مطالب مرتبط با کلیدواژه

روزهای یخبندان


۱.

بررسی روند تعداد روزهای یخبندان در استان خراسان شمالی

کلیدواژه‌ها: سری زمانی خود همبستگی خراسان شمالی روزهای یخبندان

حوزه‌های تخصصی:
تعداد بازدید : ۱۷۳۴ تعداد دانلود : ۱۰۷۲
در سالهای اخیر درمحافل علمی جهان موضوع تغییر اقلیم بیشتر مورد بحث قرار گرفته است. در این تحقیق تغییرات احتمالی نوسانات زمانی تعداد روزهای یخبندان استان خراسان شمالی طی دوره آماری 2005 - 1978 مورد مطالعه قرار گرفت. در بررسی های اولیه به منظور آشکار شدن روند در این داده ها از ضریب بحرانی کندال استفاده و معلوم گردید که تعداد روزهای یخبندان طی دوره یاد شده دارای روندی نزولی است که این امر با روند افزایشی میانگین سالانه دما یاد شده همخوانی داشته است. در مراحل بعدی به منظور برازش یک مدل سری زمانی مناسب برای داده های مورد مطالعه از روش باکس - جنکینس استفاده گردید. ابتدا سری مورد مطالعه با اعمال تفاضل گیری ایستا گردید. سپس با رسم منحنی های خودهمبستگی و خودهمبستگی جزیی خاصیت ایستایی و حذف واریانس بررسی و در نهایت مدل سری زمانی (2، 0، 0)ARIMA مناسب تشخیص داده شد. داده های محاسبه شده در سطح 0.95 مورد تایید قرار گرفتند. به منظور آزمون برازش، با استفاده از روش رگرسیون مشخص گردید که مدل سری زمانی در حد اعتماد مورد قبولی بر داده ها برازش دارد. این مدل نشان داد که تعداد روزهای یخبندان طی سالهای آتی همچنان با نوساناتی دارای روندی نزولی می باشد.
۲.

بررسی روند تغییرات آستانه های یخبندان(مطالعه موردی: ناحیه شمالغرب ایران)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تحلیل روند روزهای یخبندان من - کندال آزمون روند سن

حوزه‌های تخصصی:
تعداد بازدید : ۳۸۰ تعداد دانلود : ۳۰۳
یخبندان نوعی پدیده هواشناسی است که در آن آب در مرحله انجماد و یا زیر نقطه انجماد قرار دارد. اگر درجه حرارت در طول شبانه روز کمتر از صفر درجه سانتی گراد باشد، به عنوان پدیده یخبندان نامیده می شود. یخبندان پیامدهای مهمی بر جنبه های گوناگون زندگی انسان، به ویژه فعالیت های کشاورزی و تولید مواد غذایی دارد. در این مطالعه به منظور بررسی روند تغییرات آستانه-های یخبندان در نواحی شمال غرب ایران از رویکرد های ناپارامتری (من-کندال)، پارامتری (ضریب همبستگی پیرسون) و آزمون روند سن استفاده گردید. نتایج تحقیق نشان داد که آزمون های من-کندال و پیرسون در ایستگاههای اردبیل، پارس آباد، ماکو، مراغه و مهاباد روند منفی داشتند به طوریکه از بین این ایستگاه ها فقط ایستگاه اردبیل در سطح اعتماد 05/0 با توجه روش من-کندال روند معنی دار کاهشی را نشان داد و بقیه ایستگاه های ذکر شده روندشان معنی دار نبود. روش آزمون روند سن برای ایستگاه مهاباد در همه مقادیر روند کاهشی ارائه داد درحالی که این روش در ایستگاه مراغه هیچ روندی نداشت. ایستگاه های تبریز و ماکو فقط در مقادیر کم باند 5 درصد روند منفی نشان دادند و برای بقیه مقادیر در دو باند مورد بررسی هیچ روندی را نشان نداد. ایستگاه اردبیل هم به جز مقادیر کم باند 10درصد در بقیه مقادیر روند منفی داشت. ایستگاه های ارومیه، پارس آباد و خوی در برخی مقادیر روند منفی و در برخی هم روند مثبت نشان دادند. بررسی تغییرات آستانه های این پدیده اقلیمی می تواند به تصمیم گیری بهتر در خصوص کشاورزی، مدیریت منابع آب و سازگاری با اثرات تغییر اقلیم در این بخش از کشور کمک کند.
۳.

