بارش

در این پژوهش، سعی شده تا با استفاده از روش همبستگی لوند، رابطه الگوهای فشار روزانه تراز دریا با بارش استان گیلان، طی دوره 1976 تا 2005 در ماه سپتامبر مطالعه شود. در روش همبستگی لوند که روش ویژه ای برای شناسایی رابطه بین الگوهای گردشی و عناصر اقلیمی می باشد، رابطه بین الگوهای فشار تراز دریا و بارش های روزانه ماه سپتامبر در گیلان شناسایی و بررسی گردد. در این راستا فشار روزانه تراز دریا در محدوده ی طول جغرافیایی 0 تا 70 درجه ی شرقی  و عرض جغرافیایی 10 تا 60 درجه ی شمالی با تفکیک مکانی 5/2 × 5/2 از پایگاه داده های جوی NCEP/NCAR استخراج شد. داده های بارش روزانه 23 ایستگاه از سازمان هواشناسی و وزارت نیرو تهیه شد. با اعمال روش لوند بر روی داده های فشار، 6 الگو برای سپتامبر استخراج گردید. نتایج حاصله نشان می دهد که استقرار الگوی های فشار و تامین رطوبت آن ها از دریای خزر و دریای سیاه، تاثیر زیادی در تولید بارش دارد، به طوری که اگر هم فشار های گسیل شده به سمت گیلان از روی دریای خزر و یا دریای سیاه عبور کند، در سواحل گیلان بارش قابل ملاحظه ای ایجاد می کنند. بارش های حاصل از این الگوها، در امتداد ساحل خزر بیش تر از مناطق مرتفع استان می باشد. حضور پرفشار سیبری و کم فشار برروی اروپا و یا حضور پر فشار بروی اروپا موجب تولید بارش در استان گیلان می شود. اما با استقرار کم فشار روی سیبری و عبور زبانه های گرم این سامانه از روی دریای خزر، شرایط تولید بارش مهیا نمی شود و یا میزان بارش تولید شده ناچیز است.

در این پژوهش اثرات تغییر اقلیم بر میزان و توزیع بارش و دما در ایستگاه سینوپتیک کرمان بررسی شد. به این منظور خروجی مدل های اقلیمی جهانی گزارش ششم IPCC برای دوره پایه (1965 تا 2014) برای بارش و دما در مقایسه با داده های ایستگاه ارزیابی شد. برای ارزیابی مدل ها از معیارهای خطاسنجی شامل ضریب همبستگی (r)، جذر میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و شاخص KGE استفاده شد. سپس بهترین مدل ها برای پیش بینی این دو متغیر در سال های آینده (2051 تا 2100) بر مبنای سناریوهای مختلف اقلیمی (SSP1-2.6، SSP2-4.5، SSP3-7.0 و SSP5-8.5) انتخاب شدند. در نهایت تغییرات توزیع بارش و دما در دوره آینده نسبت به دوره پایه مورد بررسی قرار گرفت. بر اساس نتایج مطالعه حاضر پس از اصلاح اریبی مدل ACCESS-CM2 برای تخمین دما (ME=0 °C، RMSE=1.87 °C، r=1، KGE=0.998) و مدل MRI-ESM2-0 برای تخمین بارش (ME=-0.002 mm/month، RMSE=17 mm/month، r=0.484، KGE=0.468) از دقت بهتری برخوردار هستند. نتایج بررسی روند تغییرات بارش و توزیع آن نشان دهنده عدم معنی داری روند تغییرات (مقادیر P-value بیشتر از 1/0) و عدم معنی داری تغییر میانگین و واریانس بارش (مقادیر P-value کمتر از 05/0) بود و لذا احتمال افزایش وقوع بارش های حدی نمی تواند از نظر آماری قابل انتظار باشد. اما تغییرات روند، میانگین و واریانس دما از نظر آماری معنی دار بوده و احتمال وقوع تنش های گرمایی در آینده افزایش خواهد یافت. افزایش معنی دار دما در آینده می تواند منابع آبی شهر کرمان را از نظر کمی و کیفی تحت تاثیر قرار دهد که این مسئله مستلزم توجه بیشتر سیاست گذاران به مدیریت مناسب منابع آب است.

بارش یکی از اصلی ترین اجزای چرخه هیدرولوژی است. علاوه بر این، توزیع بارش نقش بسیار مهمی را در توازن انرژی کره زمین و دسترسی بشر به منابع آبی ایفا می کند؛ اما بارندگی همواره برای بشر ثمربخش نیست. هرساله وقوع سیل در کشور ایران خسارات جانی و مالی بسیاری را به مردم و زیرساخت ها تحمیل می نماید. برای به حداقل رساندن این خسارت ها لازم است مقدار بارش های وقوع یافته اندازه گیری شود، تا بتوان برای کاهش خسارت ها برنامه ریزی کرد. ازآنجایی که اندازه گیری بارش با دقت مکانی و زمانی بالا هزینه بسیاری دارد، مدل های بسیاری برای تخمین مقادیر بارش توسعه یافته اند؛ اما برای استفاده از داده های خروجی این مدل ها لازم است ابتدا عملکرد آن ها مورد ارزیابی قرار گیرد. در این پژوهش به ارزیابی عملکرد دو محصول تخمین بارش PERSIANN-CCS و PDIR-Now با استفاده از بارش های تمامی ایستگاه های سینوپتیک کشور برای خسارت بارترین سیلاب های ایران در سال های 1396 الی 1398 اقدام گردید. برای ارزیابی عملکرد از شاخص های آماری PC، BIAS، FAR، POD، HSS، R2، ME، MAE و RMSE استفاده شد. نتایج به دست آمده بیان گر تغییرپذیری بالای شاخص ها در وقایع مختلف است. به طور میانگین ملاحظه شد که محصولات PERSIANN-CCS و PDIR-Now اگرچه دارای میانگین PC بالا هستند اما به ترتیب دارای ضریب تعیین 16/0 و 19/0 و RMSE برابر با 38/9 و 78/12 بوده که مقادیر بسیار مطلوبی نیستند. با توجه به شاخص های آماری خطا در تاریخ های موردبررسی ملاحظه می شود که این دو محصول برای تخمین مقادیر بارش تمامی ایستگاه ها عملکرد مناسبی نداشته و برای تخمین بهتر بارش های منجر به سیلاب های سنگین، بررسی های بیشتر پیشنهاد می شود.

