یوسف قویدل رحیمی

در این مطالعه داده‌ های مربوط به حداقل‌ها و حداکثرهای مطلق سالانه دمای روزانه ایستگاه سینوپتیک اصفهان طی دوره آماری 1951 تا 2005 میلادی به مدت 55 سال مورد استفاده قرار گرفته است. برای بررسی ارتباط بین دماهای حداقل و حداکثر مطلق با گرمایش جهانی، از داده‌ های متوسط جهانی ناهنجاری ‌های دما در بازه 1991 تا 2005 میلادی استفاده شده است. از روش ‌های رگرسیون خطی (خطی ساده، منحنی اس شکل و پلی نومیال) و آماره من-کندال برای آزمون معنی ‌داری روند تغییرات سری های دمایی استفاده شده است. نتایج کلی این تحقیق نشانگر عدم تغییرات معنی دار در روند بلند مدت دماهای کرانگین اصفهان بوده است با این وجود دماهای کرانگین این ایستگاه از سال 1990 به بعد تحت تاثیر پدیده آغاز سرد قرار گرفته و دچار تحول شده و روند رو به تغییری را طی کرده است. نتایج آشکار سازی روند تغییرات دماهای کرانگین حداکثر اصفهان مثبت و دماهای کرانگین حداقل بویژه برای سال‌ های بعد از سال 1990 که عمدتاً تحت تاثیر پدیده آغاز سرد قرار گرفته، منفی بوده که این امر به معنی کاهش شدت سرمای زمستان و معتدل تر شدن آن و برعکس روند معنی ‌دار و مثبت تغییرات دماهای کرانگین حداکثر اصفهان نشانگر افزایش تدریجی دماهای بیشینه و شدت گرفتن گرمای تابستانه می ‌باشد.

در این تحقیق داده های مربوط به ناهنجاری های دمایی کره زمین و دمای متوسط سالانه ایستگاه تبریز در طی دوره آماری 2003-1951 مورد استفاده قرار گرفته اند. روش های اصلی بکار گرفته شده در این مطالعه عبارت از: روش تعیین ضریب همبستگی پیرسون، تحلیل مولفه روند سری های زمانی، رگرسیون خطی ساده، رگرسیون پولی نومیال به عنوان یک روش نیمه خطی و شبکه های عصبی مصنوعی هستند. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی مثبت و مستقیم معنی داری بین دمای سالانه تبریز و ناهنجاری های دمایی کره زمین است. تحلیل مولفه روند بلندمدت سری های زمانی نشان می دهد که در طول دوره آماری بر دمای متوسط سالانه تبریز افزوده می شود. ناهنجاری های دمایی کره زمین نیز روندی افزایشی از خود نشان می دهد. ارتباط دمای متوسط سالانه تبریز با گرمایش جهانی نیز با استفاده از شبکه های عصبی مصنوعی شبیه سازی شده است. نتایج حاصل از کاربرد روش های مختلف در این مطالعه نشان می دهد که روش شبکه عصبی مصنوعی در مقایسه با روش های رگرسیون خطی ساده و رگرسیون نیمه خطی پولی نومیال درجه 6، روش بهتر و دقیق تری است.

با توجه به تاثیر دما در شرایط اقلیمی هر منطقه و اهمیت پیش بینی آن در برنامه ریزی های محیطی، استفاده از روش های دقیق تر آماری برای مطالعه تغییر و پیش بینی عناصری مثل دما، کاربرد وسیعی پیدا کرده است. یکی از روش های مذکور کاربست مدل سری زمانی هالت - وینترز است. با توجه به هدف پیش بینی که تخمین مقادیر کرانگین دمای اصفهان برای 10 سال آتی در بازه 2006 تا 2015 بوده است، ابتدا با توجه به تعداد داده های موجود از هر یک از سری ها که 55 عدد (بازه زمانی داده ها 1951 تا 2005 میلادی بوده است) بود، روش های مختلف پیش بینی سری زمانی مورد آزمون قرار گرفت. از میان روش های مذکور فقط مدل سری زمانی هالت - وینترز قابلیت پیش بینی اعداد منفی سری حداقل مطلق دماهای به ثبت رسیده سالانه اصفهان را داشت. پس از بررسی و آزمون مدل ها و درنظر گرفتن شاخص های ارزیابی، دقت و صحت مدل بار دیگر ثابت شد که مدل هالت - وینترز نتایج بسیار بهتری نسبت به سایر مدل ها ارایه می کند و به این علت به عنوان مدل مطالعاتی برای پیش بینی مقادیر 10 سال آتی دماهای مطلق حداقل و حداکثر اصفهان انتخاب گردید. این مطالعه نشان داد که بهترین مدل برای پیش بینی آتی دماهای مطلق حداقل و حداکثر اصفهان، مدل هالت - وینترز است.

