محمدرضا عزیززاده

خروجی های مدل های اقلیمی جهانی (GCMs) معمولاً دارای اریبی نسبت به داده های مشاهداتی هستند و قبل از استفاده از آن ها برای توسعه سناریوهای اقلیمی آینده، برخی تصحیحات باید انجام شود. روش های تصحیح اریبی از جمله روش های آماری متداول برای پردازش خروجی مدل های اقلیمی هستند. در این تحقیق تاثیر پنج روش تصحیح اریبی بر پیش نگری بارش مدل GFDL-ESM4 در حوضه دریاچه ارومیه مورد ارزیابی قرارگرفته است. روش های مورد استفاده در این تحقیق شامل روش های نسبت گیری خطی (LS)، نسبت گیری شدت موضعی (LOCI)، تبدیل توانی (PT)، نگاشت توزیع (DM) و تغییر عامل دلتا (DC) می باشند. از معیارهای ضریب همبستگی، مجذور میانگین مربعات خطا (RMSE) و درصد اریبی (PBias) برای ارزیابی دقت داده های تصحیح شده در دوره 2014-1990 نسبت به داده های مشاهداتی و انتخاب بهترین روش برای تصحیح داده های سناریوهای آینده استفاده شده است. نتایج تحقیق نشان داد روش تغییر عامل دلتا برآوردهای خام را پس از اصلاح به طور قابل توجهی بهبود داد؛ بنابراین از این روش برای تصحیح داده های سناریوهای SSP1-2.6، SSP2-4.5 و SSP5-8.5 استفاده شد. علاوه بر این، پیش نگری های میانگین سالانه بارش در سناریوی SSP1-2.6 بین 2 تا 9 درصد، در SSP2-4.5 بین 5 تا 17 درصد و در SSP2-8.5 بین 8 تا 26 درصد کاهش را نسبت به داده های مشاهده ای نشان می دهند.

هدف از این مطالعه بررسی روند تغییرات زمانی و مکانی دمای ابر و کسر آب ابر در ایران می باشد. جهت دستیابی به این هدف، از محصولات سنجنده SEVIRI ماهواره MSG برای دوره زمانی 2004 تا 2017 استفاده شده است. ابتدا داده های موردمطالعه در یک شبکه منظم جغرافیایی در ابعاد 380×290 تنظیم گردید. سپس خصوصیات ابر برای هر ماه به طور جداگانه استخراج و در نهایتاً تغییرات زمانی آن مدل سازی شد. به منظور ارزیابی دقیق تغییرات متغیرها، ایران ازنظر مکانی به چهار ناحیه جداگانه تفکیک شد. بر اساس روش های آماری، روند تغییرات زمانی، از طریق آزمون من-کندال و شاخص سن باهدف آشکارسازی وجود روند مورد بررسی قرار گرفت. نتایج حاصل از محاسبات شاخص ها نشانگر آن بود که کسر آب و دمای ابر در ایران به غیراز ماه های می و سپتامبر به صورت صعودی بوده است. بیشترین مقدار معنی داری در متغیر کسر آب ابر، در ماه ژوئن در جنوب ایران و حداقل آن در ماه می قابل مشاهده می باشد. بررسی درصدی روند نشان داد که حداکثر مقدار معنی داری دمای ابر، در ماه ژوئن در جنوب ایران و حداقل آن در ماه می بوده است. مطابق محاسبات انجام شده کمترین مقدار کسر آب ابر در ایران به شمال (25 درصد) و بیشترین آن به غرب ایران (6/41 درصد) اختصاص داده شده است. همچنین در ارتباط با دمای بالای ابر، جنوب ایران با 3/58 درصد بیشترین مقدار و شرق ایران با 25 درصد، صعودی بودن داده ها را به خود اختصاص داده اند. حداکثر درصد معنی داری وجود سری در روند دمای ابر، در غرب ایران (83/70 %) و حداقل آن در جنوب (83/45 %) بوده است.

از پیامدهای تغییر اقلیم در مناطق خشکی نظیر ایران، تغییرات زمانی و مکانی توزیع و تمرکز بارش است که می تواند منابع آبی را تحت تأثیر قرار دهد. از سوی دیگر افزایش تمرکز بارش می تواند موجب وقوع مخاطراتی مانند سیل شود. اهمیت موضوع توزیع و تمرکز بارش پژوهشگران را علاقمند به مطالعه در این زمینه کرده است. شاخص تمرکز (CI) روشی است که به منظور مطالعه توزیع و تمرکز بارش استفاده می شود. مطالعه حاضر نیز با هدف محاسبه و تحلیل شاخص تمرکز بارش روزانه 23 ایستگاه شمال غرب ایران طی دوره 1951 تا 2015 انجام گردید. در این پژوهش دامنه مقادیر CI برای محدوده مورد نظر بین 57/0 برای ایستگاه خوی تا 67/0 ایستگاه ماکو و میانگین 61/0 برای تمام ایستگاه ها محاسبه شد. از درونیابی مقادیر محاسبه شده، نقشه CI به دست آمد و نشان داد که قسمت شمال غرب محدوده مورد مطالعه به نمایندگی ایستگاه ماکو از نظر توزیع بارش روزانه در طول سال نسبت به سایر مناطق، بویژه مناطق مرکزی مانند تبریز توزیع یکنواختی ندارد. در مقایسه با میانگین CI کل ایران (64/0) محدوده شمال غرب با میانگین 61/0 از توزیع بارش یکنواخت تری در طول سال برخوردار است.