تغییرات اقلیمی یکی از اصلی ترین معضل کره زمین در عصر حاضر است بنابراین پیش بینی این تغییرات در آینده و اثرات آن بر منابع آب، محیط طبیعی، کشاورزی و اثرات زیست محیطی، اقتصادی و اجتماعی از اهمیت ویژه ای برخوردار است. به همین دلیل در پژوهش حاضر اثرات تغییر اقلیم جهانی بر نواحی مختلف آب وهوایی کشور در نواحی 12 گانه اقلیمی مورد بررسی قرار گرفت. در این پژوهش از داده های NCEP و عناصر اقلیمی بارش، دمای بیشینه و کمینه در دوره پایه (2005-1961) برای ریزمقیاس نمایی آماری با مدل SDSM استفاده شد؛ و با استفاده از خروجی مدل CanEMS2 تحت سناریوهای RCP برای سه دوره آماری 2040- 2011، 2070-2041 و 2099-2071 تغییرات سالانه عناصر اقلیمی به دست آمد. برای ارزیابی عملکرد مدل از ضریب همبستگی، ضریب تعیین و شاخص های خطا سنجی RMSE، MSE و MAD استفاده شد و نتایج نشان داد که مدل SDSM عملکرد مناسبی برای تولید عناصر اقلیمی دارد. بااین حال نتایج به دست آمده نشان داد که دقت مدل در ایستگاه های مختلف متفاوت است. بدین صورت که هر مدل در شبیه سازی دمای کمینه و بیشینه از عملکرد مناسبی نسبت به بارش برخوردار است. همچنین نتایج بلندمدت سالانه نشان داد که بارش در تمامی نواحی اقلیمی مورد مطالعه در دهه های آتی کاهش پیدا خواهد کرد که بیشترین کاهش در نواحی بیابانی نیمه گرم داخلی (35 درصد) و خیلی مرطوب و معتدل (32 درصد) اتفاق خواهد افتاد؛ اما تغییرات دمای کمینه و بیشینه در نواحی مختلف اقلیمی متفاوت خواهد بود به طوری که تحت سناریوهای RCP در طول تمام دوره آماری در ایستگاه سبزوار و طبس تغییرات کمینه دما کاهشی خواهد بود ولی در دیگر نواحی اقلیمی روند تغییر دمای کمینه و بیشینه افزایشی خواهد بود. بیشترین افزایش کمینه و بیشینه دما بر اساس سناریوهای RCP تحت سناریوی RCP8.5 در دوره آماری 2099-2071 در ناحیه اقلیمی کوهستانی سرد به ترتیب با 03/3، 27/4 درجه سانتی گراد خواهد بود.

در تحقیق حاضر متغیرهای اقلیمی دما و بارش حوضه آبریز دریاچه ارومیه با استفاده از مدل های CMIP6 تحت دو سناریوی SSP1-2.6 و SSP5-8.5 در بازه های زمانی آینده (2055-2031 و 2095-2071) مورد پیش نگری و ارزیابی قرار گرفتند. ابتدا دقت مدل ها برای دوره پایه (2014-1990) پس از ریزمقیاس نمایی با روش های مختلف نگاشت چندک با استفاده از نمودار تیلور و شاخص های RMSE و NRMSE مورد ارزیابی قرار گرفت و از بین مدل ها، مدل MRI-ESM2-0 برای دما و مدل INM-CM5-0 برای بارش با روش ریزمقیاس نمایی SSPLIN جهت پیش نگری اقلیم آینده انتخاب شدند، سپس داده های دما و بارش آینده تولید گردیدند. نتایج مقایسه دما و بارش دوره های آینده با دوره پایه نشان دادند که دمای متوسط سالانه حوضه تحت همه سناریوها افزایش خواهد داشت. میزان افزایش دمای متوسط سالانه حوضه در آینده نزدیک در سناریوهای خوش بینانه و بدبینانه به ترتیب 5/1 و 8/1 درجه سلسیوس و در آینده دور به ترتیب 4/1 و 4 درجه سلسیوس خواهد بود. بارش متوسط سالانه در تمامی سناریوها کاهش خواهد یافت، در آینده نزدیک در سناریوهای خوش بینانه و بدبینانه به ترتیب 9/19 و 6/21 درصد و در آینده دور به ترتیب 12 و 6/28 درصد کاهش خواهد یافت. بر اساس توزیع مکانی تغییرات دما و بارش در دوره های آتی بیشترین افزایش دما و بیشترین کاهش بارش در مناطق شمالی حوضه اتفاق خواهد افتاد.  

