ابراهیم فتاحی

"در تحقیق حاضر به منظور شناسایی و طبقه بندی توده های هوا در حوضه های جنوب غربی ایران از روش طبقه بندی همدیدی فضایی (SSC) استفاده شده است. روش طبقه بندی همدیدی فضایی توده های هوا را براساس منشا و تعدیل آنها در مسیر حرکت به شش گروه طبقه بندی می کند که شامل توده های هوای قطبی خشک (DP)، قطبی مرطوب (MP)، حاره ای خشک (DT)، معتدل خشک (DM)، معتدل مرطوب (MM) و حاره ای مرطوب (MT) می باشد. این نامگذاری برای شناسایی ویژگی توده های هوا طراحی شده است. برای تعیین ویژ گی توده های هوا و طبقه بندی آنها نیاز به روزهای نمونه (شاهد) می باشد. نحوه ی آرایش خطوط جریان نقشه های سطح زمین و 850 هکتوپاسکال معرف انتقال توده هوای ویژه ای به سوی منطقه مورد مطالعه می باشد. معیارهای اولیه انتخاب روزهای نمونه برای هر توده هوا در هر ایستگاه از طریق ارزیابی دقیق داده ها و نقشه های هواشناسی سطح زمین و تراز 850 هکتوپاسکال صورت گرفت و هر یک از روزهای نمونه انتخاب شده از منبع تا محدوده ی مورد مطالعه مسیریابی و ویژگی های آنها ارزیابی شد. روزهای نمونه انتخاب شده ویژگی های معرف یک توده هوا را مشخص می کنند. به منظور طبقه بندی توده های هوا، متغیرهای دما، دمای نقطه شبنم، فشار (QFF)، ابرناکی، سمت و سرعت باد ساعات 3، 9، 15 و 21 utc برای 10 ایستگاه سینوپتیک طی دوره آماری 99-1961 در محاسبات منظور شد. با استفاده از روش تحلیل عاملی متغیرهای وابسته به هم ادغام و ابعاد ماتریس ها کاهش داده شد. در این مطالعه به منظور شناسایی مولفه های معرف توده های هوا از ماتریس آرایه P استفاده گردید و برای طبقه بندی توده های هوا روش تحلیل ممیزی مناسب تشخیص داده شد، به طوری که ویژگی های معرف روزهای نمونه به عنوان ورودی برای تحلیل تابع متمایزکننده برای طبقه بندی توده های هوا به کار گرفته شد. بدین ترتیب با استفاده از روش طبقه بندی همدیدی فضایی؛ توده های هوای موثر بر حوضه های جنوب غربی کشور در فصل زمستان (دسامبر تا فوریه) شناسایی گردید. نتایج نشان داد شرایط اقلیمی و دوره های اقلیمی هر منطقه به وسیله تکرار و اثرات تجمعی توده های هوایی که از آن ناحیه عبور می کند، تعیین می گردد. "

سامانه سودانی، به کم فشارهای حرارتی اطلاق می گردد که محل تکوین آنها مناطق اطراف دریای سرخ بوده و خطوط کم فشار آنها جنوب دریای سرخ، سودان و اتیوپی را در بر گرفته و در ادامه مسیرشان از جنوب غرب ایران عبور کرده و سبب بارش های شدید می شوند. ویژگی مشترک همه این سامانه های بارانزا، کم فشارهای سطح زمین یا کم ارتفاع های سطوح بالاست. برای مطالعه دینامیکی و بررسی مکانیسم رخداد بارش های سیل آسای ناشی از سامانه سودانی در جنوب غرب ایران، از داده های JRA25 استفاده شد. داده ها برای 11 توفان انتخاب و کمیتهای دینامیکی تاوایی نسبی و مطلق، تاوایی پتانسیل، فرارفت تاوایی، همگرایی و واگرایی، سرعت قائم در سیستم ارتفاعی و کمیتهای ترمودینامیکی نم ویژه، همگرایی نم ویژه، دمای پتانسیل، دمای پتانسیل معادل و دمای پتانسیل تر، در محیط فورترن تعریف شدند. بررسی ها نشان می دهند که در توفان های منتخب، دو مرکز بیشینه تاوایی نسبی تراز میانی، یکی در شرق دریای مدیترانه و دیگری در غرب دریای سرخ، روی کشور سودان شکل گرفته اند. زبانه بیشینه مستقر بر روی دریای سرخ همراه با پیشروی شرق سوی ناوه، به صورت نوار باریکی به ایران کشیده شده و مقادیر تاوایی نسبی بتدریج در جنوب غرب ایران افزایش یافته است. بررسی کمیت های همگرایی و واگرایی هم انطباق زمانی و جابجایی این کمیت ها را در سطوح زیرین، با ناوه تراز میانی بخوبی آشکار می سازد. همراهی جریان باد با هسته های بیشینه نم ویژه مستقر در دریای سرخ، هم رطوبت لازم برای توفان ها را تامین نموده تا با فراهم بودن عوامل دینامیک و رطوبت لازم، بارش های فراگیر در منطقه نازل شوند.

