علی محمد خورشیددوست

  استان بلوچستان در کشور پاکستان اغلب به دلیل بارندگی کم در معرض خشکسالی های شدید قرار دارد. چندین نوع محرک آب وهوایی بزرگ مقیاس (LSCD) به دلیل تأثیرشان بر بارندگی در سراسر جهان شناخته شده اند، اما در منطقه بلوچستان مطالعاتی در این زمینه وجود ندارد. این مطالعه با هدف شناسایی LSCDهای معنا دار در بلوچستان و بهبود مهارت پیش بینی بارش ماهانه با استفاده از تجزیه و تحلیل مؤلفه اصلی (PCA)، شبکه عصبی مصنوعی (ANN)، شبکه عصبی منظم شده بیزین (BRNN) و تحلیل رگرسیون چندگانه (MRA) انجام شد. LSCDهای 12ماهه مانند Nino-1+2، Nino-3، Nino-3.4، Nino-4، QBO در 30 و 50 هکتوپاسکال (QBOI و QBOII)، دمای سطح دریا (SST)، دمای هوا (T2M)، ارتفاعات ژئوپتانسیل 500 و 850 هکتوپاسکال، سرعت مداری (500U) و نصف النهاری (V500 وV 850)، شار گرمای نهان و محسوس (LHFOL و SHFOL) و رطوبت ویژه در سطح (SSH) بررسی شدند. همچنین از مجموعه داده های سیستم جهانی جمع آوری داده های زمین (GLDAS)، اندازه گیری بارندگی استوایی (TRMM)، MERRA-2، NOAA و HadISST استفاده شد. نتایج نشان داد LSCDهای معنا دار در سطح اطمینان 99% شامل SSH، SST، LHFOL، SHFOL، T2M، U500، Nino-3.4 و Nino-4 بودند. در طول دوره آزمون، در مقایسه با مدل های MR با ضریب همبستگی 0.15 تا 0.49 و مؤلفه های اصلی با ضریب همبستگی 0.16- تا 0.43، مدل های ANN و BRNN به ترتیب مهارت های پیش بینی بهتری با ضرایب همبستگی 0.40 تا 0.74 و 0.34 تا 0.70 داشتند. نتایج بیانگر توان مدل های ANN و BRNN در پیش بینی بارش ماهانه بلوچستان با استفاده از LSCDهای دارای تأخیر است.

به منظور بررسی ماهیت ساختاری توفان حاره ای آشوبا در محدوده دریای عرب در تاریخ 7 ژوئن تا 12 ژوئن 2015 از آمار و اطلاعات دپارتمان هواشناسی هند و مرکز مشترک اخطار توفان (JTWC) استفاده شد. برای بررسی ساختار جوی از داده های رقومی باز تحلیل شده مرکز       پیش بینی های میان مدت اروپا و مرکز پیش بینی های محیطی/علوم جو (NCEP/NCAR) برای محدود دریای عرب و فراتر از دریای عرب اخذ گردید. نتایج حاصل از بررسی ها نشان داد در تراز میانی جو ضمن تشکیل هسته کم ارتفاعی با چرخندگی مثبت بسیار قوی، شرایط برای تولید توفان حاره ای در منطقه فراهم آمده است. از طرفی در سطح زمین نیز کم فشاری در جنوب شرق دریای عرب با فشار مرکزی 995 هکتوپاسکال تشکیل و با حرکت غرب سوی خود به سمت سواحل عمان و شمال یمن شروع به حرکت کرده است. ایجاد جریان همگرایی بسیار قوی در سطح و واگرایی فوقانی سبب شده تا در روز 9 ژوئن این توفان به حداکثر قدرت خود در منطقه برسد. این در حالی است که وضعیت ناهنجاری دمای سطح آب در محدوده ای که توفان به حداکثر شدت خود رسیده به بیش از 5 درجه سانتی گراد می رسد. افزایش دمای سطح آب و انتقال گرما و رطوبت به داخل توفان، سبب تقویت و به طبع آن ریزش های جوی سنگینی در منطقه شده است. درنهایت این توفان در روز 12 ژوئن با نزدیک شدن به ساحل شرقی عمان به دلیل نبود رطوبت برای حرکات دینامیکی خود شروع به اضمحلال کرده و از توفان حاره ای به آشفتگی حاره ای تغییر یافت.

دماهای فرین امروزه از مهم ترین پارامترهای ا قلیمی است که برای اثبات تغییر اقلیم در یک منطقه روند آن را طی سال های گذشته مورد ارزیابی قرار می دهند. تحلیل روند سری های زمانی شاخص های حدی دما سبب شناخت بهتر رفتار گذشته و حال تغییرات اقلیمی می شود. پژوهش های انجام شده در جهان نیز به طور عمده نشانگر افزایش تدریجی میانگین دما است. در این تحقیق به منظور شناسایی نوسانات اقلیمی پارامترهای دمای حداقل و روزهای یخبندان از مشاهدات ایستگاه سینوپتیک خرم آباد در دوره آماری 2013 – 1984 استفاده شده است. هدف از این مطالعه در ابتدا آشکارسازی روند دمای حداقل به صورت ماهانه بوده است. از طرف دیگر برای تحلیل روند، سری های زمانی فصلی انتخاب گردید. روش های به کار رفته در این پژوهش برای تحلیل روند دمای حداقل استفاده از آزمون همگنی نرمال استاندارد مطلق ( SNHT ) بود. برای ترسیم نمودارهای تحلیل روند از آزمون آماری من - کندال استفاده شده است. نتایج به دست آمده از روش های آماری استفاده شده در این پژوهش نشان داد که  سری های دما فاقد ناهمگنی معنی دار بودند و فراداده ایستگاه این همگنی را تایید می کند. بیش ترین و کم ترین تغییرات دمای حداقل به ترتیب در فصل زمستان و پاییز رخ داده است. آماره T من - کندال برای دوره زمانی مورد مطالعه نشان از افزایش معنی داری دمای حداقل در بیشتر ماه ها داشته است. ولی روند دما در فصل پاییز دارای معنی داری کمتری نسبت به دیگر فصول مطالعه شده می باشد. بر همین اساس با مطالعه روند روزهای یخبندان در طول دوره آماری مورد مطالعه در فصل زمستان نتایج نشان داد که از شدت یخبندان کاسته شده است.

