درخت حوزه‌های تخصصی

به منظور شناسایی و طبقه بندی الگوهای سینوپتیکی ایجاد کننده سرماهای شدید منطقه شمال غرب کشور دمای حداقل روزانه ماه های ژانویه، فوریه و مارس شش ایستگاه منطقه در دوره 2003- 1986 از سازمان هواشناسی کشور تهیه شد. با استفاده از نرم افزار Excel تعداد 59 روز سرد بر اساس آستانه تعریف شده انتخاب گردید. تمام ویژگی های آماری داده هادر نرم افزار SPSS پردازش شدند. برای روزهای انتخاب شده آمار روزانه فشار ، دما و بردار باد سطح زمین؛ ارتفاع، دما،و بردار باد تراز 500 هکتو پاسکال از سایت cdc.noaa.gov دریافت شد. برای به دست آوردن الگوهای فشار در منطقه مورد مطالعه، داده های فشار روزهای سرد در نرم افزار SPSS با استفاده از برنامه تحلیل عاملی به 11 عامل کاهش یافتند. این عامل ها در مجموع 95 درصد واریانس داده ها را تبیین کردند. سپس با استفاده از روش ادغام وارد(Ward) برنامه خوشه بندی پراکندگی فشار روزانه 59 روز به چهار الگوی پرفشار غربی، کم فشار اورال، الگوی مداری، و پرفشار آرارات تقسیم شدند. این الگوها نشان دادند که در 70 درصد از موارد سرماهای شدید در شمال غرب ایران، اکثرا با استقرار ناوه ای عمیق بر روی شمال ایران و قرار گرفتن منطقه مورد مطالعه در قسمت عقب آن و همچنین وجود یک پرفشار در سطح زمین رخ می دهند. در بقیه موارد سرمایش تابشی سطح زمین عامل اصلی سرماهای شدید می باشد

شهرستان مه ولات با مساحت 3734 کیلومتر مربع تقریبا در مرکز استان خراسان رضوی قرار دارد و یکی از قطب های عمده تولیدات کشاورزی از جمله پسته، انار، زعفران می باشد. در این تحقیق با استفاده از امکانات سامانه اطلاعات جغرافیایی (GIS) منحنی های زمانی مکانی وقوع سرمازدگی بهاره در دو آستانه سرمازدگی ملایم (دمای یک تا صفردرجه) و سرمازدگی شدید (دماهای زیر صفردرجه) و در سطوح احتمالی 99، 95، 75، 50 درصد با توجه به ایستگاه های مجاور و اعمال ضریب همبستگی بین ارتفاع منطقه و آستانه های مورد نظر ترسیم شده است. از انطباق این منحنی ها با تاریخ خارج شدن از رکود زمستانی در نقشه گونه های غالب باغی، پهنه بندی خطر سرمازدگی باغات انجام شده است. مناطقی که تاریخ وقوع آخرین دمای بحرانی بعد از تاریخ خارج شدن از رکود زمستانی باغات باشد، به عنوان منطقه خطر محسوب شد. از نتایج همپوشانی این نقشه ها، سه منطقه پرخطر،خطر و کم خطر در شهرستان شناسایی گشت. با استفاده از این نقشه ها امکان پیش بینی تاریخ وقوع انواع سرمازدگی ها برای تصمیم گیری جهت انتخاب شیوه های مناسب مقابله با سرمازدگی در نقاط مختلف منطقه مورد مطالعه و اقدامات مدیریتی فراهم می گردد

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.

