلیPCI))، برای شناسایی مولفه های اصلی مورد پردازش قرار گرفت نتایج نشان داد تنها یک مولفه 99.99 درصد واریانس این الگو ها را تببین و توجیه می کند. بنابراین الگوی مولد تمامی این رخداد ها شرایط مشابهی را دارا بوده است. سپس از بین این الگو های مشابه دو الگوی بسیار شدید انتخاب و مورد آنالیز سینوپتیکی و ماهواره ای قرار گرفت نتایج نشان داد در روزهای همراه با بارش حدی امگای منفی (از سطح 1000تا 200 هکتوپاسکالی و با هسته بیشینه 0.3- پاسکال بر ثانیه) بر روی غرب ایران قرار داشته است، علاوه بر آن رطوبت بالای 70 درصد، قرارگیری در جلوی تراف هایی که از کم ارتفاع ژئوپتانسیل تراز 850 و بویژه 500 هکتوپاسکالی بر منطقه نفوذ داشته، رودبادهایی با سرعت بالای 30 متر بر ثانیه در تراز 200 هکتوپاسکال، سرعت باد سطحی بالای 10 متر بر ثانیه و هسته های تاوایی مثبت همگی شرایط موجود را به نفع تشکیل سیکلون قوی فراهم کرده اند. در نهایت پردازش تصاویر رادار هواشناسی این نتایج را تآیید نمود.

خشکسالی، رخدادی طبیعی است که در همه نوع اقلیم مشاهده می شود. این پدیده قادر است خسارات شدیدی به مناطق مستعد وارد سازد. از آنجایی که خشکسالی، کشاورزی سواحل خزر را به دلیل ویژگی خاص خود دستخوش تغییر می کند، این پدیده در سواحل خزر مورد بررسی قرار گرفته شد. هدف این پژوهش، بررسی خشکسالی طی دوره پایه 2010-1961 و آینده 2030-2011 در سواحل جنوبی خزر با استفاده از نمایه SPI(نمره (Zاست. داده های روزانه بارش 5 ایستگاه برای محاسبه مجموع بارش ماهانه و داده های مدلHADCM3 تحت سناریویB1 وA2دریافت شد. برای ریز مقیاس کردن داده هایHADCM3 از دو مدل ریزمقیاس ساز LARS-WGوSDSMاستفاده شد. نتایج نشان داد، مدل LARS_WG قابلیت بالاتری نسبت به مدلSDSMبرای ریزمقیاس کردن داده های بارش دارد. نتایج شبیه سازی مدل LARS-WG، افزایش بارش برای ماه های ژانویه -فوریه- نوامبر – و دسامبر و کاهش آن برای ماه های آگوست و سپتامبر را در هر پنج ایستگاه تخمین زد. نتایج شبیه سازی با مدل LARS-WGبا ضریب تبیین 96 تا 99 درصد، خطای مطلق میانگین 3.6 تا 12.6 میلیمتر و نتایج آزمون های T وF که به ترتیب برای معنی داری میانگین و واریانس داده ها می باشد، معنی دار است. معنی داری 2 میانگین مشاهداتی و شبیه سازی 2 مدل و هم توزیع بودن با دو تست به ترتیب ویلکاکسون و کلموگروف اسمیرنوف ثابت شد. شدت خشکسالی با استفاده ازGISبه نقشه تبدیل شد. نتایج نمره Zسه ماهه با ریزمقیاس سازی مدل LARS-WGنشان داد، بیشترین فراوانی و شدت خشکسالی طی دوره مشاهداتی مربوط به ایستگاه انزلی و رشت است. طی دورهآینده ایستگاه رشت، گرگان و رامسر بالاترین شدت خشکسالی را خواهند داشت. نمره Z6 ماهه مشخص کرد، از نظر فراوانی؛ ایستگاه بابلسر،گرگان و رامسر و از نظر شدت؛ ایستگاه انزلی، رشت و رامسر بالاترین خشکسالی را تجربه کرده اند. درآینده رامسر و سپس رشت و گرگان درجات بالاتر خشکسالی را خواهند داشت. نمره Z12 ماهه نیز بیشترین شدت را برای ایستگاه رامسر و سپس انزلی و برای آینده در رشت، رامسر، بابلسر و انزلی نشان داد. نتایج مشخص کرد، دوره های نرمال بر اساس نمایه نمره Z، دوره های با فراوانی بیشتری نسبت به بقیه دوره ها در هر 5 ایستگاه بوده است.

ناحیه بندی توسط عناصر و عوامل اقلیمی یکی از مهمترین موضوعاتی است که به دلایل گوناگون از جمله اهمیت آن در کشاورزی و معماری یک منطقه مورد توجه می باشد. اقلیم هر منطقه نتیجه ی عملکرد عناصر و عواملی است که در محیط حاکم هستند. در این مقاله ناحیه بندی بر اساس میانگین ماهانه دما و بارش در 16ایستگاه سینوپتیک منطقه زاگرس که دارای کامل ترین آمار از بدو تأسیس تا سال2005 بودند با استفاده از 4 روش تحلیل مؤلفه اصلی، نمره Z فصلی دما و بارش، انحراف معیار دمای ماهانه، فصلی و ضرایب اقلیمی (ضریب خشکی دومارتن) و (کلیموگرام پگی) انجام شد. نتایج نمره Z با استفاده از آزمون تحلیل واریانس تست شد. در 3روش ابتدایی، پهنه بندی با استفاده از روش وارد صورت گرفت. یافته ها 3 مؤلفه اصلی که 84/91درصد از واریانس متغیرها را توجیه می کرد شناسایی کرد و 5 ناحیه بدست آمد. نمره Z فصول در بهار و پاییز 5 و در تابستان و زمستان4 ناحیه بارشی و برای دما در تابستان4 ناحیه و در دیگر فصول 3 ناحیه را نشان داد. آزمون تحلیل واریانس این بخش فرض محقق (عدم برابری بین نواحی)را تأیید نمود. براساس انحراف معیار داده های دما 5 ناحیه اصلی بدست آمد. با استفاده از ضریب خشکی دومارتن و کلیموگرام پگی به ترتیب 4و3 ناحیه تأیید شد. در انتها نقشه های نواحی بارشی و دمایی زاگرس با روش Inverse Distans Weighted در محیط نرم افزار جی ای اس تهیه شد.