آلودگی هوا از جمله موضوعات مهم در آب وهوای شهری است و به لحاظ این که تاثیر مستقیمی در انسان دارد، همواره مورد توجه محققان بوده است. این پژوهش با هدف تحلیل و خوشه بندی الگوهای همدیدی موثربرآلودگی های خطرناک PM10شهر تبریزانجام شده است. نخست داده های آلودگی PM10 بر حسب میکروگرم بر متر مکعب از سازمان حفاظت محیط زیست استان آذر بایجان شرقی برای پنج ایستگاه باغشمال، راه آهن، راسته کوچه، آبرسان و حکیم نظامی برای دوره 8 ساله(2005-2012) استخراج گردید. آستانه آلودگی خطرناک PM10 420 میکروگرم بر متر مکعب انتخاب گردید. داده های فشار متناظر با روزهای آلوده ازپایگاه داده های جوی مرکز پیش یابی اقلیم، وابسته به سازمان ملی جو واقیانوس شناسی ایالات متحده آمریکا NCEP/NCAR استخراج گردید. به منظور استخراج روزهای خطرناک آلودگی PM10روش تحلیل خوشه ای با یک رویکرد محیطی به گردشی و برای طبقه بندی نقشه های تراز دریا و استخراج الگوهای روزهای نماینده باآستانه 5/0، روش همبستگی لوند مورداستفاده قرارگرفت. با استفاده ازتحلیل خوشه ای با محاسبه ی فواصل اقلیدسی و پیوند آن به روش «وارد» در محیط نرم افزار متلب سه الگوی فشاری به دست آمد و برای هرخوشه یک روز به عنوان روز نماینده مشخص گردید. جهت تحلیل همدید آلودگی های خطرناک PM10، داده های فشار سطح دریا، ارتفاع ژئوپتانسیل و مولفه های نصف النهاری و مداری باد در ترازهای 1000 و 500 هکتوپاسکال مورد استفاده قرار گرفت. نتایج حاصل نشان می دهد که آلودگی های خطرناک تبریز از سه الگوی اصلی ، پرفشار عربستان، پرفشار شرق اروپا و الگوی دو هسته ای ، پرفشار خاورمیانه (آزور) و سیبری تاثیر می پذیرند. از میان سه الگوی استخراج شده االگوی پرفشار سیبری و پرفشار شرق اروپا یشترین تاثیر را بر روی آلودگی های خطرناک PM10 تبریز دارد.

پیش بینی تغییرات دماهای کمینه برای اطلاع از میزان تغییرات آن در آینده و در نظر گرفتن تمهیدات لازم، برای تعدیل اثرات سوء ناشی از تغییرات آب و هوایی بر محصولات کشاورزی از اهیمت زیادی برخوردار است. در این راستا مدل های گردش عمومی جو (GCM) طراحی شده اند که می توانند پارامترهای اقلیمی را شبیه سازی نمایند. در مطالعه حاضر داده های خروجی دو مدل گردش عمومیHadCM3 و MPEH5 براساس دو سناریوی A2 و B1، توسط مدل آماری LARS-WG در 21 ایستگاه سینوپتیک واقع در شمال غرب کشور ریزمقیاس گردانی شد و نتایج حاصل از آن بصورت ماهانه و دوره ای در دوره پایه (2010-1980) و دهه 2050 (2065-2046) برای دمای کمینه مورد ارزیابی و تجزیه و تحلیل قرار گرفت. در ارزیابی مدل LARS-WG به بررسی میزان خطای داده های مشاهداتی و شبیه سازی با استفاده از شاخص های MSE، RMSE، MAE و همچنین ضریب تعیین (R2) پرداخته شد و مدل برای منطقه مناسب ارزیابی گردید. نتایج نشان داد که مقدار دمای کمینه در دوره آینده نسبت به دوره پایه در منطقه شمال غرب افزایش خواهد یافت. این مقدار افزایش دمای هوا در سطح منطقه مورد مطالعه بر اساس مدل های HadCM3 و MPEH5 به طور متوسط، 9/1 و 7/1 درجه سانتی گراد تا افق 2065 نسبت به دوره پایه خواهد بود. نیمه شمالی منطقه شمال غرب ایران از تغییرات دمایی بالاتری نسبت به مناطق نیمه جنوبی برخوردار خواهد بود. در واقع مناطق سردسیرتر عرض های بالا، با تغییرات افزایشی بیشتری در مقدار دماهای کمینه مواجه خواهند شد. نتایج و دستاوردهای این تحقیق برای برنامه های بلند مدت در جهت اقدامات سازگارانه در مدیریت باغهای میوه، تولیدات کشاورزی و مدیریت منابع آبی حائز اهمیت است.