در این تحقیق با استفاده از داده های ماهانة حاصل از محاسبة ضرایب مربوط به دما و بارش نقاط شبکه در مختصات ایستگاه تبریز و داده های ماهانة دما و بارش ایستگاه هواشناسی تبریز در یک دورة آماری 53 ساله از سال1951 تا 2003 اثرات دو برابر شدن میزان جو بر دما و بارش به عنوان مهم ترین عناصر اقلیمی شبیه سازی شده است. مدل های هایترگراف و آمبروترمیک ترسیمی برای تبریز مبین تغییرات ماهانة عناصر اقلیمی دما و بارش در شرایط دو برابر شدن جو هستند. با میانگین گیری داده های واقعی دما و بارش و داده های شبیه سازی شدة ماهانه مقادیر فصلی عناصر مذکور شبیه سازی و مورد مقایسه قرار داده شده است. نتایج حاصل از شبیه سازی عناصر دما و بارش به روش GISS مبین افزایش دمای تبریز در کلیة مقاطع ماهانه، فصلی و سالانه و کاهش بارش در ماه های فصول زمستان (فوریه و مارس) و بهار (آوریل و می) و افزایش آن در فصول تابستان، پائیز و نیز مقطع سالانه هستند. مدل هایترگراف فعلی و شبیه سازی شده تبریز در شرایط دو برابر شدن جو، تغییرات دما و بارش را مورد تأیید قرار داد. مدل های آمبروترمیک فعلی و شبیه سازی شده به وسیلة مدل GISS نیز در مقایسه با هم نشانگر تغییر اقلیم (دما و بارش) در تبریز هستند. با توجه به مدل های آمبروترمیک و هایترگراف ترسیمی در این پژوهش، تغییر اقلیم تبریز در شرایط دو برابر شدن به شکل کاهش مدت و شدت دوره سرد و کاهش روزهای همراه با یخبندان، کاهش بارش بهاره و زمستانی، تغییر بارش زمستانی از برف به باران، طولانی شدن دورة رشد گیاهان، افزایش دما و به تبع از آن خشکی، به منصة ظهور خواهد رسید.

در این مطالعه شرایط آسایش اقلیمی کلان شهر تبریز در ارتباط با احساس گرمایی مورد بررسی قرار گرفته است. ارزیابی شرایط حرارتی بر اساس محاسباتی که بر مبنای تعادل انرژی انسان استوار است و برای شناخت عدم آسایش در برابر گرما و سرما برای افرادی که با پوشش مناسب لباس در هوای آزاد قدم می زنند، انجام گرفته است. ساعات گرم و سرد با توجه به دامنه و تداوم عدم راحتی در برابر گرما و سرما تعریف می شوند. روش مورد استفاده در این مطالعه ارزیابی شرایط زیست اقلیمی تبریز با استفاده از روشASHRAE Standard 55-2004 که مدل تغییریافته ی روش میانگین رأی پیش بینی شده (PVM) و انتقال آن بر روی نمودار سایکومتریک گیونی بوده و بر مبنای داده های ساعتی برای تحلیل های ماهانه، فصلی و کل دوره 44 ساله (2004-1961) انجام شده است. نتایج به دست آمده نشان می دهد که بیشترین میزان ساعات آسایش اقلیمی در ماه های آگوست، جولای و سپتامبر بوده و کمترین مقدار آن در ماه های نوامبر، دسامبر، ژانویه، فوریه و مارس متمرکز هستند. از نظر توزیع متوالی ماه های دارای بیشترین ساعات آسایش اقلیمی, دوره ی گرمایی آوریل تا اکتبر بالاترین میزان ساعات آسایش اقلیمی را به خود اختصاص داده اند و این در حالی است که دوره ی نوامبر تا مارس فاقد ساعت آسایش اقلیمی می باشد. از نظر توزیع فصلی ساعات آسایش اقلیمی، تابستان با مجموع متوسط 989 ساعت و با 64 درصد از توزیع فصلی بیشترین ساعات آسایش اقلیمی تبریز را به خود اختصاص داده و بعد از آن فصل بهار با متوسط بلندمدت 437 ساعت و با 28 درصد توزیع فصلی ساعات آسایش اقلیمی را دارا می باشد. در رده ی بعدی فصل پاییز با 123 ساعت و جمع فصلی 8 درصد از فصول 4 گانه قرار دارد و زمستان هیچ نقشی در توزیع ساعات آسایش اقلیمی ندارد و کل ساعات آن ساعات عدم ساعات آسایش اقلیمی محسوب می شوند. میانگین کلّ ساعات آسایش اقلیمی تبریز در طول دوره ی آماری نشان دهنده ی عدد 1549 ساعت از کل 8760 ساعت است که نشان می دهد نسبت ساعات آسایش اقلیمی تبریز به ساعات عدم آسایش اقلیمی عددی بالغ بر 7/17 درصد است و این یعنی این که در 3/82 مواقع برای ایجاد اقلیمی متعادل با شرایط فیزیولوژیک انسان بایستی انرژی مصرف شود که خود علاوه بر هزینه های گزاف بحث های تخصصی دیگری می طلبد.