توفان های تندری از فراوان ترین و شدیدترین مخاطرات آب و هوایی هستند که به دلیل همراهی با رعد و برق، باد شدید، و تگرگ و بارش های شدید موجب خسارات زیادی در سراسر دنیا می شوند؛ بنابراین، شناخت فراوانی، احتمال وقوع، و دوره بازگشت این توفان ها می تواند کمک فراوانی در جهت کاهش خسارات کند. هدف از این پژوهش مدل سازی فضایی- زمانی احتمال وقوع روزهای همراه با رعد و برق در شمال غرب ایران در ماه های آوریل، می، ژوئن، و ژوئیه با استفاده از مدل زنجیره مارکف است. بدین منظور، از کُدهای مربوط به توفان تندری (95 99) در 19 ایستگاه سینوپتیک منطقه در دوره آماری شانزده ساله (2000 2015) استفاده شد. ماتریس فراوانی، ماتریس احتمال انتقال، و ماتریس پایا محاسبه شد و در نهایت توزیع فضایی احتمال وقوع و دوره بازگشت رعد و برق ها ترسیم شد. نتایج نشان می دهد احتمال وقوع رعد و برق های دو و سه روزه در شمال شرقی و جنوب منطقه مورد مطالعه کم است؛ ولی در بخش های مرکزی و شمال غربی بیشتر است. به ازای افزایش طول دوره رعد و برقی، دوره بازگشت آن به صورت تصاعدی افزایش می یابد. توزیع فضایی ماتریس پایا نیز نشان می دهد که احتمال وقوع رعد و برق در مناطق جنوبی و شمال شرقی کمتر است و مناطق مرکزی، شمالی، و شمال غربی بیشترین احتمال وقوع رعد و برق در بلندمدت را دارند.

توفانهای تندری یکی از پدیده های آب و هوایی هستند که به دلیل همراهی با رعد و برق، باد شدید، تگرگ و بارشهای شدید موجب آسیبهای فراوانی در دنیا میشوند. در این پژوهش احتمال وقوع روزهای همراه با توفان تندری در تبریز در فصل بهار با به کارگیری قوانین احتمالاتی و با استفاده از تکنیک زنجیره مارکف مورد تحلیل قرار گرفته است. بدین منظور از داده های روزانه مربوط به توفانهای تندری (کدهای 95 تا 99) در یک دوره آماری 65 ساله (2015- 1951) استفاده گردید. ابتدا روزها به دو دسته روزهای عادی با کد صفر و روزهای همراه با توفان تندری با کد 1 تقسیم شده و تعداد حالتهای انتقال شرطی در ماههای مورد مطالعه شمارش شد. سپس ماتریس احتمال تغییر وضعیت بر اساس روش درستنمایی بیشینه محاسبه گردید. برخی از خصوصیات مهم دیگر، مانند احتمالات ساده تجربی و احتمال تعادل دوره ها، فراوانی وقوع، طول دوره ها و سیکل هوایی نیز تعیین شد و در نهایت با محاسبه فراوانی دوره های همراه با توفان تندری، احتمال وقوع این دوره ها و دوره بازگشت آنها مشخص گردید. نتایج نشان میدهد که کوتاهترین سیکل هوایی مربوط به ماه می است که بیشترین فراوانی توفان تندری را دارد و بالعکس طولانی ترین سیکل هوایی مربوط به ماه آوریل که فراوانی کمتری دارد. در طی دوره آماری 65 ساله، توالی دوره های توفانی یک روزه و دو روزه بیشترین فراوانی را داشته است و بتدریج برای توالیهای طولانیتر، از فراوانی دوره های همراه با توفان تندری کاسته میشود. دوره بازگشت دوره های توفان تندری یک روزه و دو روزه به طور متوسط 5/1 و 5 روز میباشد. رابطه رگرسیونی بین مقادیر مشاهده شده و برآورد شده دوره های n روزه همراه با توفان تندری، نشان می دهد که میزان دقت و اطمینان موردنظر برای همه ماهها، بالاتر از 99 درصد بوده است.