امروزه با توجه به رشد روزافزون جمعیت، جابه جایی آن و قرار گرفتن تعداد بیشتری از جمعیت در معرض انواع بلایا، ضرورت شناسایی مخاطرات بالقوه محیطی و تعیین پهنه های مخاطره آمیز در مناطق مختلف بیش ازپیش احساس می شود. با شناخت و ارزیابی مخاطرات هر منطقه قبل از وقوع آنها می توان به طور قابل توجهی از میزان خسارت ها کاسته و به توسعه پایدار منطقه ای دست یافت. بر همین اساس در پژوهش حاضر به تحلیل مخاطرات بالقوه محیطی در بخش سیلوانا شهرستان ارومیه با تأکید بر سه مخاطره سیلاب، زمین لغزش و زمین لرزه پرداخته شده است. منطقه مذکور به دلیل شرایط خاص جغرافیایی همچون موقعیت، تنوع ساختارهای توپوگرافی و اکولوژیکی، جمعیت متراکم و به طورکلی وجود عوامل زمینه ساز مخاطرات محیطی از استعداد بالایی برای وقوع مخاطرات محیطی برخوردار می باشد. جهت انجام تجزیه وتحلیل های موردنظر از روش تحلیل شبکه ( ANP ) و روش های فازی استفاده شده است و بدین منظور با بررسی عوامل مختلفی همچون توپوگرافی، اقلیم، زمین شناسی، هیدرولوژی، انسانی، تاریخی 12 عنصر شامل بارش، شیب، جهت شیب، لیتولوژی، نوع خاک، فاصله از گسل، تراکم آبراهه، سطح آبهای زیرزمینی، کاربری اراضی، فاصله از جاده، تراکم لغزش ها و لرزه خیزی به عنوان معیارهای موردمطالعه تعیین شده است. نتایج تحلیل شبکه حاکی از این است که که عناصر شیب، بارش، لیتولوژی و فاصله از گسل به ترتیب دارای بیشترین اهمیت بوده اند. تلفیق معیارها نیز نشان می دهد که قسمت های عمده ای در شمال غرب، غرب و جنوب منطقه در نواحی بسیار مخاطره آمیز واقع شده اند و 59 درصد از مجموع وسعت منطقه جزو مناطق پرخطر محسوب می شود. مطابق تحلیل خطرپذیری جمعیتی، 61 درصد از کل جمعیت منطقه در معرض حداقل یک مخاطره، 7 درصد در معرض دو مخاطره و 8 درصد جمعیت نیز در معرض سه مخاطره واقع شده اند و این به معنای خطرپذیری محیطی زیاد بخش سیلوانا است.

تامین منابع آب توسط برف در حوضه های کوهستانی بعلت خاصیت تاخیر در ایجاد رواناب، ضروری است. بنابراین شبیه سازی رواناب ناشی از ذوب برف و تغییرات فصلی پوشش آن در مدیریت منابع آب بسیار اهمیت دارد. در این مطالعه، به منظور برآورد رواناب حاصل از ذوب برف در حوضه قره سو از زیرحوضه های سیمره، نخست سطح پوشش برف برای سال های آبی 95 الی 97 با استفاده از تصاویر روزانه ماهواره ترا- مودیس با تفکیک مکانی 1 کیلومتر از طریق سامانه گوگل ارث انجین استخراج شد. سپس در محیط نرم افزارGIS ، مشخصات فیزیوگرافی حوضه به دست آمد. در مرحله بعد، با واردکردن داده های پوشش برف، متغیرهای هواشناختی و شاخص های لازم به مدلSRM ، رواناب ناشی از ذوب برف شبیه سازی شد. در این شبیه سازی سال 95-96 برای واسنجی و سال 96-97 جهت اعتبارسنجی مدل در نظر گرفته شد. نتایج نشان داد که، سهم جریان رودخانه از ذوب برف در ماه های اسفند و فروردین ماه چشمگیر است، ولی با افزایش درجه حرارت هوا در اردیبهشت ماه، سهم باران در جریان پررنگ تر می شود. همچنین نتایج شبیه سازی بیانگر دقت بالای این مدل می باشد، به طوری که ضریب تعیین (R2) برای سال های آبی 95-96 الی 96-97 به ترتیب معادل 93/0 و 9/0 و درصد خطای حجمی آن نیز به ترتیب (DV) 3/0 و 33/3 به دست آمد.

دو پارامتر مهمی که در اقلیم هر منطقه بلاواسطه تاثیرگذار می باشند، دما و بارش می باشند که تغییرات آن ها در زمینه های مختلف از جمله کشاورزی، انرژی، گردشگری و ... تاثیرگذار است. هدف این مطالعه بررسی تغییرات دما و بارش در سه ایستگاه منتخب و شاخص حوضه آبریز سیمره می باشد. برای این منظور از مدل ها و سناریوهای گردش عمومی جو از سری مدل های CMIP5 تحت دو سناریوی RCP45 و RCP85 که با مدل آماری LARS-WG ریزمقیاس شدند، استفاده شد. سپس برای بررسی عدم قطعیت مدل ها و سناریوها، از طریق مقایسه خروجی مدل ها در دوره آتی (2040-2021)، با دوره پایه (2010-1980)، به صورت ماهیانه توسط شاخص های آماری ضریب تعیین (R2) و خطای جذر میانگین مربعات (RMSE)، بهترین مدل و سناریو برای تولید داده های دما و بارش دوره آتی انتخاب شد. در نتیجه برای تولید پارامتر دمای حداقل و حداکثر از مدل HADGEM-2 تحت سناریوی PRC4.5 و برای تولید پارامتر بارش از همان مدل تحت سناریوی PRC 8.5 استفاده شد. نتایج این مطالعه نشان داد که بارش دوره آتی به طور متوسط در سطح حوضه حدود 5/4 % کاهش خواهد یافت در حالی که دمای حداقل 5/1 درجه سانتیگراد و دمای حداکثر 17/2 درجه سانتیگراد افزایش خواهد یافت که بیشترین افزایش مربوط به ما ه های گرم سال می باشد. نکته قابل توجه بر هم خوردن توزیع زمانی بارش و افزایش دما است که احتمالاً بیشتر از کاهش بارش تبعات منفی خواهد داشت.