"خشکسالی یک پدیده تکرار شونده در اقلیم های مختلف است و اثرات آن صرفا به نواحی خشک و نیمه خشک محدود نمی شود و می تواند در نواحی با بارش بالا و در هر فصل از سال رخ دهد. از جمله مهمترین مراحل پایش خشکسالی تعیین سنجه هایی به منظور تحلیل شدت، تداوم و فراوانی خشکسالی است. به منظور پایش خشکسالی و تحلیل خصوصیات آن در حوضه های جنوب غربی ایران از داده های مجموع بارندگی ماهانه ایستگاههای سینوپتیک منطقه طی دوره آماری 2000-1960 استفاده شد. در تحقیق حاضر با استفاده از سری های زمانی حاصل از شاخص بارش استاندارد شده (SPI) تداوم، شدت و فراوانی خشکسالی ها برای مقیاس های زمانی 3، 6، 12، 24 و 48 ماهه تعیین و منحنی های شدت، تداوم و دوره برگشت خشکسالی ها ترسیم شد. نتایج نشان داد زمانی که شاخص بارش استاندارد شده دارای توالی های منفی باشد، خشکسالی رخ می دهد و زمانی که مقادیر شاخص بارش استاندار شده 1- و یا کمتر شود، خشکسالی تشدید می شود؛ این مقیاس های زمانی، برخورد خشکسالی را نسبت به دسترسی منابع مختلف آب بازگو می نماید، بطوری که واکنش رطوبت خاک نسبت به وضعیت بارش کوتاه مدت است در حالی که پاسخ سطح آب های زیرزمینی و جریان رودخانه ها و ذخیره منابع آب نسبت به کمبود بارش، فرآیندی بلندمدت است."

خشک سالی یکی از پدیده های آب و هوایی و از جمله رخدادهای مصیبت باری است که هر ساله خسارت های زیادی را باعث می شود. یکی از راه های تعدیل خشک سالی، ارزیابی و پایش خشک سالی بر اساس شاخص هایی است که بتوان بر اساس آن میزان شدت و تداوم آن را در یک منطقه تعیین نمود. در مقاله حاضر روند خشک سالی (شدت، تداوم و سطح درگیر با خشک سالی) در استان چهارمحال و بختیاری با استفاده از شاخص بارش استاندارد شده برای بازه های زمانی 3، 6، 12، 24 و 48 ماهه مورد مطالعه قرار گرفته است. ویژگی این روش کمک می کند تا کمی از رخدادهای خشک سالی را در مکان ها و مقیاس های زمانی متفاوت مقایسه کنیم. به منظور پایش خشک سالی از اطلاعات بارندگی ماهانه ایستگاه های سینوپتیک و اقلیم شناسی استان طی دوره آماری 2001 - 1960 استفاده شد. با استفاده از نرم افزار کامپیوتری SPI محاسبات مربوط به شاخص بارش استاندارد شده انجام گرفت؛ نتایج بررسی ها نشان داد که فراوانی رخداد دوره های خشک کوتاه مدت (سه ماهه) در کلیه ایستگاه ها بیشتر از 80 مورد است، در حالی که فراوانی رخداد دوره های خشک بلندمدت در مقیاس های زمانی 12، 24 و 48 ماهه خیلی کمتر می باشد، همچنین تداوم دوره های خشک در بازه های زمانی 12، 24 و 48 ماهه نسبت به بازه های زمانی 3 و 6 .ماهه خیلی بیشتر است. بنابراین برای برگشت به حالت نرمال در مورد خشک سالی های هیدرولوژیکی (آب های زیرزمینی و سطحی) ماه ها زمان نیاز است در حالی که برای بـازه های کوتاه مدت3 و 6 ماهه (خشک سالی های کشاورزی و رطوبت خاک) بارش های روزانه می توانــــداوضاع را تعدیل کند تا به حالت نرمال برگشت نماید. این بازه های زمانی برخورد خشک سالی را نسبت به دست رسی منابع مختلف آب بازگو می نماید. واکنش رطوبت خاک نسبت به نابهنجاری بارش کوتاه مدت است در حالی که پاسخ آب های زیرزمینی، جریان رودخانه ها و ذخیره منابع آبی نسبت به کمبود بارش، فرآیندی بلند مدت است.