باتوجه به اینکه تاکنون هیچ مطالعه ای به ارزیابی توأمان روش های ریزگردانی NEX-GDDP و CORDEX- WAS جهت درستی سنجی خروجی مدل های CMIP5 در ایران برای فرا سنج های دما و بارش انجام نشده است؛ لذا این مطالعه برای نخستین بار در ایران مقایسه عملکرد مدل MPI-ESM-LR از سری مدل های CMIP5 را برای متغیرهای دما و بارش با رویکرد توأمان روش ریزگردانی دینامیکی و آماری برای دوره تاریخی 2005-1980 موردمطالعه قرار می دهد. جهت درستی سنجی، آماره های MBE، RMSE و r مورداستفاده قرار گرفت. برای برآورد شیب روند داده ها در سری زمانی، از روش ناپارامتریک سنس استفاده می شود. نتایج نشان داد در پروژه کوردکس میزان اریبی 34/0- درجه سلسیوس و در پروژه NEX-GDDP میزان اریبی 46/0- درجه سلسیوس ثبت شده است که بیانگر عملکرد بهتر مدل MPI-ESM-LR تحت پروژه ریزگردانی دینامیکی کوردکس در مقایسه با پروژه آماری NEX-GDDP در شبیه سازی دما می باشد. در هر دو پروژه بیشینه دما در سواحل جنوب و کمینه دما در ارتفاعات شمال غرب کشور شبیه سازی شده است. در شاخص MBE پروژه NEX-GDDP با اریبی 60/2- میلی متر در مقایسه با پروژه کوردکس با اریبی 21/8- میلی متر، کاهش اریبی را نشان می دهد که بیانگر عملکرد بهتر مدل MPI-ESM-LR در پروژه NEX-GDDP نسبت به پروژه کوردکس در شبیهسازی بارش می باشد. بیشینه بارش در هر دو پروژه در ارتفاعات زاگرس و کمینه بارش در جنوب شرق کشور شبیه سازی شده است

رویدادهای اقلیم و آب و هوایی حدی در سالهای اخیر به دلیل تلفات جانی انسانی و افزایش تصاعدی هزینه های مرتبط با آنها، مورد توجه قرار گرفته اند. این رویدادها، تأثیرات عمیقی بر اقتصاد و معیشت بسیاری از مردم و مناطق جهان می گذارند. تشخیص این رویدادها از نظر شدت، مدت و فراوانی به منظور چارچوب بندی راهبردهای کاهش و سازگاری مقابله با اثرات ناشی از تغییر اقلیم بسیار حیاتی و ضروری است. هدف این تحقیق تحلیل روند تغییرات شاخص های حدی بارش جهت آشکارسازی وقوع تغییر اقلیم در شهرستان نجف آباد با استفاده از آمار 20 ساله روزانه ایستگاه سینوپتیک نجف آباد از سال 2003 تا 2022 می باشد. بدین منظور برای بررسی روند تغییرات از شاخص های حدی بارش از آزمون ناپارامتریک من-کندال استفاده شد. نتایج نشان داد شاخص های حدی بارش الگوهای متفاوتی از شدت، مدت و فراوانی بارش ارائه می دهند. شاخص-هایPRCPTOT ، CDD، CWD، R10mm، R20mm، R95p، Rx5day و SDII روند کاهشی و شاخص های Rnn mm، R99p و Rx1day روند افزایشی دارند. ولی به دلیل پراکندگی زیاد و میزان کم بارش، الگوی بارش منطقه ای مشخص و کاملی قابل تشخیص نیست. بطور کلی، نتایج نشان داد بارش ها از روند منظمی تبعیت نمی کنند. نتایج حاصل از این پژوهش می توانند در راستای مدیریت صحیح و مقابله با شرایط احتمالی، راهکارهایی مرتبط با رخدادهای حدی ارائه دهند. ضمن اینکه، ترکیب داده های هواشناسی طولانی مدت با ادراک جوامع محلی آسیب پذیر و متاثر از تغییر اقلیم، می تواند به عنوان الگویی برای مدیران دراستای تصمیم گیری خردمندانه و برنامه ریزی مناسب تر مدنظرقرارگیرد.

بارش به عنوان یکی از مهم ترین عناصر اقلیمی و مؤلفه ای اصلی و تعیین کننده در بیلان آب هر منطقه تلقی می گردد. تغییر زمانی و مکانی بارش برحسب نوع اقلیم هر منطقه متفاوت بوده و این تغییر به ویژه در مناطق دارای اقالیم خشک و نیمه خشک بیشتر است. منطقه شمال غرب ایران علاوه بر نیمه خشک بودن، به دلیل کوهستانی بودن شاهد تغییرات زمانی و مکانی زیادی ازنظر بارش است. شناخت و بررسی این متغیر و روند آن می تواند در پیش نگری ها و ترسیم چشم انداز تغییرات احتمالی آن مفید و مؤثر واقع شود. در این پژوهش برای پیش بینی بارش سالانه ایستگاه های منتخب شمال غرب ایران شامل: تبریز، ارومیه، سقز، زنجان، سنندج و خوی طی دوره آماری ۶۱ ساله (۲۰۲۱-۱۹۶۱) از سری زمانی استفاده گردید. به منظور ارزیابی ایستایی مدل از تابع خودهمبستگی استفاده شد و داده های ناایستا با به کارگیری روش تفاضل گیری به داده های ایستا تبدیل شدند. سپس مدل های تصادفی برای تعیین بهترین مدل برای برازش بارش ایستگاه ها مورد ارزیابی قرار گرفتند. توزیع سری زمانی و تحلیل روند معادله خط رگرسیون بارش ایستگاه های همدید شمال غرب برحسب میلی متر نشان دهنده این است که شیب خط در همه ایستگاه ها، روند کاهشی دارد و کاهش بارش در ایستگاه ها بین ۱ تا ۳ میلی متر در سال برآورد شده است. از بین مدل های میانگین متحرک (MA)، اتورگرسیون (AR)، مدل میانگین متحرک خودهمبسته (ARMA) و مدل میانگین متحرک تجمعی خودهمبسته (ARIMA) برحسب مقدار قدر مطلق آماره T بیش تر از مقدار ۲، P– value کمتر از ۰۵/۰ و کمترین مقدار معیار اطلاعات آکائیکی (AIC)، مدل (۰، ۰، ۱) AR برای ایستگاه های سقز، زنجان، ارومیه، خوی و تبریز و مدل (۱،۰،۱) ARIMA برای ایستگاه سنندج به عنوان بهترین مدل تعیین شدند. نتایج پیش بینی نشان دهنده افزایش بارش برای سال ۲۰۲۳ و کاهش بارش برای سال های ۲۰۲۴ و ۲۰۲۵ است.