درجه حرارت یکی از مهمترین عوامل محیطی موثر بر رشد و نمو گیاهان است. دماهای بالاتر از حد مقاومت گیاهان موجب کاهش فعالیت فیزیولوژیک آنها می گردد که اصطلاحا تنش گرمایی گفته می شود. واکنش گیاهان به دماهای بالا با نوع کشت و مرحله رشد متفاوت است. دوره بحرانی حساسیت برای گندم در زمان پرشدن دانه است؛ به طوری که در طی مرحله رسیدن چنانچه دمای بیشینه از 30 درجه سلسیوس فراتر رود و رطوبت نسبی کمینه کمتر از 30 درصد و همزمان وزش باد بیش از 3 متر بر ثانیه باشد، سبب بروز تنش گرمایی در محصول می شود. چنانچه مجموعه عوامل فوق در یک روز رخ بدهد، آن روز به عنوان روز بحرانی نامیده می شود. در چنین حالتی گندم دچار تنش گرمایی می شود؛ به طوری که دانه ها چروک خورده، وزن آنها کاهش می یابد. بررسیهای همدیدی بیانگر آن است که احتمال رخداد چنین شرایطی در استان های جنوبی کشور (خوزستان، بوشهر، هرمزگان و سیستان و بلوچستان) در طی مرحله پرشدن دانه بسیار زیاد است. از این رو، بررسی فراوانی و شدت تنش گرمایی بر این محصول استراتژیک حایز اهمیت است. در این بررسی، با استناد به دو تعریف برای روزهای بحرانی و شدیدا بحرانی و با استفاده از داده های روزانه اقلیمی، تنش گرمایی برای محصول گندم مورد مطالعه قرار گرفت. نتایج نشان داد که میانگین تعداد روزهای بحرانی در طول دوره پرشدن دانه در مناطق عمده کشت گندم در استان خوزستان از 3 تا 9 روز و روزهای شدیدا بحرانی به غیر از ایذه از 2 تا 4 روز متغیر است. در استان هرمزگان به علت بالا بودن رطوبت نسبی در دوره حساس گندم روز بحرانی تقریبا وجود نداشته و صرفا در برخی از سال ها رخ می دهد. میانگین این روزها در میناب به یک روز می رسد. در استان سیستان و بلوچستان، میانگین تعداد روزهای بحرانی در زاهدان 5 و در خاش 4 روز است. این روزها در ایرانشهر 6 و در سراوان به 12 روز می رسد که به ترتیب 2 و 3 روز از آنها بشدت بحرانی است. میانگین تعداد روزهای بحرانی در دوره حساس گندم در بندر دیر و بوشهر هر کدام یک روز محاسبه گردیده است. نتایج حاصل از بررسی داده های ایستگاه های مورد مطالعه به دشت های هم اقلیم آنها تعمیم داده شده است.

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.

عنصر بارش یکی از مهم‌ ترین شاخص ‌های تعیین کننده اقلیمی هر ناحیه جغرافیایی محسوب می ‌گردد. در سال‌ های اخیر منطقه آذربایجان بویژه شهرستان مرند شاهد نوسانات قابل توجهی در نزول بارش‌ های سالانه بوده است. این فرایند اقلیمی با حاکمیت پدیده خشکسالی و تبعات بسیار منفی هیدرولوژیکی، بیولوژیکی، کشاورزی و اقتصادی همراه گردیده است. به منظور درک اولیه شرایط اقلیم بارش شهرستان مرند، کلیه مشاهدات بارندگی (جمع آوری شده از ایستگاه‌ های محلی، کلیماتولوژی و سینوپتیک موجود در منطقه) توصیف و مدل سازی شدند. با توجه به اهداف اصلی تحقیق، در مرحله اول، کلیه داده های موجود در یک پایگاه اطلاعات اقلیمی منطقه ‌ای سازماندهی گردید. در مرحله دوم، با استفاده از نرم افزارهای کامپیوتری امکان استخراج متغیرهای آماری و گرافیکی به آسانی میسر شد. در مرحله نهایی، به منظور مدل‌ سازی توزیع مکانی مقادیر بارش در محدوده شهرستان مرند، از سیستم اطلاعات جغرافیایی استفاده گردید. نتایج حاصله نشان می ‌دهد که توزیع زمانی مقادیر بارش دارای نوسانات قابل توجهی است. ضمنا توزیع مکانی بارش ‌های فصلی و سالانه نیز دارای تغییرات مشخصی در محدوده مورد مطالعه است و به نظر می ‌رسد متاثر از شرایط توپوگرافیک منطقه بوده باشد

سواحل جنوبی دریای خزر به دلیل موقعیت جغرافیایی خاص، تحت تاثیر عوامل مختلف جوی قرار می گیرد. نوسان اطلس شمالی(NAO ) یکی از پدیده های موثر در تغییر پذیری اوضاع جوی نیمکره شمالی می باشد که سواحل جنوبی خزر را نیز تحت تاثیر قرار می دهد. در این پژوهش در یک دوره 30 ساله (2003-1974) مقادیر بارش و دمای هوا در سواحل جنوبی دریای خزر با دوره های مثبت و منفی نمایه نوسان اطلس شمالی مورد آزمون همبستگی قرار گرفت و مشخص شد مرحله مثبت شاخصNAO با دوره های افزایش افزایش بارش و کاهش دما، و مرحله منفی شاخص مزبور با دوره های کاهش بارش و افزایش نسبی دما همزمان است. با توجه به اینکه نمایهNAO دارای روند کاهشی و منفی است لذا میزان بارش منطقه مورد مطالعه نیز در حال کاهش و متقابلاً دما نیز در حال افزایش می باشد.