الگوهای مختلف گردش جوی شرایط آب و هوایی متفاوتی را باعث می شوند. تغییر در فراوانی وقوع الگوهای گردش جوی و تیپ های هوا منجر به تغییر الگوی بارش می شود. از این رو مطالعه و بررسی الگوهای گردش جوی می تواند به عنوان معیاری برای بررسی تغییرات الگوی بارش به کار گرفته شود. تغییرپذیری بارش یکی از مهمترین عوامل آب و هوایی است که سیستم های طبیعی و اقتصادی را کنترل می کند. این موضوع به ویژه در مناطقی نظیر ایران که در منطقه خشک و نیمه خشک واقع شده، چشمگیرتر است. در تحقیق حاضر رابطه فراوانی الگوهای هوا با شاخص ENSO مورد تحلیل قرار گرفته است. به منظور طبقه بندی الگوهای گردشی، داده های روزانه مربوط به تراز 500 هکتوپاسکال و فشار تراز دریا در فصل زمستان طی دوره آماری 1961-2003 از مرکز داده های NCEP تهیه گردید. برای طبقه بندی الگوهای هوای روزانه، از روش تحلیل عاملی و خوشه بندی استفاده شد و در نهایت هشت الگوی گردشی اصلی در فصل زمستان برای ایران شناسایی شد. به منظور شناسایی ارتباط بین فراوانی انواع الگوهای گردشی هوا با فازهای گرم، خنثی و سرد ENSO، داده های ماهانه شاخص فوق نیز از مجموعه داده های بازسازی شده NCEP استخراج گردید و فراوانی هر یک از الگوهای گردشی هوا طی فازهای گرم،‌ سرد و خنثی محاسبه شد. نتایج حاصل از این پردازش نشان داد که الگوهای هوای کم فشار مدیترانه، کم فشار جنب قطبی، پرفشار شرقی، پرفشار شمالی، پرفشار اروپای شرقی و تلفیق سامانه پرفشار سیبری با پرفشار اروپایی در فاز النینو از فراوانی بیشتری برخوردارند. در حالی که الگوهای هوای پرفشار سیبری و پرفشار مرکزی در دوره های لانینا بیشتر است.

بخش عظیمی از بارش ها در حوضه های جنوب غربی ایران به شکل برف است و آب حاصل از ذوب برف، نقش مهمی در ایجاد رواناب سطحی، تغذیه آب های زیر زمینی و ایجاد سیل را ایفا می کند. پوشش برف معرف میزان آب ذخیره شده در حوضه های کوهستانی است. بنابراین، پایش مکانی و زمانی سطح پوشش برف و آب معادل آن اهمیت بسیار بالایی در مدل های هیدرولوژی دارد. از طرفی، نوسانات سطح پوشش برف با سیگنال های بزرگ مقیاس اقلیمی در ارتباط است. در این مطالعه تغییرات سطح پوشش برف حوضه های جنوب غربی ایران در ارتباط با سیگنال های بزرگ مقیاس اقلیمی مورد بررسی قرار گرفت. در بررسی حاضر از داده های ماهانه شاخص نوسان جنوبی (SOI)، نوسان اطلس شمالی (NAO) و پدیده ENSO در مناطق NINO3.4، NINO3، NINO4 و NINO1+2 استفاده شد. همه داده های مربوط به سیگنال های فوق، از مرکز داده های آنالیز شده NCEP طی سال های 1986 تا 2007 دریافت گردید. به منظور برآورد سطح پوشش برف در منطقه مورد مطالعه، از داده های ماهواره NOAA سنجنده AVHRR برای روز های منتخب دوره سرد سال 1986 تا 2007 استفاده شد. برای تفکیک برف و ابر از روش آستانه گذاری در انعکاس باندهای 1 و 3 و محاسبه تابندگی و دمای درخشندگی باندهای حرارتی استفاده شد.در نهایت، با به کارگیری از روش شبکه عصبی مصنوعی، پیش آگاهی پوشش برف حوضه های جنوب غربی ایران برای بازه های زمانی همزمان، سه ماه و شش ماه محاسبه شد. نتایج تحقیق نشان داد که سیگنال های NAO ، SOI و تغییرات ناهنجاری SST در ناحیه NINO4 و NINO1+2 به عنوان مؤثرترین سیگنال بر تغییرات پوشش برفی حوضه های مورد مطالعه هستند و برای پیش آگاهی از وضعیت سطوح تحت پوشش برف سیگنال های فوق کاربرد دارند.

بخش عظیمی از بارش ها در مناطق کوهستانی حوضه های آبریز استان گلستان به صورت برف است. در نتیجه، آب حاصل از ذوب برف نقش مهمی در ایجاد رواناب سطحی، تغذیه آبهای زیر زمینی و ایجاد سیل به عهده دارد. پوشش برف معرف میزان آب ذخیره شده در حوضه های کوهستانی است و پایش زمانی و مکانی سطح پوشیده شده از برف و عمق آب معادل برف از اهمیت بسیار بالایی در مدل های هیدرولوژیک دارد.در این مطالعه به منظور پایش سطح پوشش برف و دمای سطح برف حوضه های آبریز استان گلستان از داده های سنجنده MODIS طی دوره آماری 9 ساله (8-2000) استفاده شد.به منظور تعیین پتانسیل ریزش و ذوب برف از الگوریتم دمای سطح برف با استفاده از باندهای حررارتی 31 و 32،MODIS و برای تشخیص سطوح پوشیده شده برف، شاخص NDSI بکار گرفته شد. نتایج تحقیق حاضر نشان داد با توجه به دقت زمانی و مکانی تصاویر ماهواره ای MODIS و قابل دسترس بودن این تصاویر از طریق اینترنت، برای پایش سطح پوشش برف بسیار مناسب هستند، بنابراین، با اجرای الگوریتم های بکار رفته، می توان سطوح پوشش برف را به صورت بهنگام پایش کرد و نتایج آن را در مدیریت منابع آب، کشاورزی، گردشگری، مدیریت مخازن و سامانه های هشدار سیل به کار گرفت.