یش بینی تعداد افراد مراجعه کننده به بیمارستان ها در ارتباط با پارامترهای اقلیمی از موضوعات قابل بحت و تأمل است که با تغییرات اقلیمی و گسترش شهرنشینی و آلودگی هوا در دهه های اخیر دامن گیر بسیاری از جوامع بشری شده است. استفاده از مدل های پیش بینی می تواند بعنوان ابزاری کارآمد در مدیریت و کنترل بیماری ها، کاهش مرگ و میر و برنامه ریزی ها مورد توجه قرار گیرد که در این پژوهش دو مدل شبکه عصبی مصنوعی و رگرسیون لوجستیک (لاجیت) به عنوان ابزاری کارآمد در پیش بینی فرآیندهای غیرخطی و پیچیده جهت پیش بینی میزان مراجعه کنندگان بیماری آسم در شهر سنندج در ارتباط با پارامترهای اقلیمی مورد بررسی قرار گرفت. داده های مورد بررسی در بازه زمانی 8 ساله (2008-2001) از ایستگاه هواشناسی سینوپتیک سنندج و بیمارستان های توحید و بعثت در سطح شهر سنندج اخذ گردید. سپس، پارامترهای اقلیمی به عنوان ورودی و میزان مراجعه کنندگان بیماری آسم بعنوان خروجی مدل ها در نظر گرفته شدند. نتایج حاصل از بررسی نشان داد که مدل شبکه عصبی با ورود پارامترهای متوسط فشار QFE و میانگین های حداقل و حداکثر دمای ماهانه و همچنین میانگین دمای ماهانه با دقت قابل قبولی میزان مراجعه کنندگان بیماری آسم را پیش بینی می کند به طوری که ضریب همبستگی داده های واقعی و پیش بینی شده برابر با 99/0 است که در سطح 01/0 معنی دار هستند. پارامترهای ورودی در روش لاجیت نیز نشان می دهد که میزان مراجعه کنندگان بیماری آسم از پارامترهای میانگین حداقل دما، متوسط فشار QFF و متوسط سرعت باد (نات) تأثیر می پذیرند. نسبت لگاریتمی هر کدام از پارامترهای فوق بر روی تعداد مراجعه کننده به ترتیب با ضریب بتای 517/0-، 734/0- و 977/0- معنی دارند و از میان پارامترهای اقلیمی نیز عنصر باد به مراتب بیشتر از سایر پارامترها بر روی میزان تعداد افراد مراجعه کننده به بیمارستان تأثیر گذار است. در مجموع از بین دو مدل غیرخطی مورد بررسی، مدل شبکه عصبی مصنوعی، قابلیت و دقت بیشتری را نسبت به مدل لاجیت نشان داد.

دامنه بادپناه کوهستان های میان مقیاس و بزرگ مقیاس مکان های مناسبی برای چرخندزایی بادپناه محسوب می شوند. این پژوهش با توجه به هندسه، جهت گیری و موقعیت کوهستان زاگرس، جهت بررسی گونه ای از چرخندزایی در بادپناه آن انجام گرفته است. بدین منظور از متغیرهای دما، ارتفاع ژئوپتانسیل، سرعت باد در راستای مداری و نصف النهاری، تاوایی پتانسیل و رطوبت ویژه نگاشته شده در مرکز ECMWFاستفاده شد. بررسی ها نشان داد که وجود یک چرخند اولیه در پیش باد زاگرس برای ایجاد چرخندزایی در بادپناه آن ضرورت دارد. در این خصوص مشخص شد که چرخندهای اولیه با احتساب به جریان های شمال غربی و جنوب غربی تراز میانه جو، در دو شرایط همدید متفاوت به زاگرس نزدیک شده و در فرایند چرخندزایی بادپناهی دخالت می کنند. به عبارتی بر حسب عرض جغرافیایی چرخند اولیه و چگونگی آرایش پشته ناوه تراز 500 هکتوپاسکال، مسیر چرخندهای نزدیک شونده به زاگرس متفاوت هستند. در نهایت نتایج نشان دادند که چنین چرخندزایی در زاگرس براساس تئوری تعدیل اروگرافیکی کژفشاری ناپایدار قابل تبیین است.

در این پژوهش به بررسی چشم انداز تغییرات دما و بارش در ایستگاه های سینوپتیک منتخب در غرب کشور پرداخته شد. بدین منظور از داده های مدل جهانی CanESM2 تحت سناریوی واداشت تایشی (RCP 2.6، RCP 4.5 و RCP 8.5) و مدل ریزمقیاس گردانی آماری SDSM بهره گرفته شد و تغییرات ماهانه و بلندمدت آن در دو دوره زمانی مختلف (2065-2046 و 2099-2080) نسبت به دوره پایه (2005-1961) مورد بررسی قرار گرفت. جهت اطمینان از کالیبراسیون و صحت سنجی مدل SDSM از معیارهای MAE، MSE، RMSE، R2 و نمودارهای مقایسه ای استفاده شد.نتایج حاصل از چشم انداز مدل نشان داد که در دوره 2065-2046 میزان بارش در بیشتر ایستگاه ها (به جز سرپل ذهاب) و بیشتر ماه های سال نسبت به دوره پایه کاهش می یابد. ولی در دوره (2099-2080) در همه ایستگاه ها، میزان بارش نسبت به دوره پایه کاهش پیدا خواهد کرد. از نظر دمای حداقل و حداکثر نیز در همه دوره ها و در هر دوره نسبت به دوره قبل میزان دما نسبت به دوره پایه افزایش خواهد یافت. بر اساس متوسط بلند مدت نیز انتظار می رود میزان بارش به میزان 6 درصد کاهش و دمای حداقل و حداکثر به ترتیب به میزان 2 و 9/1 سلسیوس نسبت به دوره پایه افزایش یابد.

