سید حسین ثنایی نژاد

بارش یکی از اصلی ترین اجزای چرخه هیدرولوژی است. علاوه بر این، توزیع بارش نقش بسیار مهمی را در توازن انرژی کره زمین و دسترسی بشر به منابع آبی ایفا می کند؛ اما بارندگی همواره برای بشر ثمربخش نیست. هرساله وقوع سیل در کشور ایران خسارات جانی و مالی بسیاری را به مردم و زیرساخت ها تحمیل می نماید. برای به حداقل رساندن این خسارت ها لازم است مقدار بارش های وقوع یافته اندازه گیری شود، تا بتوان برای کاهش خسارت ها برنامه ریزی کرد. ازآنجایی که اندازه گیری بارش با دقت مکانی و زمانی بالا هزینه بسیاری دارد، مدل های بسیاری برای تخمین مقادیر بارش توسعه یافته اند؛ اما برای استفاده از داده های خروجی این مدل ها لازم است ابتدا عملکرد آن ها مورد ارزیابی قرار گیرد. در این پژوهش به ارزیابی عملکرد دو محصول تخمین بارش PERSIANN-CCS و PDIR-Now با استفاده از بارش های تمامی ایستگاه های سینوپتیک کشور برای خسارت بارترین سیلاب های ایران در سال های 1396 الی 1398 اقدام گردید. برای ارزیابی عملکرد از شاخص های آماری PC، BIAS، FAR، POD، HSS، R2، ME، MAE و RMSE استفاده شد. نتایج به دست آمده بیان گر تغییرپذیری بالای شاخص ها در وقایع مختلف است. به طور میانگین ملاحظه شد که محصولات PERSIANN-CCS و PDIR-Now اگرچه دارای میانگین PC بالا هستند اما به ترتیب دارای ضریب تعیین 16/0 و 19/0 و RMSE برابر با 38/9 و 78/12 بوده که مقادیر بسیار مطلوبی نیستند. با توجه به شاخص های آماری خطا در تاریخ های موردبررسی ملاحظه می شود که این دو محصول برای تخمین مقادیر بارش تمامی ایستگاه ها عملکرد مناسبی نداشته و برای تخمین بهتر بارش های منجر به سیلاب های سنگین، بررسی های بیشتر پیشنهاد می شود.

ارزیابی و واسنجی داده های سنجش از دور به عنوان منبع جدید برآورد بهتر و دقیق تر بارش در مناطق مختلف امری ضروری است. بر همین اساس در پژوهش حاضر، داده های ماهانه بارش  15  ایستگاه سینوپتیک در  5  اقلیم ایران (خشک، نیمه خشک، مدیترانه ای، مرطوب و بسیارمرطوب) به عنوان مبنا در دوره زمانی  20  ساله  1998  تا  2017  انتخاب گردید. داده های بارش ماهانه ماهواره ای (TMPA(3B43_V7 مورد ارزیابی قرار گرفته و با کمک مدل حاصل ضربی واسنجی شدند.  ارزیابی نتایج با کمک شاخص های R2،MBE،MAE وRSME انجام پذیرفت.  بر اساس نتایج مقادیر تصحیح نشده، شاخص R2از 0.6 برای ایستگاه آبعلی تا  0.89  برای ایستگاه کوهرنگ متغیر بود.  در مناطق خشک داده های ماهواره ای بیش برآورد و در مناطق مرطوب کم برآورد داشتند.  پس از اعمال تبدیل لگاریتمی و مدل حاصل ضربی بر داده ها، پارامتر ماهانه C جهت تصحیح داده های ماهواره ای برای اقلیم های مختلف به دست آمد.  پس از تصحیح، شاخص های ارزیابی به ویژه در معیار MBE  کاهش قابل ملاحظه ای یافت.  به طوری که مقادیر این خطا در پیکسل های متناظر ایستگاه های بم، شهرضا، بجنورد و اراک  ( با اقلیم های خشک و نیمه خشک )  به ترتیب به  0.3- ،  0.6،  0.3-  و  0.5-  میلی متر کاهش یافت و در ایستگاه نیشابور به صفر رسید.  درصد کاهش انحراف خطا در اقلیم های خشک، نیمه خشک، مدیترانه ای، مرطوب و خیلی مرطوب به ترتیب  88.7،  95.3،  68.4،  38.4  و  63.9  درصد به دست آمد.  بر اساس نتایج، مدل تصحیح به ویژه در مناطق خشک قابلیت استفاده را دارد.