پیش بینی جریان رودخانه ها نقش بسزایی در برنامه ریزی، مدیریت و بهره برداری از منابع آب دارد . هدف اصلی این تحقیق بررسی امکان پیش آگاهی و پیش بینی دبی رودخانه های کارون شمالی (رودخانه ارمند و بازفت) با استفاده از روش های نوین شبیه سازی می باشد . در این مطالعه نوسانات جریان رودخانه های ارمند و بازفت در ارتباط با سیگنالهای بزرگ مقیاس اقلیمی بررسی شده است. بدین منظور از داده های ماهانه شاخص نوسان جنوبی (SOI )، نوسان اطلس شمالی (NAO) و پدیده ENSO در مناطق NINO4،NINO3 ، NINO3.4 و NINO1+2 استفاده گردید. تمامی داده های مربوط به سیگنال های اقلیمی از مرکز داده های آنالیز شده NCEP دریافت شد. داده های مربوط به دبی روزانه ایستگاه های هیدرومتری ارمند و مرغک نیز از مرکز داده های وزارت نیرو تهیه گردید. در این مطالعه به منظور طراحی بهینه معماری شبکه عصبی مصنوعی جهت پیش بینی دبی رودخانه ها براساس سیگنال های اقلیمی از الگوریتم ژنتیک بهره گرفته شد. نتایج تحقیق نشان داد که سیگنال های ENSO در ناحیه NINO1+2 و NINO3 به عنوان موثرترین سیگنال بر تغییرات جریان رودخانه های ارمند و بازفت هستند و برای پیش آگاهی از وضعیت دبی رودخانه های کارون شمالی می توان از سیگنال های فوق استفاده کرد.

خشکسالی در طول تاریخ یکی از تهدیدهای اصلی ساکنان و تمدن­های کشور ایران بوده است. نمایه های زیادی بر مبنای داده های هوانشناسی، ماهواره ای و مدل های شبیه سازی به منظور تعیین شدت خشکسالی توسعه داده شده است. در این تحقیق توزیع مکانی نمایه شدت خشکسالی پالمر برای یک دوره 36 ساله (1975 تا 2010) با استفاده از داده­های شبکه­ای شده خاک و هواشناسی (متشکل از 296 ایستگاه سینوپتیک و بیش از 1500 ایستگاه بارانسنجی) با تفکیک مکانی 4 کیلومتر و تفکیک زمانی ماهانه، توسط کد نویسی در نرم افزار مطلب در مقیاس کشوری محاسبه و استخراج شد. برای مشاهده الگوی شدت و روند خشکسالی از روندیابی با روش رگرسیون خطی با گام زمانی یک ماهه و بصورت توزیع مکانی استفاده شد. نتیجه محاسبات نشان می دهد که بیش از 60 درصد از سطح مورد مطالعه دارای روند منفی (افزایش خشکسالی) بوده و کمتر از 4 درصد از آن روندی مثبت (بهبود ترسالی) دارد (در سطح 5 درصد معنی دار). شیب روند نیز بین 12/0 تا 22/0- متغیر است.

الگوهای گردش جوی، نقش اصلی را در رخداد پدیده های محیطی؛ به خصوص در مناطق معتدل دارند و رخداد دوره های خشک و مرطوب در ارتباط با تکرار سیستم های سینوپتیکی و تیپ های هوا است. در این تحقیق ابتدا با استفاده از شاخص بارش استاندارد شده SPI خشکسالی های وسیع و فراگیر استان شناسایی شد. سپس با استفاده از روش های (PCA) و خوشه بندی CA)) الگوهای گردش روزانه در مقیاس همدیدی مشخص گردید. به منظور طبقه بندی تیپ های هوا، میانگین روزانه مربوط به تراز 500 هکتوپاسکال و فشار سطح دریا (SLP) طی دوره آماری 2006-1950 در تلاقی های 5/2 درجه از مجموعه داده های بازسازی شده NCEP استخراج شد. در این تحقیق از آرایه S و چرخش واریماکس برای شناسایی تیپ های هوا و برای طبقه بندی تیپ های هوای روزانه، از روش خوشه بندی K-Means استفاده گردید. همه روزها به هیجده گروه تقسیم بندی شدند که ارائه دهنده متناوب ترین الگوهای گردش جوی در ناحیه مورد مطالعه هستند. و نقشه های ترکیبی فشار سطح دریا و تراز 500 هکتوپاسکال برای هر یک از تیپ های هوا ترسیم گردید.در نهایت، مقایسه دوره های خشک و مرطوب با فراوانی رخداد الگو های گردش جوی، تیپ های هوای باران زا و خشکی زا شناسایی شد.