به منظور دست یابی به تغییرات فصلی بارش از روش های نوین آمار فضایی مانند خودهمبستگی فضایی موران جهانی، تابع K رایپلی، شاخص انسلین محلی موران، و لکه های داغ با استفاده از قابلیت های نرم افزارهای و بهره گرفته شد. نتایج حاصل از این مطالعه نشان داد که تغییرات بارش در ایران دارای الگوی خوشه ای بالا می باشد. در این بین بر اساس شاخص محلی موران و لکه های داغ، بارش در کرانه های ساحلی دریای خزر و بخش های غرب و جنوب غرب کشور (عمدتاً زاگرس) دارای خودهمبستگی فضایی مثبت و بخش هایی از نواحی مرکزی و همچنین بخش هایی از جنوب شرق کشور و نواحی مرکزی دارای خودهمبستگی فضایی منفی بوده است. در سایر مناطق کشور (کمتر از یک چهارم مساحت کل کشور) بارش هیچ گونه الگوی معناداری یا خودهمبستگی فضایی نداشته است. بروندادهای آماره های مورد مطالعه بیانگر این امر بوده است الگوهای پربارش در مناطق جنوبی در حال عقب نشینی بوده و تنها به کانون های عمده در زاگرس و کرانه های دریای خزر در حال محدود شدن می باشد.

تغییرات اقلیمی مهم ترین معضل کره زمین در قرن حاضر است بنابراین ارزیابی و پیش بینی این تغییرات در آینده به دلیل اثرات سوء تغییرات اقلیمی بر منابع آبی و محیط طبیعی و همچنین اثرات زیست محیطی، اقتصادی و اجتماعی از اهمیت ویژه ای برخوردار است . لذا در این پژوهش به پیش بینی پارامترهای دمای حداقل، دمای حداکثر، بارش و تابش به عنوان پارامترهای مهم اقلیمی به صورت روزانه تحت سناریوهای A1B ، A2 و B1 با کاربست مدل گردش عمومی جو HadCM3 در دو دوره زمانی مختلف (2065-2046 و 2099-2080) و مقایسه آن نسبت به دوره پایه (2005-1961) از طریق مدل ریزمقیاس گردانی آماری LARS-WG در 6 ایستگاه های سینوپتیک منتخب در غرب کشور در سطح سه استان کردستان، کرمانشاه و همدان پرداخته شد. در ارزیابی مدل LARS-WG به بررسی میزان خطای داده های مشاهداتی و شبیه سازی با استفاده از معیارهای MAE ، MSE ، RMSE و R 2 پرداخته شد و با توجه به نتایج حاصل، مدل برای منطقه مورد مطالعه مناسب ارزیابی گردید. نتایج کلی حاصل از بررسی برای دوره های آینده حاکی از کاهش 7/7 درصدی بارش، افزایش 4/3 درجه سلسیوس دمای حداقل و 3/3 درجه سلسیوس دمای حداکثر به طور متوسط بلندمدت در سطح منطقه مطالعاتی نسبت به دوره پایه می باشد. همچنین بر اساس نتایج حاصل میزان تابش نیز افزایش خواهد یافت که این افزایش به طور متوسط بلندمدت در سطح منطقه برابر 38/0 میلی ژول بر مترمربع در روز است. نتایج حاصل از این پژوهش می تواند کمک فراوانی به حل چالش های مدیران و برنامه ریزان منابع آب در دوره های آتی نماید.

در این تحقیق، به بررسی الگوهای سینوپتیکی حاکم بر وارونگی دمای شهر تبریز با استفاده از اطلاعات رادیوسوند، طی دوره زمانی 2010-2001 پرداخته شد. برای شناسایی و استخراج الگوهای همدید، از داده های رقومی فشار تراز دریا به صورت میانگین روزانه از سری داده های بازکاوی شده NCEP/NCAR در محدوده 10 تا 60 درجه طول شرقی و 10 تا 90 درجه عرض شمالی در 651 یاخته 2.5 × 2.5 درجه استفاده گردید. با انجام تحلیل مؤلفه های مبنا بر روی داده های فشار تراز دریا در روزهای همراه با وارونگی دما، حجم آنها را کاهش داده و با انجام تحلیل خوشه ای بر روی مؤلفه های به دست آمده، مهم ترین الگوهای جوی شناسایی شدند و نقشه هر الگو به دست آمد. بر اساس نتایج چهار الگوی همدید اصلی در ایجاد وارونگی دما در شهرستان تبریز مؤثرند. در بیشتر الگوها، سامانه های پرفشار حاکم بوده است. در این الگوها هوای سرد به سبب حضور سامانه های پرفشار در سطح زمین به روی منطقه گسترش یافته، با استقرار سمت چپ یک ناوه عمیق بر روی منطقه؛ هوای سرد پشت آن از عرض های بالاتر بر روی تبریز فرارفت شده و پایداری شدیدی در ستون قائم جو ایجاد شده است. در الگوهایی که کم فشار شمالی به همراه پرفشار مهاجر اروپا عامل فرافت هوای سرد به روی منطقه بوده است، هوای گرم عرض های پایین تر با استیلای یک پشته عمیق به روی منطقه بر روی هوای سرد سطح زمین قرار گرفته؛ به این ترتیب بر شدت پایداری هوای مجاور سطح زمین افزوده شده و وارونگی های شدید دمایی شکل گرفته است.