در این تحقیق، داده های مربوط به شاخص نوسانات فشار سطح دریا در اطلس شمالی و بارش سالانه در یک دورة آماری 43 ساله، برای ایستگاه هایی از استان آذربایجان شرقی جهت محاسبه ضرایب همبستگی و تعیین ترسالی ها و خشکسالی ها مورد استفاده قرارگرفته است. روش اصلی مورد استفاده در این پژوهش، استفاده از آمار تحلیلی(ضرایب همبستگی پیرسون و اسپیرمن و تحلیل مؤلفه های روند خطی و پولی نومینال) می باشد. نتایج این مطالعه نشان داد که بین بارش سالانة ایستگاه های تبریز، اهر و جلفا با شاخص نوسانات اطلس شمالی همبستگی منفی ضعیف و معنی داری به ویژه در ترسالی ها و خشکسالی های فراگیر وجود دارد.

در این تحقیق داده¬های مربوط به ناهنجاریهای دمایی کره زمین و بارش متوسط سالیانه ایستگاه تبریز در طی دوره آماری 1951-2005 استفاده شده¬اند. روشهای اصلی به¬کار¬ گرفته شده در این مطالعه عبارت است از روش تعیین ضریب همبستگی پیرسون، تحلیل مؤلفه روند سری¬های زمانی، رگرسیون خطی ساده و رگرسیون پولی¬نومیال به عنوان یک روش نیمه¬خطی و شبکه¬های عصبی مصنوعی. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی منفی و معکوس معنا¬داری بین بارش سالیانه تبریز و ناهنجاریهای دمایی کره زمین است. این به آن معنا است که غالباً با منفی¬شدن ناهنجاریهای دمایی کره زمین، بارش سالیانه تبریز افزایش¬پیدا کرده و ترسالی به¬وقوع می¬پیوندد و برعکس با مثبت شدن ناهنجاریهای دمایی کره زمین، متوسط بارش سالیانه تبریز کاهش پیدا کرده و خشکسالی به وقوع می¬پیوندد. تحلیل مؤلفه روند بلندمدت سری¬های زمانی نشان می¬دهد که در طول دوره آماری از بارش متوسط سالیانه تبریز کاسته می¬شود، اما روند ناهنجاریهای دمایی کره زمین روندی افزایشی از خود نشان¬می¬دهد. ارتباط بارش متوسط سالیانه تبریز با گرمایش جهانی نیز با استفاده از شبکه¬های عصبی مصنوعی شبیه¬سازی شده است. نتایج حاصل از کاربرد روشهای مختلف در این مطالعه نشان می¬دهد که روش شبکه عصبی مصنوعی در مقایسه با روشهای رگرسیون خطی ساده و رگرسیون نیمه خطی پولی¬نومیال درجه 6، روش شبیه¬سازی بهتر و دقیقتر است. روشهای مختلف شبکه¬های عصبی مصنوعی به¬کار گرفته شده در این مطالعه نشان¬ می¬دهد که روش پرسپترون چند لایه با 3 لایه مخفی و الگوریتم آموزش پس انتشار قابلیت بسیار عالی در پیش¬بینی همبستگی بین سری¬ها دارد.