هدف از این مطالعه تحلیل تغییرات درون دهه ای روند و الگوی فضایی بارش های سالانه و فصلی نیمه غربی ایران است. به این منظور داده های روزانه بارش دوره 2015-1986 (طی سه دهه) مورد بررسی قرار گرفت. برای واکاوی تغییرات درون دهه ای بارش از تحلیل الگوی خودهمبستگی فضایی آماره عمومی G* و به منظور بررسی روند تغییرات از تحلیل رگرسیون، آزمون من کندال استفاده شده است. در انجام محاسبات از امکانات برنامه نویسی Matlab و برای عملیات ترسیمی از نرم افزارهای Surfer و GIS بهره گرفته شد. نتایج حاصل از این مطالعه بیانگر این است که الگوهای خوشه ای مثبت بارش در مقیاس سالانه بیشتر در امتداد کوههای زاگرس و بخش هایی از غرب منطقه مورد مطالعه می باشد. در مقیاس فصلی الگوی خودهمبستگی فضایی بارش در فصل پاییز و زمستان تقریبا از الگوی سالانه پیروی کرده، در حالی که در فصل بهار الگوی فضایی مثبت بارش بیشتر در بخش های شمالی منطقه مورد مطالعه مشاهده شده است. نتایج حاصل از تغییرات درون دهه ای الگوهای خودهمبستگی فضایی مثبت بارش نیمه غربی ایران نشان می دهد به سمت دوره های اخیر به استثنای فصل زمستان که روند افزایشی نامحسوسی تجربه کرده، در مقیاس سالانه، فصل بهار و پاییز از گستره مکانی الگوی خودهمبستگی فضایی مثبت بارش کاسته شده است. درحالیکه الگوهای خودهمبستگی فضایی منفی بارش در مقیاس سالانه و فصلی روند کاهشی را تجربه کرده است. با این وجود به جز دوره ی دوم، الگوی فضایی بارش در منطقه مورد مطالعه تغییرات مکانی قابل توجهی نداشته است. نتایج حاصل از تحلیل روند بیانگر این است که در مقیاس سالانه و فصل زمستان اکثر مناطق نیمه غربی کشور از روند کاهشی برخوردار بوده است. در فصل بهار و پاییز با وجود اینکه در منطقه روند افزایشی بارش مشاهده شده ، اما در سطح 95 درصد اطمینان معنی دار نبوده است.

پدیده هایی نظیر سیل و خشکسالی بر اثر تغییر در فراوانی و ثاثیر گذاری الگوهای گردشی جو در یک منطقه ایجاد می شوند این الگوها نقش اصلی را در رخداد پدیده های محیطی به خصوص در مناطق معتدله دارند . برخی از الگوهای گردشی جو دوره های مرطوب و برخی دیگر باعث ایجاد خشکسالی و کم آبی می شوند . از اینرو طبقه بندی الگوهای بارش زا و خشکسالی زا و شناسایی کانون و شعاع فعالیت هر یک از الگوها در نواحی مختلف ایران می تواند در برنامه ریزیها موثر باشد.در تحقیق حاضر به منظور طبقه بندی الگوهای همدیدی بارش زا و خشکسالی زا ،ابتدا داده های میانگین روزانه مربوط به ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال و فشار تراز دریا از پایگاه NCEP/NCAR طی دوره آماری 2006-1950 استخراج شد . سپس با استفاده از روش های تحلیل مولفه های اصلی و تحلیل خوشه ای تمامی روزهای مورد مطالعه به هیجده گروه تقسیم بندی شد . نقشه های میانگین فشار سطح دریا و ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال برای هر یک از الگوهای های هوا ترسیم گردید. به منظور ارزیابی رابطه الگوهای گردشی جو با بارش، شاخص PI برای 54 ایستگاه محاسبه و تحلیل شد. این شاخص احتمال شرطی وقوع بارش در یک الگوی گردشی را تعیین می کند. نتایج شاخص PI مربوط به الگوهای گردشی جو شرایط بارش زایی و خشکسالی زایی بودن هریک از الگوها را نشان می دهد .نتایج تحقیق حاضر نشان داد که الگوهای گردشی جو CP2 ،CP3 ، CP5،CP6، CP7 ،CP9 و CP10جزء الگوهای خشکسالی زا و الگوهای گردشی جو CP1 ،CP4وCP12 جزء الگوهای بارش زا در سطح ایران زمین می باشند .