خشک شدن دریاچه ارومیه اثرات زیست محیطی فراوانی بر شهرستان های اطراف این دریاچه گذاشته است. در این پژوهش تلاش شده است تا پوشش های گیاهی سازگار با محیط محدوده مورد مطالعه شناسایی شود و پس از آن با استفاده از مدل های تصمیم گیری چند معیاره مناطق مستعد کشت این محصولات شناسایی گردد. در پژوهش حاضر پس از مطالعه گونه های موجود در منطقه گونه کلزا به عنوان گیاه مناسب شوری پسند انتخاب شد. در ابتدا با استفاده از تصاویر لندست 5 و 8 تغییرات ایجاد شده در نوع کاربری ها و پوشش گیاهی منطقه از سال 2000 تا 2016 مورد بررسی قرار گرفت و پس از محاسبه میزان تغییرات کاربری ها اقدام به پتانسل یابی گیاه شوری پسند مورد نظر گردید. برای برآورد قابلیت کشت کلزا از روش ANP Fuzzy استفاده شده است. معیارهای اصلی استفاده شده در این تحقیق عبارتند از توپوگرافی، خاک و هواشناسی هستند. و زیر معیارها شامل ارتفاع، شیب و جهت شیب برای معیار توپوگرافی، بافت خاک، شوری خاک، PH خاک و مواد آلی خاک برای معیار خاک و زیر معیارهای مجموع بارش سالانه، رطوبت نسبی، متوسط دمای سالانه، حداکثر دمای سالانه و حداقل دمای سالانه برای معیار هواشناسی می باشند . نتایج نشان دهنده کاهش 25.43 درصدی میزان آب و افزایش 21.03 درصدی شوره زارها طی سال های 2000 تا 2016 می باشد، نتایج شناسایی مناطق مستعد کشت گیاه شوری پسند 28/14 درصد محدوده مورد مطالعه را مناسب برای کشت کلزا مشخص کرده است.

به سبب تأثیر متقابل عناصر هواشناختی در محاسبه قدرت تبخیر جو، تخمین آن یک کار پیچیده و غیر خطی است. لذا برای تخمین آن باید از مدل های پیشرفته ریاضی استفاده نمود. در این مطالعه جهت برآورد قدرت تبخیر جو در سطح ایستگاه تبریز از شبکه های عصبی مصنوعی بر پایه دو الگوریتم آموزشی لونبرگ مارکوئت و الگوریتم ژنتیک، رگرسیون خطی چند متغیره و معادله پنمن فائو استفاده شده است. بر این اساس در مدل شبکه عصبی با اتخاذ یک و دو لایه پنهان و دو تابع فعال سازی تان سیگمویید و لوگ سیگمویید، 56 مدل شبکه عصبی تولید شد. ارزیابی و مقایسه نتایج این مدل ها براساس معیارهای چون ضریب تعیین و مجذور میانگین مربعات خطا نشان داد که دقت مدل ها بستگی به نوع تابع محرک، نوع الگوریتم آموزشی، تعداد لایه های پنهان و تعداد نرون های اتخاذ شده دارد. از سوی نتایج نشان داد که در مدل های تک لایه، دقت وزن دهی الگوریتم ژنتیک برای هر دو تابع فعال ساز بیش از الگوریتم لونبرگ مارکوئت است. از سویی در مدل های با دو لایه پنهان دقت وزن دهی الگوریتم آموزشی لونبرگ مارکوئت بیش از الگوریتم ژنتیک بوده؛ به طوری که دقیق ترین مدل شبکه با آرایش 5-7-7-1 با مجذور میانگین مربعات خطای 227/0 میلی متر بر اساس الگوریتم آموزشی لونبرگ مارکوئت و دو لایه پنهان و تابع فعال سازی تان سیگمویید تولید شده بود. همچنین مجذور میانگین مربعات خطای مدل رگرسیون خطی چند متغیره و معادله پنمن فائو به ترتیب به مقدار 79/0 و 34/1 بدست آمد. بنابراین مدل شبکه عصبی در قیاس با دو مدل مذکور دارای کارایی بهتر، ضریب دقت بیشتر و مقدار خطای کمتری جهت پیش بینی مقدار تبخیر ایستگاه تبریز است.

محدودیت ذخایر انرژی فسیلی در جهان و افزایش سطح مصرف انرژی، همواره بشر را برای جایگزین کردن منابع انرژی جدید به چالش کشیده است. در این بین، باد به عنوان یکی از مظاهر انرژی های نو از جایگاه ویژه ای برخوردار است. استان آذربایجان شرقی با توجه به وضعیت توپوگرافی و موقعیت نسبی خود یکی از مناسب ترین مکان ها برای احداث نیروگاه بادی می باشد. لذا در این پژوهش برای تعیین مکان های مناسب جهت احداث نیروگاه بادی در این استان، معیارها و زیر معیارهای مختلفی مد نظر قرار گرفت و با توجه به اهمیت تلفیق اطلاعات، فرایند تحلیل سلسله مراتبی (AHP) برای وزن دهی به لایه ها انتخاب و به کمک نرم افزار Expert choice پیاده سازی گردید. از نرم افزار Arc GIS، به منظور تحلیل فضایی و همپوشانی لایه ها استفاده شد و بعد از تجزیه و تحلیل اطلاعات، استان آذربایجان شرقی از نظر قابلیت احداث نیروگاه بادی به چهار سطح عالی، خوب، متوسط و ضعیف تقسیم گردید. در نهایت نتایج حاصله نشانگر آن است که سیستم اطلاعات جغرافیایی به عنوان یک سیستم حمایتی تصمیم گیری، می تواند هم در آماده سازی داده ها و هم در مدل کردن اولویت ها و نظرات کارشناسان در رابطه با عوامل مختلف بسیار کارامد باشد و طراحان را در انتخاب مکان مناسب جهت احداث نیروگاه بادی یاری کند. در این تحقیق، 15 منطقه، با در نظر گرفتن همپوشانی و انطباق نقشه های محدودیت، شرایط اقلیمی و نیز بازدید میدانی تعیین گردیدند که این مناطق به ترتیب، تبریز، سهند، اسکو، آذرشهر، بستان آباد، شبستر، جلفا، هریس، میانه، بناب، مراغه، سراب، اهر، چاراویماق و هشترود می باشند.