روش های اندکی به امکان سنجی استفاده از برونداد مدل های پیش بینی عددی در تخمین مقادیر از دست رفته تصاویر سنجش ازدور پرداخته اند. بدین منظور در تحقیق حاضر علاوه بر ارزیابی الگوریتم SPA در بازسازی تصاویر، امکان استفاده از برونداد مدل پیش بینی عددی MM5 در تخمین مقادیر مفقود تصاویر سنجش ازدور بررسی شد. این مطالعه با استفاده از سری زمانی تولیدات LST مودیس در سال های 2000 تا 2010 میلادی و برای منطقه شمال شرق ایران انجام شده است. نتایج شبیه سازی ها بر اساس شاخص های اعتبارسنجی RMSE، AD و R 2 با یکدیگر مقایسه شدند. ارزیابی های کمی نشان دادند که روش SPA با مقدار میانگین خطای 48/1 درجه سلسیوس، 95/1= RMSE و 79/0=R 2 دقت مناسب و عملکرد خوبی در تخمین مقادیر مفقود دارد. اعتبار سنجی و مقایسه الگوریتم ها در حالت پایه (آزمون 1) و حالت استفاده از برو نداد مدل MM5 (آزمون 2) نشان دادند که در صورت نبود تصاویر کمکی مناسب سنجش ازدور می توان از خروجی مدل MM5 در الگوریتم های هیبرید و بازسازی تصاویر استفاده نمود. ارزیابی بصری تصاویر بازسازی شده نشان داد که اجرای الگوریتم SPA برای هر دو آزمون، در بافت تصاویر مورد مطالعه الگوی مکانی مصنوعی ایجاد نکرد و روند تغییرات مکانی LST حفظ شد. روش های اندکی به امکان سنجی استفاده از برونداد مدل های پیش بینی عددی در تخمین مقادیر از دست رفته تصاویر سنجش ازدور پرداخته اند. بدین منظور در تحقیق حاضر علاوه بر ارزیابی الگوریتم SPA در بازسازی تصاویر، امکان استفاده از برونداد مدل پیش بینی عددی MM5 در تخمین مقادیر مفقود تصاویر سنجش ازدور بررسی شد. این مطالعه با استفاده از سری زمانی تولیدات LST مودیس در سال های 2000 تا 2010 میلادی و برای منطقه شمال شرق ایران انجام شده است. نتایج شبیه سازی ها بر اساس شاخص های اعتبارسنجی RMSE، AD و R 2 با یکدیگر مقایسه شدند. ارزیابی های کمی نشان دادند که روش SPA با مقدار میانگین خطای 48/1 درجه سلسیوس، 95/1= RMSE و 79/0=R 2 دقت مناسب و عملکرد خوبی در تخمین مقادیر مفقود دارد. اعتبار سنجی و مقایسه الگوریتم ها در حالت پایه (آزمون 1) و حالت استفاده از برو نداد مدل MM5 (آزمون 2) نشان دادند که در صورت نبود تصاویر کمکی مناسب سنجش ازدور می توان از خروجی مدل MM5 در الگوریتم های هیبرید و بازسازی تصاویر استفاده نمود. ارزیابی بصری تصاویر بازسازی شده نشان داد که اجرای الگوریتم SPA برای هر دو آزمون، در بافت تصاویر مورد مطالعه الگوی مکانی مصنوعی ایجاد نکرد و روند تغییرات مکانی LST حفظ شد.

در مواجه با خطر سیل و یا خسارات ناشی از خشکسالی، برآورد میزان بارش و الگوی تغییرات مکانی آن در یک منطقه گسترده، یکی از چالش های مهم در علوم هواشناسی، کشاورزی و هیدرولوژی است. اندازه گیری محلی بارندگی در مناطق دور افتاده به دلیل هزینه زیاد و محدودیت های عملیاتی دشوار است. بدین علت در تحقیق حاضر به منظور تعیین الگوی مکانی-زمانی بارش و امکان تلفیق داده ها، سه نوع مختلف از تولیدات بارندگی شامل داده های ماهواره ای (TRMM۳B۴۲)، داده های حاصل از مدل پیش بینی عددی جوّی (MM۵) و اندازه گیری های زمینی (نقشه های حاصل از روش زمین آمار (KED))، مورد مطالعه قرار گرفتند. این مطالعه در بازه زمانی سال های ۲۰۰۰ تا ۲۰۱۰ میلادی و برای منطقه شمال شرق ایران به صورت ماهانه، فصلی و سالانه انجام شد. داده ها با استفاده از شاخص اعتبارسنجی RMSE و الگوریتم تشابه با یکدیگر مقایسه شدند. نتایج نشان دادند که یکی از ضعف های روش زمین آمار نبودن اطلاعات کافی در ارتفاعات بالای (۱۵۰۰) متر منطقه است. همچنین دقت تصاویر ماهواره ای در فصل های گرم بیشتر بود؛ بطوریکه در ماه آگوست مقدار ۷/۱ RMSE = به دست آمد. در فصل زمستان (ماه ژانویه) بیشترین مقدار ۰۲/۱۴ RMSE = حاصل شد که این امر عملکرد ضعیف تولیدات ماهواره ای TRMM در مناطق پوشیده از یخ را نشان می دهد. در اعتبارسنجی مدل MM۵ بیشترین و کمترین مقدار RMSE به ترتیب ۶۴/۶ و ۰۵/۱ به دست آمد. علاوه بر این مدل MM۵ تا حدود زیادی در شبیه سازی مقادیر بارندگی سالانه بیش برآورد داشت. نتایج تحلیل های مکانی- زمانی الگوریتم تشابه نیز نشان دادند که عملکرد مدل MM۵ در مقیاس ماهانه و فصلی و تعیین مناطق بارندگی بهتر از تصاویر ماهواره ای TRMM بود. همچنین هر سه محصول الگوی مکانی بارندگی در مقیاس فصلی و سالانه را به خوبی نشان دادند.