سیگنال های اقلیمی، الگوهای بزرگ مقیاسی از ناهنجاری های گردش و فشار هوا میباشد که در محدوده جغرافیایی وسیع گسترش یافته است. این سیگنال ها در توجیه رفتار اقلیم از اهمیت زیادی برخوردارند. در این پژوهش ارتباط بارش با سیگنال های اقلیمی(AO, NAO,SOI, ENSO) در ناحیه مرکزی ایران مورد بررسی قرار گرفته است. داده های سیگنال ها از پایگاه داده های NCEP استخراج گردید و مجموعه داده های بارش ماهانه نیز از مرکز خدمات ماشینی سازمان هواشناسی کشور دریافت شد. داده ها ماهانه طی دوره ی آماری 30 ساله، بین سال های 1978 تا 2008 بوده است. در نهایت با بکارگیری روش شبکه عصبی مصنوعی، مدل های شبیه سازی شده برای بازه های 0، 3 و 6 ماهه محاسبه شد و نتایج نشان داد از بین سیگنال های مورد مطالعه سیگنال ENSO در مناطقNINO1.2 و NINO3 بر بارش منطقه مورد مطالعه تاثیر معنی داری دارد و تاخیر 3 و 6 ماهه موجب قوی شدن ضریب همبستگی شاخص انسو در مناطق NINO1.2 و NINO3 با بارش ایستگاه های مورد مطالعه شده است. همچنین تاخیر 6 ماهه باعث منفی شدن ضریب همبستگی بین شاخص انسو در مناطق NINO1.2 و NINO3 است. مطابق با مدل های ارئه شده، سیگنال انسو در مناطق NINO1.2 و NINO3 می تواند به عنوان پیش بینی کننده بارش در کنار سایر پارامترهای تاثیر گذار مورد استفاده قرار گیرد و سایر سیگنال های اقلیمی مورد مطالعه تاثیر معنی داری بر بارش ایستگاه های مورد مطالعه ندارد.

بیشتر شاخص های خشک سالی در تعیین زمان شروع، خاتمه و تنش تجمعی خشک سالی به اندازه کافی دقیق نیستند، به علاوه اثرات تخریبی روان آب و تبخیر و تعرق را که با زمان افزایش می یابد، تعیین نمی کنند، همچنین بیش تر آن ها در تعیین و بررسی پایش خشک سالی ها محدودیت دارند، زیرا بر اساس گام زمانی ماهانه و سالانه طراحی شده اند، و در نهایت در تعیین اثرات خشک سالی بر روی منابع آب سطحی و زیرزمینی ناتوانند . در شاخص جدید ( شاخص بارش موثر ) کاستی های پایش خشک سالی برطرف شده است. در این شاخص مقیاس زمانی روزانه جایگزین مقیاس های ماهانه و سالانه شده است. در این روش سه شاخص آماری که بارش موثر را تعیین می کند، به کار رفته است. اولین شاخص، میانگین بارش موثر روزانه است؛ این شاخص خصوصیات اقلیمی بارش یک ایستگاه و یا یک ناحیه را نشان می دهد. شاخص دوم انحراف بارش موثر را از میانگین بارش موثر بیان می کند و شاخص سوم مقدار استاندارد شده انحراف از میانگین بارش موثر می باشد. با کمک این سه شاخص آماری تاریخ شروع، خاتمه و تداوم خشک سالی ها مشخص شد. در نهایت چهار شاخص دیگر که بیانگر کمیت شدت خشک سالی است نیز بررسی شد، که شامل 1- شاخص توالی منفی های استاندارد شده بارش موثر، که بیانگر تداوم و شدت تاثیر کمبود بارش است. 2- شاخص کمبود بارش تجمعی که بیانگر انحراف بارش از نرمال در طول مدت تعریف شده می باشد. 3- شاخص مقدار بارش مورد نیاز برای برگشت به حالت نرمال و 4- شاخص خشک سالی موثر می باشد . در مطالعه حاضر از شاخص جدید بارش موثر برای پایش و ارزیابی خشک سالی های ایستگاه شهرکرد استفاده شد. برنامه ای تحت عنوان EP برای محاسبه دقیق تر و سریعتر شاخص بارش موثر نوشته شد. داده های بارندگی روزانه ایستگاه شهرکرد طی دوره آماری 2001 - 1980 تحلیل شد و چون حجم خروجی زیاد بود تنها نتایج سال 2001 در مقاله حاضر منعکس گردید .