ارزیابی کیفیت اطلاعات ثبت شده مربوط به بارش و آبدهی ایستگاه ها نقش مهمی در بهبود کارایی و اصلاح نواقص آنها دارد. به همین علت جهت ایجاد و توسعه شبکه هایی مناسب و بهینه، شبکه ها باید مرتبا و در بازه های زمانی منظم براساس نیا-زهای پیش رو مورد ارزیابی و پایش قرار گیرند. در پژوهش حاضر با استفاده از تئوری آنتروپی، ارزش منطقه ای ایستگاه های باران سنجی و آب سنجی حوزه آبخیز جراحی- زهره مورد بررسی قرار گرفته است. با در نظر گرفتن گروهی از شاخص های آنتروپی، به تعیین ایستگاه های شاخص و مناطق ضعیف از نظر تبادل اطلاعات در شبکه پایش حوزه آبخیز پرداخته شده است و در نهایت پهنه بندی انجام گرفته است. براساس نتایج بدست آمده، 39/7 درصد از مساحت حوزه فاقد ایستگاه باران سنجی می باشد، در حالیکه نزدیک به 53 درصد مساحت حوزه در کلاس کمبود، کمبود شدید و فاقد تبادل اطلاعات بوده و 40 درصد از مساحت حوزه را کلاس متوسط، بالای متوسط و مازاد تشکیل داده است. بنابراین تراکم 42 ایستگاه منتخب شبکه باران سنجی حوزه جراحی- زهره قابل قبول نمی باشد و ضروری است نسبت به پراکنش و چیدمان ایستگاه های باران سنجی حوزه تجدیدنظر جدی صورت گیرد. همچنین 16/21 درصد از مساحت حوزه فاقد ایستگاه آب سنجی می باشد. در حالیکه بالغ بر 7/5 درصد مساحت حوزه در کلاس کمبود، کمبود شدید و فاقد تبادل اطلاعات و بیش از 73 درصد از مساحت حوزه را کلاس متوسط، بالای متوسط و مازاد تشکیل داده است. بنابراین تراکم 16 ایستگاه منتخب شبکه آب سنجی حوزه جراحی- زهره بهینه می باشد.

جهت بررسی رفتار فصلی طول دوره های خشک از داده های بارش در مقیاس روزانه برای 44 ایستگاه سینوپتیک ایران و دوره آماری30 ساله (2018-1988) استفاده شد. بعد از یکپارچه سازی آماری داده ها، دوره های بلندمدت با تداوم بیش از 20 روز مبنای مطالعه قرار گرفتند. در گام بعدی برای تعیین وزن فصلی دوره ها از روش ارزیابی گام به گام منطق فازی - عددی سوارا(SWARA)، استفاده شد. در چهار گام اساسی اهمیت نسبی دوره های پرتکرار، وزن اولیه، وزن نهایی و نرمال شده دوره ها مشخص شد. اثرگذاری و وزن هرکدام از معیارها با روش سوارا در محیط فازی نشان داد که در مناطق غربی و شمالی کشور، بیشترین وزن اولیه در تبیین دوره ها را فصل زمستان و بهار و معیارهایی مانند برگشت پذیری و درصد احتمال رخداد دارا هستند. در تبیین نهایی نیز این دو فصل وزن بالایی داشتند. این دو فصل بیش از 65 درصد وزن دوره ها در این مناطق را تبیین می کنند. در مناطق جنوبی و بخش هایی از مرکز(اصفهان، شرق فارس و غرب کرمان)، فصل زمستان و پاییز بیش از 71 درصد وزن دوره ها را تبیین می کنند. در بین معیارهای تبیین کننده وزن دوره ها نیز معیار برگشت پذیری و احتمال رخداد بیش از 55 درصد وزن را به خود اختصاص داده است. تغییرپذیری معیارها در مناطق شمالی و مرطوب کشور از برگشت پذیری، تداوم و احتمال رخداد بیشتری برخوردار است. این امر حاکی از این امر است که مرز مناطق خشک در آینده اقلیم ایران به سمت مناطق شمالی جابه جا می شود. می توان اذعان نمود که رفتار دوره های خشک بلندمدت بیشتر تابعی از دو معیار برگشت پذیری و احتمال رخداد آن هاست.

خشکسالی به عنوان مخاطره ای اقلیمی، تأثیر بسزایی بر محیط زیست و به تبع آن انسان و سایر موجودات زنده دارد. ازاین رو پایش و پیش بینی این پدیده امری لازم و ضروری می باشد. در این پژوهش با هدف بررسی و ارزیابی پیش بینی خشکسالی در نیمه غربی کشور از شاخص خشکسالی استاندارد شده چند متغیره (MSDI) و روش های مبتنی بر هوش مصنوعی استفاده شده است. جهت پیش بینی مقادیر این شاخص در محدوده مطالعاتی، از داده های ماهانه بارش و رطوبت خاک پایگاه داده MERRA طی دوره 36 ساله (1980-2016) به عنوان ورودی و مقادیر محاسبه شده MSDI بعنوان خروجی بهره برده شد. نتایج تحلیل خشکسالی ماهانه براساس این داده ها نشان داد که شدیدترین خشکسالی در منطقه مورد مطالعه حد فاصل ماه های مارس تا اکتبر به وقوع پیوسته و کانون اصلی وقوع این پدیده، استان های لرستان و خصوصاً ایلام و کرمانشاه می باشند. این نتایج با بررسی نقشه های فصلی و سالانه نیز مطابقت دارد. طبق طبقه بندی شاخص MSDI، خشکسالی شدید در منطقه مورد مطالعه ثبت نشده است و خشکسالی ها در طبقه متوسط قرار داشتند. نتایج حاصل از مدل سازی شبکه های عصبی مصنوعی نیز نشان داد که استفاده از شبکه های عصبی مصنوعی به طور کلی از توانایی شبیه سازی مناسبی برخوردار می باشند. از بین الگوریتم های استفاده شده جهت بهینه سازی شبکه عصبی مصنوعی، الگوریتم ژنتیک، بهترین عملکرد را نسبت به سایر روش ها در پیش بینی خشکسالی ها دارا می باشد.

