شاخص UTCI

امروزه در برنامه ریزهای صنعت گردشگری، بررسی وضعیت زیست اقلیم انسانی، نقش مهمی را ایفا می کند. در این صنعت می توان در برنامه ریزی های بلندمدت از اقلیم و در برنامه ریزی های کوتاه، از شرایط جوّی کمک گرفت. جهت ارزیابی تحلیل این شرایط از داده های میانگین روزانه دما، رطوبت نسبی، سرعت باد و پوشش ابر 47 ایستگاه هواشناسی سینوپتیک از ابتدای تأسیس تا 2010 استفاده شد. بر اساس آستانه های دمایی شاخص (UTCI) اقدام به تهیه اطلس زیست اقلیمی ایران به صورت سالیانه و فصلی گردید. نتایج این مطالعه نشان داد که توزیع سالانه UTCI در ایران با افزایش ارتفاع، کاهش می یابد؛ به طوری که در نواحی مرتفع زاگرس و البرز به کمترین حد می رسد. روزهای بدون استرس حرارتی به طورکلی از مناطق پست به نواحی مرتفع افزایش می یابد که نشانگر تأثیر عمده توپوگرافی بر آسایش اقلیمی در ایران است. در فصل تابستان مناطق کوهستانی و مرتفع از حداکثر روزهای آسایش (79 روز) برخوردار بوده است؛ درحالی که سواحل پست شمالی و جنوبی و دشت لوت در طول فصل زمستان و پاییز حداکثر روزهای آسایش (38روز) را تجربه کرده اند. فصل بهار در اکثریت مناطق ایران شرایط مطلوب آسایش حاکم بوده است. طی این فصل در مناطق کوهستانی، بیشترین روزهای آسایش(83 روز) رخ داده است. بنابراین آسایش حرارتی در فصل بهار بیشترین مساحت مکانی ایران را دربر گرفته است و با توجه به توزیع فضایی مناسب حداقل (20روز) و حداکثر(83 روز) روزهای آسایش در این فصل، گردشگران و تورهای گردشگری می توانند مقاصد سفرهای خود را به نواحی مختلف ایران برنامه ریزی نمایند.

تنش های گرمایی یکی از عوامل خطر در مرگ و میر به شمار می رود. هدف پژوهش، شناخت پتانسیل شاخص جهانی آب و هوای حرارتی (UTCI) به عنوان شاخص خطر سلامت مرتبط با گرما در ایران است. با استفاده از 32 سال داده های روزانه هواشناسی، مقادیر UTCI در صدک های مختلف برای شناسایی دوره های مرگ و میر بیش از حد در پنج شهر تهران، اهواز، مشهد، شیراز و اصفهان در فصل تابستان تعریف شد. الگوهای فراوانی طبقات شاخص UTCI تابستانه شناسایی شد. آستانه صدک های مقادیر حداقل و حداکثر شاخص برای هر ایستگاه استخراج شد. نتایج پژوهش نشان داد مقادیر تابستانی شاخص بین 4/55 تا 9/1- درجه سانتیگراد متغیر است. در مجموع 08/18% دمای شبانه (دمای حداقل شاخص اقلیم حرارتی) و 64/97 % دمای روزانه (دمای حداکثر شاخص اقلیم حرارتی) روزهای مورد مطالعه همراه با تنش گرمایی بوده است. در طول دوره مورد مطالعه 10 درصد روزهای تابستان در شرایط مرتبط با مقادیر حداکثر شاخص UTCI در سه کلاس تنش گرمایی قوی، بسیار قوی و شدید قرار دارند. همبستگی با داده های مرگ و میر از 5 ایستگاه نشان داد که رابطه بین UTCI و تعداد مرگ و میر بستگی به آب و هوای زیستی ایستگاه دارد و تعداد مرگ و میر در شرایط تنش گرمایی بسیار قوی و شدید افزایش می یابد، یعنی زمانی که UTCI بالای 38 و 46 درجه سیلسیوس است. برازش رده های تنش گرمایی بر تعداد مرگ و میرها با روند تابع LOWESS نشان داد پراکندگی مرگ و میر در راستای شاخص UTCI ماهیت متنوعی داشته و بصورت اشکال بالابر V-، U-، J دیده شد. میزان افزایش مرگ و میر بستگی به سطوح تنش گرمایی دارد و در حدود 35 درجه سیلسیوس و بالاتر، یعنی ورود به محدوده رده تنش گرمایی متوسط شاخصUTCI ، افزایش مرگ و میر مشهود است.

مطالعه حاضر با هدف شناسایی تاثیرگذارترین متغیر اقلیمی بر مصرف انرژی الکتریکی بخش مسکونی و همچنین معرفی بهترین مدل در برآورد مصرف، با استفاده از مدل سازی مصرف انرژی الکتریکی انجام شده است. داده های اقلیمی برای سال های 2003 تا 2022 از مرکز پیش بینی میان مدت وضع هوا (ECMWF) و همچنین دادهای مصرف سالیانه انرژی الکتریکی بخش مسکونی به تفکیک استان های ایران، از توانیر دریافت شد. به منظور بررسی روند، از آزمون ناپارامتریک من-کندال استفاده گردید و برای مدل سازی مصرف انرژی الکتریکی، از مدل های، رگرسیون خطی چندگانه(MLR) ، شبکه های عصبی مصنوعی (ANN)، ماشین بردار پشتیبانی (SVM) و جنگل تصادفی (RF) استفاده شد. نتایج نشان داد که همبستگی میان مصرف انرژی الکتریکی بخش مسکونی و دمای کمینه و بیشینه، در تمام استان های کشور مثبت و رابطه مصرف انرژی الکتریکی با شاخص UTCI در استان های مختلف، مقادیر مثبت و منفی را به خود اختصاص داده است. به طوری که در 22 استان همبستگی مثبت و در 9 استان همبستگی منفی می باشد. نتایج حاصل از برسی روند تغییرات نشان داد که دمای کمینه، دمای بیشینه و انرژی الکتریکی، در همه استان ها روند افزایشی داشته است اما شاخص UTCI، روند منفی را هم در تعدادی از استان ها ثبت کرده است. همچنین رابطه ای که از مدل رگرسیونی گام به گام حاصل شد، نشان داد که در 23 استان، تنها متغیر تاثیرگذار، دمای کمینه می باشد. در استان های اصفهان، خراسان جنوبی و کرمان، متغیر های دمای کمینه و شاخص UTCI به عنوان متغیر تاثیرگذار شناخته شد. در استان های اردبیل، گیلان و گلستان، تنها دمای بیشینه وارد معادله گردید. نتایج حاصل از مدل سازی نشان داد، مدل ANN عملکرد بهتری را نسبت به سه مدل دیگر داشته است. به طوری که بیشترین ضریب همبستگی با 79/0 و حداقل خطا با 360 را ثبت کرده است. مدل های MLR، SVM و RF به ترتیب عملکرد بهینه، در رتبه های بعدی قرار دارند.