مجید رضایی بنفشه درق

در این پژوهش، دوره های متوالی خشکسالی هواشناسی و ژئوهیدرولوژیکی با استفاده از شاخص خشکسالی SPI و SWI در 6 بازه زمانی (6، 9، 12، 18، 24 و 48 ماهه) در دشت مرند واقع در استان آذربایجان شرقی، بررسی شد. برای این منظور، از داده های هواشناسی (متوسط بارش ماهانه) 7 ایستگاه باران سنجی در دوره آماری (91-1359) و داده های ماهانه سطح آب 23 چاه پیزومتری در دوره آماری (90-1380) استفاده شد. نقشه های مربوطه با استفاده از نرم افزار Arc Gis و با روش کریجینگ تهیه و ترسیم شدند که پهنه های درگیر خشکسالی در منطقه را نمایان ساخت. همچنین شدیدترین خشکسالی و فراوانی نسبی خشکسالی های هواشناسی و آب زیرزمینی در طول دوره آماری به دست آمد. نتایج بررسی مقادیر SPI نشان داد که خشکسالی هواشناسی از نظر مکانی دارای روند مشخصی نمی باشد در حالی که خشکسالی آب های زیرزمینی به طور تصادفی در منطقه رخ نداده و تمرکز آن در غرب آبخوان بیش از شرق آن بوده است. جهت بررسی اثرات خشکسالی بر افت سطح ایستابی، بهترین همبستگی بین آن ها، 720/0- با تأخیر زمانی 5 ماهه به دست آمد که در سطح 1 درصد معنی دار بوده و تأثیرپذیری منابع آب زیرزمینی را با یک تأخیر 5 ماهه نمایان می سازد. همچنین نتایج بررسی داده های ماهانه سطح آب دشت مرند در دوره آماری (90-1380) نشان داد که تراز آب زیرزمینی دشت دارای روند منفی بوده که با افت حدود 2 متر مواجه بوده است.

هدف از این مطالعه شبیه سازی عددی و پیش بینی تغییرات آب وهوای ایران با تأکید بر دو پارامتر اقلیمی دما و بارش است. روش مورد استفاده این تحقیق الگوریتم شبکه های عصبی مصنوعی برای شبیه سازی متغیرهای دما و بارش 24 ساعته برحسب گام زمانی ماهانه در طی یک دوره 31 ساله نسبت به دوره پایه است. از تحلیل مانوا برای مقایسه میانگین تغییرات دما و بارش طی دوره مشاهده شده 2020-1990 و دوره شبیه سازی شده 2050-2020 استفاده شده است. نتایج مقایسه نشان می دهد، تفاوت معنی داری بین تغییرات دما و بارش 24 ساعته در ایستگاه های هواشناسی منتخب در ایران وجود دارد. مربع جزئی اتا محاسبه شده، تغییرات بارش و دمای ثبت شده به ترتیب برابر1/42 و 9/17 درصد، تغییرات بارش و دمای شبیه سازی شده نیز به ترتیب برابر6/41 و 1/18 درصد می باشد. بیشترین و کمترین بارش مشاهده شده در ماه های مارس و ژوئیه رخ داده است. شبیه سازی ها بیشترین و کمترین میزان بارش را برای ماه های مارس و اوت پیش بینی کردهاند. همچنین بیشترین و کمترین میانگین دمای مشاهده شده به ترتیب در ماه های ژوئیه و ژانویه رخ داده و شبیه سازی ها نیز این مقادیر را برای همین ماه ها پیش بینی کرده اند. نتایج مقایسه ایستگاه های هواشناسی منتخب طی دوره های مذکور نشان داد، بیشترین و کمترین مقادیر بارش مشاهده شده به ترتیب در ایستگاه های رشت ۹۵/۱۰۹و یزد ۳۶/۴ میلی متر ثبت شده و شبیه سازی ها نیز برای همین ایستگاه ها ۴۶/ ۱۱۲ و ۶۳/۵ میلی متر پیش بینی کرده اند. بیشترین و کمترین میانگین دمای مشاهداتی به ترتیب در ایستگاه های بندرعباس۹۹/۲۶ و اردبیل۳۶/۹درجه سانتی گراد ثبت شده و شبیه سازی ها نیز برای همین ایستگاه ها۱۰/۲۷و۴۵/۹ درجه سانتی گراد پیش بینی کرده اند.

هدف پژوهش حاضر، شبیه سازی و پیش بینی دمای حد بیش تر و امواج گرمایی شهر ارومیه طی سال های 2050-2020 به منظور پیش آگاهی و کاهش آثار منفی ناشی از افزایش ناگهانی دما در این شهر است که با استفاده از نرم افزار SDSM و مدل CanESM2 شبیه سازی و تحت مناسب ترین سناریوی RCP برای 31 سال آتی پیش بینی گردید. بدین منظور ، داده های حد بیش تر دمای روزانه ایستگاه ارومیه از سال 2005-1961 به عنوان نماینده سایر ایستگاه های استان آذربایجان غربی از سازمان هواشناسی کشور دریافت و پیش بینی انجام شد. نوآوری پژوهش حاضر، استفاده از کم خطاترین سناریوی RCP برای پیش بینی دقیق تر می باشد. طبق نتایج حاصل، سناریوی 5/8RCP به عنوان کم خطاترین سناریو جهت پیش بینی انتخاب شد و یافته ها نشان دادند که میانگین حد بیش تر دما در ایستگاه ارومیه از اواخر زمستان تا اواخر بهار نسبت به دوره پایه کاهش و در اواسط تابستان افزایش جزئی خواهد داشت. در مجموع طی سال های 2050-2020 شاهد روند افزایشی محسوس حد بیش تر دمای شهر ارومیه خواهیم بود. براساس نتایج اعمال شاخص بالدی، امواج گرمایی این شهر کوتاه مدت و حد بیش تر چهار روزه خواهد بود. بیش ترین فراوانی امواج گرمایی مربوط به امواج یک روزه بود که روند افزایشی جزئی داشت ولی امواج گرمایی دو، سه و چهار روزه روند کاهشی نشان دادند. در مجموع، احتمال رخداد امواج گرمایی کوتاه مدت، بیش تر از امواج گرمایی بلندمدت است. همچنین از آنجا که امواج گرمایی شناسایی شده اغلب در پاییز و زمستان بیش ترین فراوانی را نشان دادند، لذا احتمال وقوع این مخاطره در فصول سرد بیش تر از فصول گرم است.