با توجه به موقعیت جغرافیایی ایران، که در منطقه خشک و نیمه خشک جهان واقع شده است، هر ساله شاهد رویدادهای حدی بارش کم (خشکسالی) و رویداد های حدی بارش زیاد (رخداد سیل) هستیم. از این رو، ضرورت بررسی مقادیر حدی بارش و حرکت و فراوانی رخداد این کمیت طی دوره های گذشته و، همچنین، تأثیر گرمایش جهانی بر حرکت مقادیر حدی بارش طی دوره های آتی کاملاً احساس می شود. بنابراین، در این مطالعه نمایه های حدی بارش طی دوره های گذشته (1961-1990) و دوره ی آتی (2011-2040) در دو سناریوِ A2و A1Bبر اساس مدل HadCM3بررسی و مقایسه شده است. این بررسی در سناریوِ A2روند افزایشی رویدادهای حداکثر بارش یک روزه در مناطق شمال غربی (جز استان آذربایجان غربی)، مرکزی و جنوب غربی و شمال شرقی و سواحل غربی دریای خزر را پیش بینی کرده است. همچنین، افزایش روند تعداد روزهای خشک متوالی در مناطق شمال شرقی، مرکزی و جنوبی کشور مشاهده می گردد. نتایج حاصل از سناریوِ A1Bنشان داده است مقدار بارش 24 ساعته در دوره ی آتی در مناطق شرقی و شمال شرقی و مرکزی همچنین نوار باریکی از بخش های غربی، جنوب غربی و شمال غربی کشور با کاهش همراه است. نتایج حاصل از پیش آگاهی برون داد مدل HadCM3و سناریوِ A1Bدر خصوص رویداد های حداکثر بارش پنج روزه روند بسیار مشابه ای با الگوی حاصل از سناریوِ A2داشته است. نمایه ی SDIIدر بخش شمالی و غربی کشور افزایش نشان می دهد و در سایر مناطق کشور روند منفی خواهد داشت. روند مثبت در تعداد روزهای با بارش سنگین به بخش های از استان اصفهان، مرکزی، کهکیلویه و بویراحمد، لرستان، ایلام، چهارمحال بختیاری و خوزستان در غرب و جنوب غرب کشور محدود شده و در سایر بخش ها با کاهش این نمایه روبه رو خواهیم بود. افزایش روند خطی نمایه ی حداکثر تعداد روزهای متوالی تر (CWD) در مناطق غربی، جنوب غربی و شمال شرقی کشور و افزایش تعداد روزهای متوالی خشک در مناطق شمال شرقی، مرکزی و بخش هایی از جنوب کشور و، همچنین، جمع بارش سالانه و روزهای تر در نواحی غربی و جنوب غربی، جنوبی، شمال غربی و بخش هایی از شرق کشور افزایش نشان می دهد

هدف اصلی این مطالعه بررسی تأثیر سیگنال های اقلیمی بر دبی دو ایستگاه منتخب و نوسان آب دریاچه ارومیه، طیّ دوره ی 22 ساله (2007-1986) می باشد. برای این کار ازداده های دو ایستگاه منتخب، داده های ماهانه شاخص نوسان جنوبی SOI، نوسان اطلس شمالی NAO و شاخص ENSO در مناطق NINO1+2, NINO3, NINO4و NINO3.4 استفاده شد. داده های مربوط به سیگنال های بزرگ مقیاس اقلیمی از مرکز داده های NCEP تهیه گردید. داده های مربوط به میانگین دبی ماهانه ایستگاه های داشبند و ساریقمیشنیز از مرکز داده های وزارت نیرو تهیه گردید. ابتدا به منظور بررسی اولیه داده ها و همبستگی بین آنها برای تهیه مناسب ترین مدل پیش بینی دبی، گام های زمانی 0، 3 و 6 ماهه مد نظر قرار گرفت. در بررسی دبی در بازه های زمانی مختلف، ایستگاه های مورد مطالعه، نتیجه شد، همبستگی در بازه ی زمانی تأخیری شش ماهه بیشتر از بازه های زمانی همزمان و تأخیری سه ماهه است.پس از تبیین ارتباط و نوع آن، مدل پیش بینی با استفاده از شبکه ی عصبی مصنوعی طراحی گردید و نتایج حاصل از این مدل مورد ارزیابی و تجزیه و تحلیل قرار گرفت. با توجه به همبستگی های معنی دار در بازه های زمانی این نتیجه گرفته شد، که شاخص های بزرگ مقیاس اقلیمی از نظر گردش عمومی جو و متأثر نمودن سیستم های بزرگ جوی در منطقه ی مورد مطالعه بر دما، بارش و دبی و نوسان آب دریاچه ی ارومیه تأثیر معنی داری می گذارند. بررسی مدل های خروجی از نرم افزار شبکه ی عصبی مصنوعی نشان داد، که مؤثرترین سیگنال ها بر دبی به ترتیب NINO3.4, NINO3, NINO1+2 و کم اثرترین سیگنال ها به ترتیب NAO ,SOIمی باشند. با توجه به یافته های تحقیق حاضر می توان این طور نتیجه گیری کرد که ارتباط معنی داری بین دبی با سیگنال های اقلیمی و جود دارد.