دما از مهم ترین عناصر مؤثر بر آب و هوا و محیط زیست هر منطقه است. دریای خزر به عنوان یک توده آبی گسترده در حاشیه شمالی ایران میتواند سهم مهمی را در تعدیل نوسان های دما بر عهده داشته باشد. برای بررسی شرایط همدید و تعیین نواحی دمایی منطقه خزر و عوامل مؤثر در ناحیه بندی آن، داده های روزانه جوی ترازهای مختلف این منطقه در سال های 1994 تا 2003 میلادی فراهم و شاخص های تعیینکننده وضعیت دمایی شامل دمای هوا، دمای پتانسیل، فرارفت دمای جو در سطوح 1000 تا 100 هکتوپاسکال محاسبه شد. سپس با استفاده از تحلیل مؤلفه مبنا و تحلیل خوشه ای، نقشه نواحی هر سه شاخص دمایی منطقه خزر برای ستون جوی 1000 تا 100 هکتوپاسکال و هم چنین نقشه های نواحی دمایی برای ترازهای 300، 500، 700، 850 و 1000 هکتوپاسکال ترسیم شد. نتایج نشان میدهد برای هرکدام از شاخص ها، هفت ناحیه در منطقه خزر وجود دارد که عرض جغرافیایی و سیستم های سینوپتیکی به خصوص استقرار سامانه پرفشار آسیایی در روزهای سرد سال در بخش شرقی و شمال شرقی خزر (عامل کاهش دما) و انواع سامانه های کم فشار و پرفشار مهاجر در بخش غربی و جنوب غربی (عامل افزایش دما)، مهم ترین عوامل مؤثر بر تفکیک نواحی دمایی در همه ترازها محسوب میشوند. هم چنین نتایج حاصل از مقایسه نقشه های نواحی شاخص های دمایی(دما، دمای پتانسیل و فرارفت دما) نشان میدهد که محدوده خشکی و آبی خزر از هم تفکیک نشده است, در این صورت نقش پهنه بزرگ آبی دریاچه، در مقیاس سینوپتیک در توزیع مکانی و ناحیه بندی دمایی منطقه، قوی نیست و به احتمال زیاد با انتقال و تبادل انرژی و ایجاد جریان های نسیم خشکی- دریا، تأثیر آن در مقیاس کوچک تا متوسط و در بخش هایی از سال قابل رؤیت است. در مجموع در ترازهای مختلف جوی، بین شمال و جنوب منطقه، به طور متوسط7 تا 10 درجه سانتیگراد و بین شرق و غرب منطقه به طور متوسط 2 تا 3 درجه سانتیگراد اختلاف دما وجود دارد و سردترین ناحیه در قسمت شمال شرقی منطقه واقع است.

در این مقاله ویژگی‌های غیرخطی و پیچیدگی سیستم اقلیمی سیاره‌ی زمین مورد بررسی قرار گرفته و استفاده از روش غیرخطی شبکه‌های عصبی مصنوعی به عنوان روشی قابل اعتماد و نسبتاً دقیق برای مطالعه‌ی سیستم اقلیم و مؤلفه‌ها و اجزای آن توصیه شده است. این مطالعه ضمن برشماری مزایای مدل غیرخطی شبکه‌ی عصبی مصنوعی نسبت به مدل‌های کلاسیک بر لزوم استفاده از روش‌های پیشرفته در مطالعه‌ی سامانه‌های اقلیمی و اجزای آن تأکید دارد. همچنین این مطالعه به این نتیجه رسیده که روابط موجود بین عوامل و عناصر اقلیمی یا سازندگان دستگاه اقلیمی بسیار پیچیده تر از آنی است که شاید در مدل ها لحاظ شده است. بر این اساس به نظر می‌رسد که می‌شود در استفاده از مدل‌های کلاسیک برای مطالعات اقلیمی تجدید نظری نمود؛ زیرا زمانی که مدل‌های پیشرفته‌ای مانند شبکه‌های عصبی نمی‌توانند به طور کامل رفتار سیستم‌های اقلیم و خط سیر زمانی و مکانی آن را پیش‌بینی کنند، چنین امکانی در استفاده از مدل های ساده‌ی کلاسیک محدود می شود.