ازجمله چالش های مهم پیش روی منابع آب کشور، می توان به پدیده تغییر اقلیم و تأثیرات آن اشاره کرد. مدل های گردش عمومی ( GCM ) بهترین اطلاعات درباره پاسخ جو به افزایش تمرکز گازهای گلخانه ای را می تواند فراهم کنند. ازآنجاکه خروجی های این مدل دارای دقت زمانی و مکانی کافی برای مطالعات تأثیر تغییر اقلیم نیست، لازم است داده های خروجی مدل های گردش عمومی کوچک مقیاس گردند؛ که در این پژوهش از روش ریزمقیاس نمایی آماری SDSM و برای ارزیابی تغییرات اقلیمی از مدل CanEMS2 که در گزارش پنجم IPCC آمده تحت سه سناریوی RCP2 . 6 ، RCP4 . 5 و RCP8.5 استفاده شده است. از داده های روزانه دمای کمینه، بیشینه و بارش ایستگاه سینوپتیک شهرکرد (ناحیه اقلیمی کوهستانی سرد) و بندر انزلی (ناحیه اقلیمی خیلی مرطوب و معتدل) بهره گرفته و پارامترهای مذکور برای سه دوره زمانی 2040-2011، 2070-2041 و 2099-2071 پیش بینی شده است. نتایج تحقیق نشان می دهد که مدل SDSM دقت و کارایی بالایی در ناحیه اقلیمی خیلی مرطوب و معتدل (بندر انزلی) نسبت به ناحیه اقلیمی کوهستانی سرد (شهرکرد) دارد. بااین حال مدل توانایی قابل قبولی در شبیه سازی پارامترهای مذکور در هر دو ناحیه را دارد. طبق هر سه سناریو RCP دمای کمینه، بیشینه و بارش در هر دو ناحیه اقلیمی در هر سه دوره زمانی افزایش را تجربه خواهند کرد، ولی ناحیه اقلیمی کوهستانی سرد بیشتر تحت تأثیر پدیده تغییر اقلیم قرار خواهد گرفت.