در دوره ی سرد سال، ریزش برف سنگین باعث بروز مشکلات و خسارات زیادی می شود. وسعت خسارات ناشی از ریزش برف های بسیار سنگین در بخش های مختلف پیامدهای دارد، از جمله تخریب ساختمان ها و تاسیسات، اختلال در بخش هایی نظیر حمل و نقل و توزیع سوخت و انرژی در فعالیت های بخش صنعتی و کشاورزی. همچنین، وقوع پدیده ی یخبندان در چنین شرایطی باعث تشدید خسارات می شود. در دوره ی سرد سال، لزوم شناخت و آگاهی از مکانیسم تشکیل چنین پدیده ای، که ریشه در الگوهای گردش جوی در مقیاس سینوپتیکی دارد، می تواند نقش موثری در مدیریت خطر و بحران داشته باشد. هدف اصلی این مطالعه شناسایی الگوهای گردش جوی مربوط به روزهای همراه با ریزش برف سنگین در حوضه های غرب ایران است. در این مطالعه، روزهایی را که حداقل 15 سانتیمتر برف طی 24 ساعت داشتند و ریزش برف در سطح فراگیری گزارش شده بود به منزله ی روز با ریزش برف سنگین انتخاب شد. سپس، برای شناسایی و طبقه بندی الگوهای گردشی مربوط به روزهای فوق، داده های روزانه مربوط به تراز 500 هکتوپاسکال و فشار تراز دریا ی روزها مذکور از مرکز داده های NCEPتهیه شد. برای طبقه بندی الگوهای روزهای همراه با برف سنگین از روش تحلیل مولفه های اصلی و خوشه بندی استفاده شد. سرانجام، الگو های گردش اصلی ریزش برف سنگین در منطقه ی مطالعه شناسایی شد. الگوهای به دست آمده می تواند در امر پیش بینی روزهای همراه با برف سنگین کارایی داشته باشد.

امروزه معتبرترین ابزار جهت تولید سناریوهای اقلیمی، مدلهای AOGCM می باشد. از جمله مدلهایی که برای ریز مقیاس نمایی مبتنی بر روشهای آماری استفاده می کنند مدل LARS-WG می باشد، در این مطالعه بر اساس مدل HadCM3 و دو سناریوی A1B، A2 برای دوره پایه ( 1961- 1990) و دوره پیش بینی (2040- 2011) در مقیاس روزانه فرایند ریز مقیاس نمایی انجام شد. و داده های مقادیر مجموع بارش روزانه برای ایستگاههای منتخب تولید شد. بعد از کالیبراسیون مدل و اطمینان از توانمندی مدل در ساخت سری های زمانی بارش که با مقایسه داده های شبیه سازی شده با مقادیر بارش در دوره پایه در سطح اطمینان 95 درصد صورت پذیرفت، جهت بررسی وضعیت خشکسالی، شاخص استاندارد شده بارش (SPI) بکار رفت. نتایج نشان داد که میزان بارش نسبت به دوره پایه طی دوره های آینده نزدیک تحت خروجی های مدل گردش عمومی جو HadCM3 و دو سناریوی A1B، A2 تغییر معنی داری در بیشتر مناطق کشور خواهد داشت. بیشترین درصد تغییر مربوط به جنوب شرقی کشور می باشد که برای هر سه تداوم زمانی 3، 12 و 24 ماهه افزایش خشکسالی را نشان میدهد بطوریکه برای برای تداوم زمانی 12 ماهه و 50 ساله شدت خشکسالی دوره پایه 82/13 بوده ولی در دوره آتی سناریوی A2، 05/15 و در دوره آتی سناریوی A1B ، 39/18 را نشان میدهد. در غرب و شمال کشور نیز بطور مشابه در کلیه تداوم های زمانی شدت خشکسالی در دوره های آتی بیشتر از دوره پایه است، بطوریکه در دوره 24 ماهه و دوره بازگشت 50 ساله شدت خشکسالی پایه 31/16 ولی در دوره آتی A2 ، 65/18 و در دوره آتی A1B، 55/19 را نشان میدهد. در مناطق جنوب، مرکز و شرق کشور مقادیر شدت خشکسالی پایه و آتی با تداوم زمانی 24 ماهه و در دوره برگشت 50 ساله همگی حدود 8/18 بوده و شدت خشکسالی تغییرات زیادی را نشان نمی دهد. شدت خشکسالی در شمال غرب کشور و جنوب غرب کشور در هر سه تداوم زمانی 3، 12 و 24 ماهه در دوره های آتی کمتر از دوره پایه خواهد بود بطوریکه در تداوم زمانی 24 ماهه شدت خشکسالی با دوره برگشت 50 ساله پایه 23 ولی در دوره های آتی 44/18 را نشان میدهد. در نهایت، اگرچه در پیش بینی های بدست آمده از ریزمقیاس گردانی خروجی های مدل های اقلیمی عدم قطعیت هایی وجود دارد که این امر به علت ساختار مدل های گردش عمومی جو، داده های مشاهداتی و ... می باشد اما از آنجایی که مدل های اقلیمی به عنوان معتبرترین ابزار تولید سناریوهای اقلیمی مطرح می باشند، ضروری است مدیران و تصمیم گیران بخش های مختلف منابع آب و کشاورزی نتایج حاصل از چنین پژوهش هایی را نیز مد نظر قرار داده تا امکان برنامه ریزهای بلند مدت میسر شود