دورنمایی از تغییرات فراوانی روزهای یخبندان در ایران با مدل های گردش عمومی جو(مقاله علمی وزارت علوم)

کلیدواژه‌ها: ایران روزهای یخبندان ریزمقیاس نمایی گرمایش جهانی

حوزه‌های تخصصی:
تعداد بازدید : ۳۸۲ تعداد دانلود : ۴۲۴
شرایط زمستان در معرض تغییرات سریع آب و هواست. این تغییرات می تواند در شاخص های دمایی و بارش نمود پیدا کند.دراین میان، یخبندان، به دلیلتأثیرپذیریمستقیمونمودسریعتأثیراتگرمایش جهانی،بیشترموردتوجهاست. در این پژوهش با استفاده از داده های 44 ایستگاه همدید ایران طی بازه زمانی 1981-2010 و برون داد دو مدل ریزگردانی شده گردش عمومی جو HADCM3 و GFCM21 برای بازه های زمانی 2046-2065 و 2080-2099 تحت سه سناریوی انتشار A2، B1، و A1B اثرات گرمایش جهانی بر تغییرات فراوانی روزهای یخبندان در ایران بررسی شد. نتایج بیانگر این بود که در اقلیم میانی (2046 2065) بر اساس مدل GFCM21 و سناریوهای B1، A1B، و A2 میانگین رخداد سالانه یخبندان در ایران به ترتیب 37، 46، و 41 روز خواهد بود. بر اساس مدل HADCM3 و سناریوهای یادشده، میانگین رخداد سالانه یخبندان به ترتیب 41، 42، و 46 روز است. در دوره 2081-2099، بر مبنای مدل GFCM21، میانگین شاخص یادشده 31، 29، و 43 روز خواهد بود و بر مبنای مدل HADCM3، 33، 28، و 38 روز است. به طور کلی، نتایج این پژوهش نشان داد که در همه ایستگاه های مورد مطالعه تعداد روزهای یخبندان در دهه های آتی رو به کاهش است.
۴.

آشکارسازی تغییر اقلیم محلی به کمک بررسی نوسانات زمانی روزهای یخبندان (مطالعه موردی مشهد)(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: تغییر اقلیم روزهای یخبندان نوسان روند

حوزه‌های تخصصی:
تعداد بازدید : ۲۱۳ تعداد دانلود : ۱۳۹
در این تحقیق به منظور آشکارسازی تغییرات احتمالی اقلیم محلی، نوسانات زمانی روزهای یخبندان مشهد طی دوره آماری 1951-2000 مورد مطالعه قرار گرفت . در بررسی های اولیه مشخص شد که میانگین سالانه دما و دمای حداقل مطلق طی دوره یاد شده، روند صعودی دارند که این امر با روند نزولی تعداد روزهای یخبندان هم خوانی مناسبی از خود نشان می دهد. پس از انجام آزمون همگنی بارتلت همگن بودن داده های مورد مطالعه اثبات شد، با هدف آشکار شدن روند در این داده ها از ضریب بحرانی کندال استفاده شد و معلوم شد در مجموع روزهای یخبندان سالانه شهر مشهد دارای روند نزولی است. پس از انجام آزمو ن های بعدی نیز نتیجه گرفته شد که این روند تا حدودی مداوم بود چون در بعضی سال ها به هم خورده است. در نهایت معادله همبستگی تعداد روزهای یخبندان مشهد و سا لهای دوره آماری ب هصورت رابطه Y=107/35-0/53X محاسبه شد که این همبستگی نیز معنی دار بوده و بیانگر تغییرات 29/5- روزه در تعداد روزهای یخبندان طی دوره 50 ساله ی مورد مطالعه می باشد. چنین استنباط شد که داده های مذکور روند خطی مداوم شدیدی از خود نشان نداده، بلکه بیشتر رفتار نوسانی داشته است . در نهایت نیز با استفاده از آزمون Mann-kendail دو روند صعودی و دو روند نزولی معنی دار مشاهده شد . در انتهای دوره نیز یک نقطه تغییر دیده شد که معنی دار نبود و به طور کلی از حدود سال 1976 به بعد تعداد روزهای یخبندان در مشهد یک روند نزولی را پیش گرفته است. در مرحله بعد به منظور برازش یک مدل سری زمانی مناسب بر داده های مورد مطالعه از روش Box-Jenkins استفاده شد و با استفاده از منحنی های P-P¹ و اعمال تفاضل گیری از مرتبه اول، داده ها نرمال شدند و سپس با تحلیل منحنی های PACF³ و ² ACF خاصیت ایستایی داده ها و حذف واریانس نیز بررسی و لحاظ گردید و در نهایت مدل سری زمانی ( 0,ARIMA (1, 1, برای سری مورد مطالعه، مناسب تشخیص داده شد و به منظور آزمون برازش از روش رگرسیون بهره گیری شد و در حد اعتماد 0/005 صحت مدل مورد تایید قرار گرفت به گونه ای که این مدل توانست تعداد روزهای یخبندان سال 2001 مشهد را با خطایی در حدود 3/3 درصد پیش بینی کند.