تغییرات آب و هوایی، چالش هایی اساسی را برای امنیت انسانی در سراسر جهان ایجاد کرده اند که امروزه، به یکی از مهمترین دغدغه های بسیاری از کشورهای جهان تبدیل شده اند. در این راستا هدف پژوهش حاضر تحلیل تاثیر تغییرات آب و هوایی بر امنیت استان کردستان، می باشد. رویکرد حاکم بر فضای تحقیق کمی و نوع تحقیق کاربردی و از نظر روش، توصیفی-تحلیلی است. اطلاعات پژوهش از دو طریق کتابخانه ای و میدانی (پرسشنامه) جمع آوری شده است. در این تحقیق از 10 نمایه فرین تحت تغییرات آب و هوایی به همراه 5 بعد امنیتی که در مجموع 50 شاخص را تشکیل داده اند استفاده شده است. در این پژوهش به منظور ارزیابی شرایط آب و هوایی آینده استان کردستان از مدل HadGEM2-ES مبتنی روش ریزمقاس نمایی MARKSIM طی دوره 2010 تا 2095 میلادی تحت دو سناریوی RCP4.5 و RCP8.5 مورد استفاده قرار گرفته است. جهت تحلیل داده های پرسشنامه از نرم افزار SPSS استفاده شد. نتایج نشان داد که تغییرات آب و هوایی می تواند بر تمامی ابعاد امنیت به صورت مستقیم و غیر مستقیم در مقیاس های محلی و منطقه ای بخصوص در استان کردستان تاثیرگذار باشد. این تاثیرات در ابعاد مختلف به صورت های متفاوت (مثبت و منفی) قابل مشاهده می باشد.

فضا، قلمرو چندبُعدی و بی حدومرزی است که موقعیت نسبی پدیده ها در آن منعکس می شود. در طی چند دهه اخیر سطح آب دریاچه ارومیه به عنوان یک دستگاه جغرافیایی و سیستم پیچیده متأثر از برخی از عوامل طبیعی و انسانی، به شدت کاهش پیدا کرده است. درجهت بررسی آستانه ذخیره آب سدها در کاهش تراز آب دریاچه ارومیه، ابتدا بانک داده های مورد نظر تهیه شد: (DEM حوضه، داده های ایستگاه های کلیماتولوژی، دبی ایستگاه های هیدرومتری و اطلاعات سدها). روابط خطی بین ارتفاع و دما و بارش و ارتفاع در نرم افزار SPSS برآورد شد، با درنظرگرفتن ایستگاه های کلیماتولوژی و سدها به عنوان نقطه خروجی، زیرحوضه های متعددی استخراج شد و حجم ورودی آب به داخل حوضه های فاقد ایستگاه هیدرومتری، با استفاده از روش جاستین برآورد شد. همچنین درصد دبی سالانه نسبت به بارش سالانه و تغییرات حجم ذخیره آب سدها تجزیه وتحلیل شد. نتایج دال بر این است که حجم مخزن 46 سد در 12 زیرحوضه (68/1628 میلیون مترمکعب) حدود 21 درصد از حجم کل رواناب حوضه را به خود اختصاص داده اند، این عدد تا سال 1996 سدها 13 درصد بوده و در سال 2013 به 8/21 درصد رسیده است. در سال 1970 با ساخت سد مهاباد با حجم مخزن 8/197 میلیون مترمکعب، حجم مخزن سدها از آستانه محیطی گذشته و کاهش تراز آب دریاچه، غیرقابل بازگشت به گذشته شده است. بررسی حجم مخزن سد باتوجه به  حجم آبگیری و حجم بارش حوضه ای سدها بیان کننده این است که از مجموع 41 سد، مخزن 28 سد متناسب با پتانسیل بارشی حوضه ساخته شده است. نسبت حجم مخزن به حجم بارش 33 سد، شرایط خیلی مطلوب و 6 سد، شرایط مطلوب دارند.

دلیل اصلی وجود عدم قطعیت در تعیین کمبود منابع آبی در آینده، تغییر اقلیم است. به دلیل گرم شدن کره زمین نگرانی هایی در مورد افزایش یا کاهش بارندگی وجود دارد و این مسأله برنامه ریزی و مدیریت منابع آب را پیچیده می کند. از این رو بررسی روند بارش از اهمیت بسزایی برخوردار است. روند خطی گزارش شده در ارزیابی های اقلیمی ایران و جهان، منعکس کننده تغییر در میانگین بارش سالانه است. روند میانگین، نمی تواند تغییرات سایر چندک های توزیع، از جمله دم های توزیع (میزان بارش بسیار زیاد و کم) را منعکس کند. در این مطالعه از روش رگرسیون چندک[1] (QR) برای تعیین روند بارش های سنگین (بارش های بیشتر از صدک 98ام توزیع بارش) فصلی و سالانه ۴4 ایستگاه سینوپتیک کشور برای دو دوره ی نرمال استاندارد اقلیمی اخیر 2010-1981 و2020 -1991 استفاده شد. برای این منظور، بعد از کنترل کیفیت و همگن سازی داده ها، صدک های 98ام بارش های فصلی و سالانه برای هر دو دوره محاسبه شدند و مورد مقایسه قرار گرفتند. سپس روند این چندک ها با استفاده از روش رگرسیون چندک برآورد شده و مورد آزمون قرار گرفتند. نتایج نشان داد که در مقایسه دو دوره نرمال استاندارد اقلیمی، بارش های سنگین بهاری در دامنه های جنوبی البرز، بارش های سنگین تابستانی در سواحل دریای خزر، بارش های سنگین پاییزی در شمال غرب و شمال شرق کشور و بارش های سنگین زمستانی در دامنه های زاگرس به طور عمده تغییر رفتار داده اند. همینطور، بارش های سنگین بهاری در دامنه های جنوبی البرز رو به کاهش است، در صورتی که بارش های سنگین تابستانی در سواحل دریای خزر و بارش های سنگین پاییزی در شمال غرب و شمال شرق کشور رو به افزایش است.   

