زهره جوانشیری

بارش علیرغم تأمین آب دارای نقش های متعدد و متضادی در طول دوره زراعت برنج است و انتخاب مناسب توزیع احتمال رخداد آن گام مهمی در برنامه ریزی مدیریت منابع آب و تنظیم تقویم کشت و کاهش خسارت در شالی کاری است. در پژوهش حاضر، برای تعیین مناسب ترین توزیع های احتمال بارش در طول فصل رشد برنج، از داده های 8 ایستگاه سینوپتیک سواحل جنوبی دریای خزر شامل ایستگاه های آستارا، بندر انزلی، رشت، رامسر، بابلسر، قراخیل، نوشهر و گرگان با طول دوره آماری 30 ساله (1991-2020) استفاده شد. پس از کنترل کیفیت و همگن سازی داده ها، توزیع های برنولی-لوگ نرمال، برنولی-ویبول و برنولی-گاما بر داده های بارش در مقیاس های زمان روزانه (در پنجره هایی به طول سه روز بدون همپوشانی) و همچنین طول فصل رشد برنج برازش داده شدند. برای شناخت مناسب ترین توزیع از آزمون نیکویی برازش کلموگروف-اسمیرنوف (K-S) و شاخص آکائیک (AIC) استفاده شد. نتایج به دست آمده نشان داد توزیع برنولی-گاما مناسب ترین توزیع احتمالاتی برای برآورد بارش فصل رشد برنج در سواحل جنوبی دریای خزر است. پس از توزیع برنولی-گاما، توزیع برنولی-ویبول به ویژه برای ایستگاه نوشهر واقع در بخش مرکزی استان مازندران برازش بهتری را نشان داد. یافته های این تحقیق می تواند در کمی سازی میزان انتظار و ریسک ناشی ازبارش در مقاطع زمانی مختلف فصل رشد برنج بکار گرفته شود.

دلیل اصلی وجود عدم قطعیت در تعیین کمبود منابع آبی در آینده، تغییر اقلیم است. به دلیل گرم شدن کره زمین نگرانی هایی در مورد افزایش یا کاهش بارندگی وجود دارد و این مسأله برنامه ریزی و مدیریت منابع آب را پیچیده می کند. از این رو بررسی روند بارش از اهمیت بسزایی برخوردار است. روند خطی گزارش شده در ارزیابی های اقلیمی ایران و جهان، منعکس کننده تغییر در میانگین بارش سالانه است. روند میانگین، نمی تواند تغییرات سایر چندک های توزیع، از جمله دم های توزیع (میزان بارش بسیار زیاد و کم) را منعکس کند. در این مطالعه از روش رگرسیون چندک[1] (QR) برای تعیین روند بارش های سنگین (بارش های بیشتر از صدک 98ام توزیع بارش) فصلی و سالانه ۴4 ایستگاه سینوپتیک کشور برای دو دوره ی نرمال استاندارد اقلیمی اخیر 2010-1981 و2020 -1991 استفاده شد. برای این منظور، بعد از کنترل کیفیت و همگن سازی داده ها، صدک های 98ام بارش های فصلی و سالانه برای هر دو دوره محاسبه شدند و مورد مقایسه قرار گرفتند. سپس روند این چندک ها با استفاده از روش رگرسیون چندک برآورد شده و مورد آزمون قرار گرفتند. نتایج نشان داد که در مقایسه دو دوره نرمال استاندارد اقلیمی، بارش های سنگین بهاری در دامنه های جنوبی البرز، بارش های سنگین تابستانی در سواحل دریای خزر، بارش های سنگین پاییزی در شمال غرب و شمال شرق کشور و بارش های سنگین زمستانی در دامنه های زاگرس به طور عمده تغییر رفتار داده اند. همینطور، بارش های سنگین بهاری در دامنه های جنوبی البرز رو به کاهش است، در صورتی که بارش های سنگین تابستانی در سواحل دریای خزر و بارش های سنگین پاییزی در شمال غرب و شمال شرق کشور رو به افزایش است.   