وقوع پدیدة خشکسالی از واقعیتهای مهم ایستگاههای حوضه آبریز دریاچه ارومیه است که می توان علت اصلی آن را در نوسانهای دوره ای اقلیم و عدم عبور توده هوای مرطوب و باران آور خصوصاً توده هوای مرطوب مدیترانه ای دانست. در این مطالعه دادههای مربوط به بارش سالیانه در یک دورة آماری43 ساله (1960- 2002) برای ایستگاههایی از حوضه آبریز دریاچه ارومیه جهت تحلیل آماری و محاسبه سالهای مرطوب و خشک استفاده قرار گرفته است. روش اصلی استفاده شده در این تحقیق عبارت از « نمایة بارش قابل اعتماد DRI» است. نتایج این مطالعه حاکی از وقوع پدیدة خشکسالی درکل ایستگاهها است که با شدت و ضعفهایی، توأم است. در بین مدلهای «بارش قابل اعتماد»، «نمرات استاندارد شدة بارش سالیانه»2 و «شاخص درصد از بارش میانگین سالیانه»3 که در این تحقیق استفاده قرارگرفته اند، مدل بارش قابل اعتماد با داشتن قابلیتهای بیشتر و محدودیتهای کمتر بهتر از دیگر مدلها تشخیص داده شده است.

«نوسان های شمالگان» الگوی تغییر دهنده و مسلط اقلیمی در زمستان های نیمکرة شمالی است. در این تحقیق با استفاده از داده های مربوط به متغییرهای اقلیمی فصل زمستان و شاخص نوسانات فشار سطح دریا در شمالگان ارتباط پیوند از دور بین الگوی مذکور با سختی زمستان در تبریز بررسی شده است. برای اثبات اثر پیوند از دور بر سختی زمستان از ضریب همبستگی پیرسون استفاده شد. نتایج حاصل از محاسبه ضرایب همبستگی پیرسون نشان از وجود ارتباط پیوند از دور بین نوسانات شمالگان و سختی زمستان در تبریز است. پس از محاسبه «شاخص سختی زمستان» تبریز روند پولی نومیال تغییرات آن ترسیم شد که روندی رو به کاهش را از خود نشان میدهد. روند نزولی شاخص مذکور مبین کاهش شدت و سختی زمستان های تبریز در سال های اخیر و ملایم تر شدن اقلیم زمستانی آن است. روند نزولی متغییرهای اقلیمی روزهای برفی و روزهای یخبندان و روند افزایشی درجه حرارت زمستانی تبریز نیز دیگر دلایل کاهش سختی زمستان در تبریز هستند. با توجه به ضرایب همبستگی معنا داری که بین شاخص نوسانات شمالگان و متغییرهای اقلیمی دما، روزهای برفی، روزهای یخبندان و شاخص سختی زمستان محاسبه شده است، میتوان الگوی نوسانات شمالگان را عامل تعیین کنندة سختی یا ملایمت زمستان های تبریز دانست.

با استفاده از «شاخصهای دمای سطح آب» نقش پدیده جوی ـ اقیانوسی انسو در تغییرپذیری بارشهای بهاری استان آذربایجان شرقی مطالعه‌شده است. نتایج حاصل از به‌کارگیری روش تحلیل همبستگی «پیرسون» بیانگر ارتباط معنا‌دار مثبت بین شاخصهای 2+1Nino و3Nino و بارشهای بهاره ایستگاههای آذربایجان شرقی است. این امر به معنای افزایش میزان بارشهای بهاری به هنگام ال‌نینو(فاز مثبت یا گرم) و بر عکس آن، یعنی کاهش بارشها در فاز منفی یا لانینا (فاز سرد) است. در بین ایستگاههای مطالعه شده بیشترین میزان همبستگی بارش بهاری با شاخصهای انسو در ایستگاه میانه و مراغه است و کمترین میزان همبستگی در ایستگاه سراب محاسبه شده است. مقادیر ضریب همبستگی محاسبه شده بین بارش و شاخصهای انسو بیانگر نقش عوامل جغرافیایی در میزان تأثیر‌پذیری از پدیده انسو می‌باشد؛ به این معنا که در استان آذربایجان شرقی از غرب به شرق و از شمال به جنوب بر میزان همبستگی یا به عبارت دیگر بر میزان تأثیرپذیری بارش از پدیده انسو افزوده می‌شود که اوج این افزایش در ایستگاه میانه قابل مشاهده است.