نیاز روزافزون به شناخت پارامترهای هواشناسی در ناحیه گذار وردایست باعث شد تا تغییرات زمانی دما و ارتفاع این لایه طی دو دهه گذشته (2022-2002) با استفاده از داده های بازتحلیل شده AIRS/MODIS در ایران بررسی شود. همچنین رابطه بین تغییرات ویژگی های وردایست و تغییر اقلیم دمای سطحی و بارش ایران با استفاده از داده های بارش روزانه GPCP(2022-2000) و داده های حداقل، حداکثر و میانگین دمای روزانه مدل MERRA-2 (2022-1980) مورد بررسی قرار گرفت. در این راستا برای بررسی رابطه بین متغیرهای تحقیق از آزمون های همبستگی پیرسون و تحلیل رگرسیون و برای تحلیل روند میانگین منطقه ای روزانه و ماهانه داده ها از آزمون های سری زمانی فصلی کندال و من-کندال دنباله ای استفاده گردید. نتایج نشان داد که متغیرهای دما و ارتفاع وردایست در محدوده ایران به میزان 93/0- با یکدیگر همبستگی معکوس (85/0=R2) دارند. از سوی دیگر، متغیر میانگین منطقه ای روزانه ی ارتفاع وردایست با متغیرهای دمای روزانه سطح زمین(با ضرایب بیش از 8/0) همبستگی مثبت و معناداری دارد. همچنین مقادیر R2 بالاتر از 6/0 حکایت از همبستگی کاملاً معنادار داده های مجموع بارش ماهانه با تغییرات میانگین ماهانه دما و ارتفاع وردایست داشته است. از این چشمگیرتر همبستگی نوسانات بارش فصول بهار و پاییز با تغییرات دما و ارتفاع وردایست می باشد که می تواند امکان پیش بینی نوسان بارش کشور ایران را با پایش ویژگی های وردایست فراهم سازد. تحلیل سری های زمانی متغیرهای تحقیق با استفاده از آزمون های کندال فصلی و دنباله ای نشان داد که متغیر ارتفاع وردایست و متغیرهای دمای سطح زمین به ترتیب با مقادیر آماره(τ)؛ 18/0، 22/0، 27/0 و 32/0 روندهای افزایشی کاملاً معناداری را به نمایش گذاشته اند. این مهم تأییدکننده تغییرات اقلیمی چشمگیر دما و بارش ایران طی چند دهه اخیر می باشد. در نهایت با معرفی ارتفاع وردایست به عنوان یک شاخص تغییر اقلیم در محدوده کشور ایران بر لزوم تحقیقات بیشتر در این زمینه تأکید می گردد.