پروژه پیش بینی دهه ای، از برنامه های بلندپروازانه سازمان جهانی هواشناسی برای حذف خلاء بین پیش بینی های اقلیمی با برد زمانی کمتر از یک سال و پیش نگری اقلیمی با برد زمانی بیش از یک دهه است. این مقاله مراحل انجام کار و یافته های پیش بینی چندسالانه بارش با استفاده از مقیاس کاهی آماری برونداد مدل های DCPP از مجموعه مدل های پروژه CMIP6 که با داده های واقعی اول نوامبر سال 2019 آغازگری شده اند را بر روی ایران ارائه می دهد. دوره هدف پیش بینی 2023-2019 است. در این مطالعه از دو نوع داده برونداد مدل های پروژه DCPP در دو دوره تاریخی (2018-1989) و پیش بینی (2023-2019) و بارش شبکه ای GPCC در دوره 2018-1989 به عنوان داده های بازکاوی استفاده شده است. همچنین نقش دو دورپیوند دهه ای AMO و PDO بر بارش دوره هدف بررسی شد. یافته ها نشان دادند که در مجموع میانگین بارش در دوره 2023-2019 در محدوده نرمال تا کمتر از نرمال خواهد بود، به اینصورت که بر اساس دو روش تصحیح اریبی و وزنی بارش در نیمه غربی و جنوب کشور بیشتر از نرمال و در شرق کشور نرمال تا کمتر از نرمال، در روش پیش بینی احتمالاتی بارش سال های 2019 و 2020 در طبقه بیشتر از نرمال و سال های 2021، 2022 و 2023 عمدتا در طبقه کمتر از نرمال تا نرمال و به روش دورپیوندی در محدوده کمتر از نرمال پیش بینی می شود. هر چند پروژه DCPP در مراحل اولیه توسعه قرار داشته و نتایج منطقه ای آن به مقدار زیادی بستگی به روش های مقیاس کاهی بکار رفته دارد،  اما افق های جدیدی برای محققان و کاربران خدمات اقلیمی در حوزه منابع آب، کشاورزی، بیمه محصولات کشاورزی به وجود آورده است که می تواند نقشه راه کشور را در برنامه های توسعه پنج ساله هفتم (1405-1401) در حوزه منابع آب و کشاورزی شفاف سازد.

تشخیص و تحلیل داده های پرت یکی از گام های ابتدایی مهم در تحلیل داده هاست. یک داده پرت در سری های هواشناسی می تواند نشان دهنده ی یک رخداد فرین باشد یا خطای ناشی از اندازه گیری، مشاهده و ثبت است. اگر داده ها ی پرتی که حاصل خطای انسانی یا نقص تجهیزات اندازه گیری هستند شناسایی نشده و حذف نگردند، به عنوان داده ی فرین ثبت خواهند شد و موجب اریبی در نتایج مطالعات اقلیمی می شوند. در این مقاله، داده های پرت سری های زمانی سرعت باد و فشار برای 14۳ ایستگاه هواشناسی کشور در دوره نرمال اقلیمی 1991- 2020 مورد تحلیل قرار گرفت. برای این منظور ابتدا داده های پرت مکانی با استفاده از الگوریتم کلایماتول مشخص شد و در مرحله دوم با تحلیل های زمانی و هواشناختی، خطاها شناسایی شدند. در مرحله اول برای پارامترهای فشار ایستگاه، فشار تبدیل شده ایستگاه به سطح دریا، فشار بخار، سرعت باد و سرعت باد ماکزیمم به ترتیب 40، 42، 93، 52 و 41 داده پرت شناسایی شد و در مرحله دوم به ترتیب 20، 10، 56، 20 و 27 تعداد از این داده ها خطا تشخیص داده شدند. این نتایج به تفکیک ایستگاه و تاریخ گزارش شده اند، تا مورد استفاده محققان در سایر مطالعات، بویژه مطالعات تغییراقلیم، قرار بگیرند.