توفان حاره ای نوظهور فت یکی از نشانه های تغییر اقلیم در محدوده اقیانوس هند و دریای عرب است. شدت توفان مذکور که برای اولین بار روز 1 ژوئن 2010 در محدوده بین اقیانوس هند و دریای عرب زایش یافت، در روز 3 ژوئن 2010 به درجه 4 که در حد ابر چرخند (سوپر سیکلون) است، رسید. توفان مذکور در طی روند غیرقابل پیش بینی خود در روز 4 ژوئن 2010 برابر با 14 خرداد 1389 به سواحل ایران در چابهار نزدیک شد و قسمت نیم دایره خطرناک آن روی سواحل چابهار قرار گرفت، سپس با تجمیع رطوبت دریاهای عمان و دریای عرب و هم چنین رطوبت منطقه همگرایی دریای سرخ و خلیج عدن (در تراز 850 هکتوپاسکال ساعت 30/9 روز 14 خرداد) به شکل توفانی رعد و برقی همراه با بارش همرفتی شدید رگباری و سنگین به سواحل چابهار یورش برد و با ایجاد امواج بلند سهمیگن دریایی و بارش سنگین 5/109 میلی متری خسارت های سنگینی به وجود آورد. جریان همگرای رطوبت یکی از مهم ترین ملزومات وقوع بارش از توفان های حاره ای است که بارش سنگین حاصل از توفان حاره ای فت در سواحل چابهار نیز از این قاعده مستثنا نبوده و بارش سنگین یاد شده به علت وزش رطوبت و همگرایی جریان رطوبت ترازهای مختلف جوی در ساعت های مختلف روز 14 خرداد 1389 به وقوع پیوسته است. با استفاده از معادلات ترمودینامیک مخصوص به همگرایی جریان رطوبت جو، نقشه های مربوطه به همراه مسیر وزش رطوبت جو بر اثر جریان بادهای غربی ترسیم و مورد تجزیه و تحلیل قرار داده شد. نتایج حاصل از تجزیه و تحلیل نقشه های ترسیمی نشان داد که منبع تامین و تزریق رطوبت به چرخند حاره ای که حرکت آن به سمت سواحل چابهار موجب ریزش بارش سنگین در روز 14 خرداد 1389 شده است(به استثنای وزش و جریان همگرایی رطوبت تراز 850 هکتوپاسکال در ساعت 30/9 که تزریق رطوبت از سمت خلیج عدن و جنوب غرب منطقه همگرایی دریای سرخ انجام گرفته است) در سایر ترازهای جوی و ساعت های روز 14 خرداد 1389 منبع تزریق و تغذیه رطوبت بارش سنگین سواحل چابهار دریای عرب و خلیج عمان بوده اند. هم چنین نقشه های ترسیمی محل و موقعیت هسته های همگرای رطوبتی در جریان فعالیت توفان فت در روز 14 خرداد 1389 نشان داد که در بیش تر اوقات بر روی سواحل چابهار یا نزدیکی آن مستقر بوده اند و به عنوان هسته های انبارش و تجمیع رطوبت با تزریق رطوبت به داخل چرخند حاره ای بارش سنگین 5/109 میلی متری روز 14 خرداد را تقویت کرده اند.