ایران در کمربند خشک عرض میانه قرار گرفته که متوسط بارش آن 250 میلی متر بوده و از تغییرات زمانی و مکانی شدید برخوردار است. رویدادهای بارشی با تدوام کوتاه، یکی از مشخصه های مناطق خشک بوده که در ایران نیز ملموس است. هرچند بارش ایران تدوامی بین 1 تا 45 روز داشته و از تغییرات زمانی مکانی شدید نیز برخوردار است اما بیشینه بارش و روزهای بارشی ایران توسط بارش های تدوام کوتاه تأمین می گردد؛ بنابراین رخداد بارش های تدوام طولانی، یک رویداد فرین تلقی می گردند که از تغییرپذیری شدیدی نیز برخوردارند. با توجه به اهمیت بارش به ویژه در تأمین منابع آب ایران، بررسی نقش تداوم های متفاوت بارش در تأمین آن ضروری می باشد؛ بنابراین فهم این که هر تداوم بارش، چه سهمی از روزهای بارشی و مقدار بارش گستره ایران را تولید می نماید، ضروری است. برای بررسی الگوهای فضایی اهمیت تداوم بارش در پهنه ایران از پایگاه داده بارش ایران با آرایش زمان مکان استفاده گردیده است. در این پایگاه داده مشاهدات روزانه بارش از 01/01/1340 تا 10/10/1383 با فواصل 15 کیلومتر بر روی 7187 یاخته موجود است. ابتدا، تدوام های مختلف بارش، متوسط مقدار بارش و روزهای بارشی در سری زمانی هر یاخته برآورد و سپس سهم تداوم های مختلف بارش در تأمین روزهای بارشی و مقدار بارش هر یاخته نیز محاسبه گردیده است. حاصل نسبت سهم هر تداوم در تأمین مقدار بارش هر یاخته به سهم همان تداوم در تأمین روزهای بارشی همان یاخته، میزان اهمیت آن تداوم را مشخص می نماید. نتایج این بررسی نشان داد که اهمیت تداوم های بارش در گستره ی ایران دارای الگوهای فضایی متفاوت می باشند. بارش های با تدوام یک تا هفت روز، تقریباً در تمام گستره ی ایران و بارش های با تدوام بزرگ تر تنها در برخی از قسمت های ایران رخ داده اند. با افزایش تدوام بارش ها، سهم آن ها در تشکیل روزهای بارشی ایران به شدت کاهش می یابد. بر خلاف آن، افزایش تداوم بارش ها، سبب کاهش تأمین بارش تمام گستره ایران نمی گردد. با افزایش تداوم بارش، سهم آن ها در تأمین روزهای بارشی ایران به شدت کاهش می یابد؛ به گونه ای که بیشینه روزهای بارشی کُل ایران و بیشینه بارش بخش بزرگی از ایران توسط بارش های با تداوم یک روزه، تأمین می گردد. با این وجود، سهم بارش های با تداوم یک روزه در تأمین روزهای بارشی و بارش نیمه ی شرقی ایران پُررنگ تر است. در مقابل، با افزایش تداوم بارش ها، روزهای بارشی و بارش ایران با الگوهای فضایی متفاوت کاهش می یابند. سهم تأمین بارش در مرکز و جنوب شرق ایران با افزایش تداوم بارش به شدت کاهش می یابد، اما در غرب و شمال غرب ایران این شرایط برعکس می باشد. در برخی مناطق پُربارش نیمه غربی و شمالی ایران، افزایش تداوم بارش با افزایش سهم آن ها در تأمین بارش همسو بوده و در سایر مناطق پُربارش کاهش سهم تأمین بارش توسط تداوم های مختلف بارش تدریجی است. بنابراین الگوهای فضایی متفاوتی از سهم تأمین روزهای بارشی و مقدار بارش ایران توسط تداوم های مختلف بارش پدید می آید که نشانگر الگوهای فضایی اهمیت آن ها در گستره ایران است. اهمیت بارش های با تداوم یک روزه، الگوی فضایی خاصی را نشان نمی دهد و مهم ترین تداوم بارش ایران، کم اهمیت ترین تداوم بارش نیز محسوب می گردد. افزایش تداوم بارش ها با افزایش میزان اهمیت آن ها در ایران همسو بوده و الگوهای فضایی متفاوتی را ایجاد می نمایند. میزان اهمیت بارش های با تداوم کوتاه (1 تا3 روز) در نیمه شرقی و میزان اهمیت بارش های با تداوم طولانی (بیش تر از سه روز) در نیمه ی غربی ایران بیشینه می باشد.

با افزایش جمعیت و کاهش سرانه ی آب شیرین در دسترس، جمع آوری و استفاده از رواناب های به عنوان یک منبع تأمین آب مطمئن و مناسب خصوصاً جهت توسعه ی ی فضای سبز شهری و به عنوان منبع غیر آشامیدنی موردتوجه مدیران شهری قرار گرفته است. ولی وجود منابع آلاینده ی غیرنقطه ای در مناطق شهری به عنوان چالش اصلی در جمع آوری و استفاده ی مجدد از رواناب ها مطرح است. در این تحقیق، به بررسی رابطه ی کیفیت رواناب های شهری با خصوصیات بارش و دبی در یکی از زیرحوضه های شهری استان تهران پرداخته شده است. جهت انجام این مطالعه، بر اساس آمار بارش و پارامترهای کیفی رواناب اندازه گیری شده در خروجی حوضه ی شهری مقصود بیگ تهران و هم چنین نمونه گیری لحظه ای انجام شده از رواناب خروجی آن در تعداد 25 رخداد بارندگی، به بررسی رابطه ی کیفیت رواناب با خصوصیات بارش در مقیاس های سالانه، فصلی و تک بارش پرداخته شد. سپس، رابطه ی بین خصوصیات بارش و دبی با فاکتورهای کیفی آب، با استفاده از روش های آماری پیرسون و آنالیز تجزیه واریانس یک طرفه موردبررسی قرار گرفت. نتایج نشان داد که به طورکلی میزان املاح محلول در رواناب ها با افزایش میزان بارش کاهش میابد، و بین بارش و میزان هدایت الکتریکی و میزان املاح محلول رابطه ی معکوس معنی داری وجود دارد(P<0,05). در میان خصوصیات بارش، شدت بارش بیش ترین تأثیر را در تغییر فاکتورهای کیفی رواناب داشته است (با میزان ضریب همبستگی 0/56، 0/68 بین میزان بارش با هدایت الکتریکی و میزان املاح محلول). از لحاظ زمانی، بیش ترین تغییرات در مقیاس فصلی، در فصول بهار و زمستان است و از لحاظ تک بارش ها بیش ترین املاح در بارش های زیر 10 میلی متر مشاهده شده است.