در این پژوهش، ساختار گردش بزرگ مقیاس جو و رفتار تابستانه جت جنب حاره در منطقه خاورمیانه در بازه زمانی ۱۶ آوریل (۲۷ فروردین) تا ۱۵ جولای (۲۴ تیر) برای دوره ۳۰ ساله (۱۹۸۱-۲۰۱۰) با استفاده از داده های شبکه بندی روزانه مؤلفه باد مداری تراز ۲۰۰ هکتوپاسکال، مورد تجزیه وتحلیل قرار گرفت. در هر سال، تغییر رفتار روزانه جت به صورت تصویری و عددی مورد پایش قرار گرفت. در بررسی رفتار روزانه جت، شدت جریان و میزان جابجایی عرضی هسته جت معیارهای اصلی جهت تشخیص تغییر الگوی گردش و آغاز فصل تابستان در نظر گرفته شد. پردازش داده ها بر اساس رفتار جت در دو آستانه زمانی، شامل زمان آغاز و زمان خاتمه پرش شمال سو صورت گرفت. یافته ها بیانگر آن است که در منطقه خاورمیانه تابستان واقعی- بر اساس حقایق مبتنی بر گردش کلی جو- با لحاظ نمودن دو آستانه زمانی آغاز و خاتمه پرش شمال سو به ترتیب حدود ۲۱ روز و ۱۷ روز زودتر از تاریخ نجومی (اول تیر ماه) آغاز می گردد. صحت تعیین زمان آغاز تابستان توسط آزمون کای اسکور مورد تأیید قرار گرفت. بررسی روند تغییرات، نشان دهنده روندی با شیب مثبت، برای زمان آغاز تابستان در منطقه است. یافته ها همچنین بیانگر آن است که آغاز فصل تابستان در ۱۵ سال دوم مورد مطالعه، انحرافات و نابهنجاری های قابل ملاحظه ای در قیاس با ۱۵ سال اول دارد. ادامه داشتن این روند باعث نزدیکی زمان آغاز اقلیمی تابستان به آغاز نجومی و از طرفی کوتاه شدن طول فصل تابستان خواهد شد.

از جمله مخاطرات محیطی مهم می توان به پدیده های آب و هوایی مخرّب اشاره کرد که سالانه خسارات مالی و جانی بسیاری به بار می آورند. برای پیش بینی و مقابله با آثار زیانبار این پدیده ها، علاوه بر روش های همدیدی معمول، بررسی ساختار ترمودینامیکی جو در لایه های مختلف و تحلیل شاخص های ناپایداری ضروری است. در پیش بینی های عملی هواشناسی، شاخص های بسیاری برای ارزیابی پایداری اتمسفر و پیش بینی ناپایداری به کار می رود. تلاش های کمی برای بررسی این شاخص ها در ایران انجام شده و برای کالیبره کردن و معرفی آستانه ها، کاری انجام نشده است. در این مطالعه، سعی شده جمع بندی کاملی از حدود و آستانهٔ شاخص های ناپایداری برای پیش بینی انواع پدیده های مخرّب تهیه شود. بدین منظور، دقت مجموعه ای از پارامترها و شاخص ها، به طور ویژه برای مشهد محاسبه و بررسی شده است که عبارت اند از: شاخص شوالتر، شاخص مجموع مجموع ها و فشار سطح تعادل، آب قابل بارش، عدد ریچاردسون، شاخص صعود LI، شاخص K، SWEAT، CAPE و CIN. پدیده های آب و هوایی مخرّبی که در طی سال های 1980 تا 2009 در ایستگاه مشهد رخ داده، استخراج و در سه دسته برق، توفان تندری، تگرگ، دسته بندی و استفاده شده اند. روزهایی که این معیارها را نداشته اند، در دسته ای به نام بدون ناپایداری قرار گرفته اند. برای محاسبه مقادیر شاخص ها، از داده های جو بالای حاصل از ارسال رادیوسوند در ایستگاه مشهد استفاده شده است. این داده ها نسبت به وجود یا عدم پدیده های مخرّب تحلیل، و نتایج این تحلیل ها بصورت نمودارهای باکس پلات و نقاط پراکنده برای نمایش بصری روابط و آستانه ها، در پدیده های مختلف ارائه شده است. درنهایت آستانه هر شاخص برای پیش بینی انواع پدیده ها در مشهد معرفی شده، و ترکیب شاخص صعود (LI) و انرژی پتانسیل در دسترس همرفتی (CAPE) و همچنین شاخص صعود و سطح تعادل، به عنوان بهترین شاخص های ترکیبی معرفی شدند.