مبسوط بیان مسئله: سرما و یخبندان از مهم ترین پارامترهای اقلیمی در زمینه اقلیم کشاورزی می باشد که آسیب های ناشی از آن ها، امکان تولید بسیاری از محصولات کشاورزی و باغی را در مناطق آسیب پذیر کاهش می دهد. سرما و یخبندان، یکی از مخاطرات اقلیمی است که همه ساله باعث ایجاد خسارت در فعالیت های مختلف می گردد. مهم ترین بخشی که آسیب جدی و بیشترین خسارت را از یخبندان می بیند، بخش کشاورزی است . سرما و یخبندان های شدید برای بسیاری از گیاهان زراعی و باغی نتایج زیان بار و نابود کننده ای را در پی دارد، به طوری که در برخی سال ها میلیاردها ریال خسارت به باغداران، زارعین و در نهایت منافع ملی کشور وارد می شود . با توجه به اینکه منطقه شمال غرب ایران هر ساله خسارات مالی زیادی را در اثر رخداد مخاطرات جوی بخصوص سرما و یخبندان متحمل می شود. شناسایی و پهنه بندی فضایی مناطق دارای پتانسیل بالای مخاطره سرما و یخبندان و پیش بینی زمان وقوع آن ها، می تواند اطلاعات مناسب و با ارزشی را در جهت پیشگیری و کاهش خسارات فراهم آورد که در این پژوهش با استفاده مدل جهانی HadCM3 تحت دو سناریوی A2 و B1 و مدل ریزمقیاس گردانی LARS-WG به این امر پرداخته می شود. روش تحقیق: بررسی زمان وقوع و پیش بینی تغییرات آن ها در آینده از اهمیت زیادی برخوردار است. بدین منظور مدل های گردش عمومی جو ( GCM ) طراحی شده اند که می توانند پارامترهای اقلیمی را در آینده شبیه سازی کنند. لذا در این پژوهش داده های خروجی مدل گردش عمومی HadCM3 تحت دو سناریوی انتشار A2 و B1 توسط مدل آماری LARS - WG در 21 ایستگاه سینوپتیک واقع در شمال غرب ایران ریز گردانی شد و نتایج حاصل از آن در دوره پایه (2010-1980) و دهه 2020 (2030-2011) برای دو متغیر اقلیمی دمای کمینه و دمای بیشینه مورد ارزیابی قرار گرفت. سپس تاریخ وقوع اولین و آخرین یخبندان و سرمای پاییزه و بهاره استخراج و تاریخ وقوع آن ها در آینده محاسبه شد. نتابج و بحث: بررسی میانگین ماهانه دمای حداقل ایستگاه های مورد مطالعه در دهه 2020 و دوره پایه نشان می دهد که میزان دما بر اساس هر دو سناریوی مورد بررسی و در همه ماه ها و در بیشتر ایستگاه های مطالعاتی نسبت به دوره پایه افزایش یافته است. بیشترین تغییرات دمای کمینه در منطقه مورد مطالعه بر اساس متوسط سناریوهای مورد بررسی در این دهه مربوط به ایستگاه های ابهر، اردبیل، خوی و ارومیه به میزان 8/0 درجه سلسیوس می باشد؛ در واقع دماهای کمینه ای که در این ایستگاه ها در دوره پایه اتفاق افتاده است در دوره آینده مشاهده نشده و روند گرمایشی از خود نشان داده است که میزان آن در دوره آتی در سطح منطقه مورد مطالعه در دهه 2020 بین 4/0 تا 8/0 نسبت به دوره پایه خواهد بود. نتایج حاصل نشان از افزایش در میانگین ماهانه حداقل و حداکثر دمای روزانه در دوره آتی تا حدود 8/0 درجه سلسیوس دارد. نتایج حاصل از بررسی اولین و آخرین یخبندان در دهه 2020 نشان می دهد که در سطح منطقه مورد مطالعه اولین یخبندان زودرس پاییزه بین 2 تا 9 روز دیرتر اتفاق می افتد که کمترین تغییرات در تاریخ شروع یخبندان ها نیز مربوط به دو ایستگاه قزوین و مشکین شهر هر کدام با 2 روز تغییر نسبت به دوره پایه می باشد. آخرین یخبندان دیررس بهاره نیز بین 3 تا 10 روز زودتر در سطح منطقه به پایان می رسد که با این وصف طول دوره یخبندان ها در تمامی ایستگاه های مورد مطالعه کاهش خواهد که یافت که بیشترین کاهش مربوط به ایستگاه خوی با 16 روز و سپس ایستگاه های ارومیه و اردبیل هر دو با 14 روز و کمترین کاهش مربوط به ایستگاه مشکین شهر به 6 روز می باشد. بر اساس نتایج حاصل تغییرات در تاریخ شروع یخبندان های زودرس کمتر از تغییرات نسبت به یخبندان های دیررس می باشد. بر این اساس بررسی وضعیت یخبندان ها و سرماها نیز در بیشتر ایستگاه های مورد بررسی نشان می دهد که اولین سرما و یخبندان های پاییزه در دوره آتی دیرتر از قبل آغاز شده و سرما و یخبندان های بهاره نیز زودتر به پایان می رسند. کمترین تغییرات مربوط به جنوب شرق منطقه مورد مطالعه و مناطق مشکین شهر و سراب و بیشترین تغییرات طول دوره یخبندان مربوط به مناطق خوی، ارومیه، تبریز و اهر می باشد با توجه به نتایج حاصل بیشتر مناطق مورد مطالعه به طور متوسط بین 10 تا 12 روز کاهش در طول دوره یخبندان را نسبت به دوره پایه تجربه خواهند کرد. نتیجه گیری: نتایج حاصل نشان از افزایش در میانگین ماهانه حداقل و حداکثر دمای روزانه در دوره آتی تا حدود 8/0 درجه سلسیوس دارد. بر این اساس بررسی وضعیت یخبندان ها و سرماها نیز در بیشتر ایستگاه های مورد بررسی نشان می دهد که اولین سرما و یخبندان های پاییزه در دوره آتی دیرتر از قبل آغاز شده و سرما و یخبندان های بهاره نیز زودتر به پایان می رسند. ه

دما و بارش از عناصر اساسی اقلیم است لذا تغییرات ناگهانی یا کوتاه مدت و درازمدت آن می تواند ساختار آب و هوای هر محل را دگرگون سازد. هدف از پژوهش حاضر پیش بینی روند شاخص های حدی اقلیمی با استفاده از روش های آماری ریز مقیاس نمایی و تولید داده های مصنوعی می باشد. در این تحقیق به منظور دست یابی به این اهداف، ابتدا داده های اقلیمی دما، بارش، ساعات آفتابی و ... طی دوره 1981 تا 2010 از سازمان هواشناسی اخذ گردید. سپس با استفاده از مدل آماری CLIMGEN و داده های مشاهداتی دما، بارش و... سه ایستگاه منتخب حوضه، داده های دوره 2050-2020 تولید شد. با استفاده از نرم افزار RClimDex شاخص های حدی دما و بارش شامل روزهای یخبندان، روزهای تابستانی، روزهای خیلی مرطوب و روزهای خشک متوالی استخراج گردید. در نهایت با استفاده از MINITAB و مدل سری های زمانی روند شاخص های اقلیمی در ایستگاه های منتخب حوضه دریاچه ارومیه ترسیم شد. برای صحت سنجی و ارزیابی مدل، توسط داده های مشاهداتی دوره 1981 تا 2000 به پیش بینی داده های دوره 2010-2001 بوسیله مدل پرداخته شد. سپس همبستگی و میزان خطای 1MAE و 2RMSE بین داده های تولید شده با داده های مشاهداتی توسط SPSS و EXCEL بدست آمد. بیش ترین میانگین خطای مطلق بارش در ایستگاه ارومیه با 69/4 میلیمتر و کم ترین آن در ایستگاه تبریز با 07/3 میلیمتر اندازه گیری شد. بیشترین میزان مجذور میانگین مربعات خطای بارش در ایستگاه تکاب با 4/6 میلیمتر و کم ترین آن در ایستگاه تبریز 01/4 میلیمتر بدست آمد. نتایج نشان دهنده افزایش رویدادهای حدی دما و بارش از جمله افزایش روند روزهای تابستان(روزهای گرم)، افزایش روزهای خیلی مرطوب(بارش سنگین) و روزهای خشک متوالی در ایستگاه های منتخب واقع در غرب و شرق حوضه می باشد؛ و افزایش روند روزهای یخبندان و کاهش روند روزهای تابستان، کاهش روزهای خیلی مرطوب و روزهای خشک متوالی در ایستگاه منتخب جنوب حوضه مشاهده می گردد.