حوضه آبریز زاینده رود در منطقه مرکزی ایران از مناطق دارای مسئله ناپایداری منابع آب است. در یک دهه اخیر منابع آبی حوضه کاهش یافته، به طوریکه بخشی از طول رودخانه در قسمت میانی و پایین دست جریان آب خشک شده و یا به صورت موقتی درآمده و تخصیص آب کشاورزی به اراضی زراعی این بخش ها کاهش شدیدی یافته است. در این پژوهش برای تحلیل میزان تاثیر عوامل طبیعی در بروز ناپایداری منابع آب حوضه، تغییرات شاخص های اقلیمی از قبیل میزان بارش، نسبت بارش برف به کل بارندگی و تغییرات دمایی ایستگاه چلگرد در دهه های اخیر مورد بررسی قرار گرفته است. ایستگاه چلگرد منبع اصلی تامین آب طبیعی رودخانه بوده و تغییرات آن به طور مستقیم بر حجم آب رودخانه تاثیر می گذارد. سپس منابع کلی آب حوضه و تغییرات حجم آب ورودی به سد زاینده رود مطالعه گردیده و تغییرات آب های زیرزمینی (تعداد چاه و سطح آب زیرزمینی) در دو دوره آماربرداری سال های 1385 و 1390 مورد مقایسه قرار گرفته است. منبع اخذ داده های مقاله شرکت مدیریت منابع آب وزارت نیرو و سازمان هواشناسی می باشد. نتایج تحلیل آمارها نشان می دهد طی دهه های اخیر میزان بارش باران روند کاهشی داشته، بر میزان دمای هوا در بلندمدت افزوده شده و نسبت بارش برف به کل بارش ها کاهش چشمگیری داشته است. همچنین بررسی دمای هوای فصل پاییز، به دلیل تاثیر آن در ذوب برف ها نشان از افزایش شدید دمای فصل پاییز در سه سال اخیر نسبت به میزان بلندمدت دارد. به طور کلی طبق نتایج پژوهش تغییرات اقلیمی بر بروز ناپایداری منابع آب حوضه موثر بوده است. در ادامه بررسی تغییرات آب های زیرزمینی حاکی از حفر چاه های کشاورزی برای جبران کاهش آب رودخانه و کاهش سطح آب زیرزمینی حوضه بوده که خود وضعیت خشکی حوضه را تشدید نموده است.

امروزه تغییر آب وهوا یکی از دلایل اصلی نگرانی های مرتبط به آب است. علت این امر آن است که امکان دارد این تغییر سبب خشک سالی یا سیلاب های شدید، کوتاه و طولانی مدت در آینده شود. در این تحقیق سعی شد بهترین مدل GCM از بین مدل های تغییر اقلیم به منظور تعیین دمای کمینه، دمای بیشینه و بارش برای ایستگاه سینوپتیک بیرجند در دوره های آتی مشخص شود. بدین منظور تعداد 35 مدل GCM برای هریک از متغیرهای دمای کمینه، دمای بیشینه و بارش تعیین شد و با نتایج ایستگاه سینوپتیک بیرجند مقایسه گردید. نتایج نشان داد که مدل NorESM1-M به دلیل دارا بودن مقدار RMSE برابر 091/0 و مدل GISS-E2-R نیز با دارا بودن مقدار PBIAS پایین می تواند مدل انتخابی مناسب برای تحقیقات در مورد بارش باشد. در مورد دمای بیشینه و دمای کمینه نیز به ترتیب مدلGISS-E2-R  با مقدار RMSE برابر 664/0 و مدل CSIROMKMK3.6با داشتن مقادیر RMSE برابر 778/0 بیش ترین شباهت را به داده های ایستگاه سینوپتیک بیرجند دارد. از مقایسه ی داده های مدل-ها با داده ی ایستگاه سینوپتیک، بیش ترین درصد خطای نسبی مقادیر بارش، دمای کمینه و دمای بیشینه به ترتیب برای ماه های اول (ژانویه)، دوم (فوریه) و پنجم (می) مشخص شده است. همچنین در مقایسه ی قطعیت مدل های GCM، متغیرهای بارش، دمای بیشینه و دمای کمینه به ترتیب در ماه های پنجم (می)، سوم (مارس) و اول (ژانویه) نسبت به بقیه ی ماه ها کم ترین قطعیت را دارند. 

بارش یکی از مهم ترین مولفه های هیدرولوژی و هواشناسی است که پیش بینی مقادیر آن در زمینه های مختلفی همچون کشاورزی، شرب، صنعت، بهداشت، اقلیم و محیط زیست از اهمیت ویژه ای برخوردار است. با توجه به اینکه وقوع، نوع و میزان بارش به عوامل بسیار زیادی بستگی دارد، مدل سازی و پیش بینی مقدار بارش همواره دارای پیچیدگی ها و چالش های فراوان بوده است. در این پژوهش از داده های پارامترهای هواشناسی ایستگاه همدیدی تبریز شامل دماهای کمینه، بیشینه و میانگین، رطوبت نسبی میانگین، فشار هوای میانگین، سرعت باد بیشینه و بارش در مقیاس های زمانی روزانه و ماهانه در یک دوره 35 ساله (2020-1986) استفاده شد. از روش های یادگیری ماشین و یادگیری جمعی شامل شبکه عصبی مصنوعی پرسپترون چندلایه (MLP)، جنگل تصادفی (RF)، آدابوست (AB)، تقویت گرادیان (GB)، درختان اضافی (ET) و مدل رگرسیون درخت تصمیم (DTR) برای مدل سازی بارش استفاده شد. بدین منظور 70 درصد از داده ها برای آموزش و 30 درصد از داده ها نیز برای آزمون مدل ها در نظر گرفته شدند. برای ارزیای مدل های مورد استفاده، از معیارهای آماری ضریب همبستگی (R)، جذر میانگین مربعات خطاها (RMSE)، میانگین خطای مطلق (MAE) و کلینگ گوپتا (KGE) استفاده شد. مطابق نتایج این تحقیق در مقیاس روزانه مدل MLP با 993/0R=، 184/0RMSE= میلی متر، 184/0MAE= میلی متر و 82/0KGE= و مدل ET با 986/0R=، 324/0RMSE= میلی متر، 324/0MAE= میلی متر و 75/0KGE= و در مقیاس ماهانه به ترتیب مدل MLP با 999/0R=، 153/0RMSE= میلی متر، 222/0MAE= میلی متر و 88/0KGE= و مدل ET با 981/0R=، 266/0RMSE= میلی متر، 197/0MAE= میلی متر و 71/0KGE= از بیشترین دقت و کمترین خطا برخوردارند. به طورکلی نتایج این پژوهش نشان دهنده عملکرد بسیار مناسب مدل های یادگیری ماشین و یادگیری جمعی در مدل سازی بارش در هر دو مقیاس زمانی روزانه و ماهانه است.