در این پژوهش رابطه بین بارش های پاییزی ایستگاه های منطقه غرب و شمال غرب کشور با الگوی پیوند از دور دریای شمال-خزر در یک دوره آماری 29 ساله (2005-1977) مورد محاسبه و تحلیل قرار گرفته است. نتایج حاصل از تحلیل همبستگی بین شاخص الگوی پیوند از دور دریای شمال-خزر و بارش های پاییزی ایستگاه های منطقه غرب و شمال غرب کشور نشان داد که فاز مثبت الگوی پیوند از دور دریای شمال-خزر با دوره های افزایش بارش و فاز منفی آن با دوره های کاهش بارش از حد نرمال همراه است. ارتباط نسبتاً خوبی بین بارش پاییزی منطقه غرب و شمال غرب کشور با شاخص الگوی پیوند از دور دریای شمال-خزر مورد محاسبه قرار گرفت. این ارتباط با ضریب همبستگی معنی دار 31/0 در فصل پاییز برای متوسط ایستگاه های مورد م طالعه محاسبه گردید. در بررس ی ماهانه بالاترین ضریب ه مبستگی بارش ماهانه ایستگاه ها و شاخص الگوی دریای شمال-خزر در ماه دسامبر با ضریب همبستگی 52/0 مورد محاسبه قرار گرفت. با توجه به ضرایب همبستگی مورد محاسبه، بارش ایستگاه خوی، بیشترین تاثیرپذیری را از الگوی پیوند از دور دریای شمال_خزر نشان می دهد. این مطالعه ثابت کرد که علاوه بر الگوی پیوند از دور رایج و متداول انسو که تأثیرات آن بر بارش پائیزی قبلاً مورد تأیید محققان قرار گرفته، الگوی جدید پیوند از دور دریای شمال-خزر نیز از الگوهای تأثیرگذار بر نوسانات بارش و وقوع دوره های مرطوب و خشک پاییزه شمال غرب و غرب ایران می باشد.

با استفاده از MEI نقش پدیدة جوّی- اقیانوسی انسو?در?تغییرپذیری بارش?های فصلی استان آذربایجان?شرقی مورد?مطالعه قرار?گرفته است.?نتایج حاصل از?بکارگیری روش تحلیل همبستگی «پیرسون» بیانگر ارتباط مثبت بین شاخص چند?متغیرة انسو و?بارش ایستگاه های آذربایجان?شرقی است که در?بین فصول چهار گانه میزان همبستگی فقط در?فصل پائیز? معنی دار?بوده و?در?سایر?فصول همبستگی معنی داری بین بارش و پدیده های ال نینو?و?لانینا مشاهده نگردید.?این امر?به معنی افزایش میزان بارش?های پائیزی به هنگام ال نینو (فاز گرم و?مثبت در پدیدة انسو) و?بر?عکس کاهش بارش در?فاز لانینا?(فاز سرد و ?منفی) است.?در?بین ایستگاه?های مورد مطالعه بیشترین میزان همبستگی بارش پائیزی با شاخص چند متغیرة انسو?در?ایستگاه سراب و?کمترین میزان همبستگی در?ایستگاه تسوج مورد محاسبه قرارگرفته است.?مقادیر?ضریب همبستگی مورد?محاسبه بین بارش و?MEI?بیانگر?نقش عوامل جغرافیایی در?میزان تأثیر پذیری از?پدیدة انسو می باشد؛ به این معنی که در?استان آذربایجان?شرقی از?غرب به شرق و?از?شمال به جنوب بر?میزان همبستگی یا به عبارت دیگر بر میزان تأثیرپذیری از?پدیدة انسو?افزوده می گردد?که اوج این افزایش در?ایستگاه سراب قابل مشاهده است.

در این مقاله داده های مربوط به عنصر اقلیمی بارش در فصول مختلف یک دوره آماری 41 ساله برای ایستگاه هایی از استان آذربایجان شرقی جهت تحلیل آماری داده های خام بارش و مدل سازی، محاسبه وپیش بینی فصول مرطوب و خشک زمستانه مورد استفاده قرار گرفته است. روش اصلی مورد استفاده دراین پژوهش عبارت از روش تجزیه و تحلیل سریهای زمانی است و برای تبیین نوسانات بارش، ازمدلهای نوسانی و میانگین متحرک و برای پیش بینی فصول آتی مرطوب و خشک از مدل پیش بینی سری زمانی تجزیه استفاده شده است. به منظور تعیین کمی و تفکیک فصل مرطوب و فصل خشک، روش بارش استاندارد شده (SPI) به کار رفته است.نتایج حاصل از این مطالعه حاکی از نوسانهای شدید بارش در همه ایستگاه ها است که با شدت و ضعف هایی، توام است. این امر بیانگر علل آب و هوایی نوسانات بارش ایستگاههای آذربایجان شرقی است. از نظر طبقه بندی شدت فصول مرطوب و خشک زمستانه غالبا در ایستگاه های مورد مطالعه حالت بارش نرمال، فصول خشک و نیز دوره مرطوب قابل مشاهده می باشد که فصول خشک از توالی وتداوم بیشتری نسبت به فصول مرطوب برخوردارند. این امر در پیدایش پدیده خشکسالی بی تاثیر نمی باشد.