در این مقاله از داده های مربوط به دما و بارش سالانه در یک دوره آماری 44 ساله برای ایستگاه های منطقه شمال غرب ایران که مشتمل بر 16 ایستگاه سینوپتیک می باشد استفاده شده است. از بین این ایستگاه ها تعداد 8 ایستگاه که دارای کامل ترین آمار بوده و منطقه مورد مطالعه را تحت پوشش قرار می دهند انتخاب شده و تجزیه و تحلیل داده ها در مورد این ایستگاه ها انجام گردیده است. روش مورد استفاده در این پژوهش مدل های تابع تبدیل می باشد که جزء روش های تجزیه و تحلیل سری های زمانی است. در همین راستا ابتدا ایستگاه ها بر اساس روش مذکور مدل سازی شده و سپس تحلیل داده ها و عمل پیش بینی بر روی آن ها انجام گرفته است نهایتاً با استفاده از آزمون روند، ایستگاه های مطالعه شده مورد آزمون قرار گرفته و معنی داری روند نوسان های دما و بارندگی در آن ها مشخص شده است. نتایج حاصل از این مطالعه در زمینه بررسی روند دمای سالانه نشان می دهد که سه ایستگاه میانه، تبریز و ماکو دارای روند معنی دار می باشند. در زمینه بررسی روند بارندگی سالانه نیز طبق نتایج آزمون روند، ایستگاه های تبریز، اردبیل، ارومیه وخوی دارای روند معنی دار بوده و در همه آن ها بارندگی سالانه دارای روندی نزولی می باشد.

پیش بینی فرآیندهای آب و هوایی ابزار مناسبی در اختیار مدیران حوزههای مختلف قرار می دهد تا با در نظر گرفتن این پیش بینی ها، سیاست های آینده را در جهت بهینه نمودن صرف هزینه ها و امکانات بهره وری حداکثر طرح ریزی کنند. هدف از این تحقیق بررسی ارتباط الگوهای سینوپتیکی بزرگ مقیاس اقلیمی با بارش محدوده خراسان بزرگ می باشد. در این مطالعه با استفاده از سیستم استنباط فازی- عصبی تطبیقی پیش بینی بارش در بازه زمانی دسامبر تا می(آذر تا اردیبهشت) در منطقه خراسان بزرگ شامل سه استان خراسان رضوی، خراسان شمالی و خراسان جنوبی ارائه شده است. در این مطالعه، ابتدا ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشارسطح دریا، دمای سطح دریا، اختلاف دمای سطح دریا و سطح 1000 میلی باری، دمای سطح 850 هکتوپاسکال، ارتفاع معادل سطح 500 هکتوپاسکال و رطوبت نسبی سطح 300 هکتوپاسکال با بارش متوسط منطقه ای مورد بررسی قرار گرفته است. در انتخاب این مناطق که مجموعه ای از نقاط در خلیج فارس و دریای عمان، دریای سیاه، دریای خزر، دریای مدیترانه، دریای شمال، دریای آدریاتیک، دریای سرخ، خلیج عدن، اقیانوس اطلس، اقیانوس هند و سیبری را شامل می شوند، تاثیر پذیری بارندگی منطقه شمال شرق ایران از الگوهای سینوپتیکی در مناطق فوق مورد توجه قرار گرفته است. سپس، مدل سیستم استنباط فازی عصبی تطبیقی در دوره 1993-1970 آموزش داده شده است و در پایان، پیش بینی بارش در دوره 2002-1993 انجام شده است. نتایج نشان می دهد سیستم استنباط فازی- عصبی تطبیقی در 70 درصد سال ها می تواند بارش را با دقت قابل قبولی پیش بینی کند.

خشکسالی کشاورزی در ایران به عنوان یک فاجعه ی طبیعی برای تمام مردم، به ویژه کشاورزان، شناخته شده است. هرچند از وقوع خشکسالی نمی توان جلوگیری کرد، اما اگر ماهیت و خصوصیات آن مورد مطالعه و بررسی قرارگیرد، می توان نسبت به پیش بینی آن امیدوار بود و با آمادگی از اثرات زیان آور آن کاست. در این نوشتار استان سیستان و بلوچستان با توجه به داشتن شرایط خاص اقلیمی، از نظر پدیده ی خشکسالی، مورد بررسی قرارگرفته است. دراین پژوهش، پایش و پیشبینی خشکسالی استان سیستان و بلوچستان، با استفاده ازالگویی که بر اساس شاخص SPI و درصد از نرمال و زنجیره ی مارکف تهیه شده ،انجام گرفته است. نتایج حاصل از تحقیق نشان میدهد که منطقه ی مورد مطالعه نسبت به خشکسالیهای میان مدت و کوتاه مدت حساس است و بیشتر خشکسالیهایی که در این منطقه اتفاق افتاده است، خشکسالی ملایم و متوسط است و احتمال وقوع پدیده ی خشکسالی در مناطق مرکزی استان بیشتر است.