بارش

پایش تغییرات و نوسانات بارش مناطق جغرافیایی می تواند دید بهتری از رفتار این پدیده در سال های آینده داشته باشد. هدف این پژوهش، بررسی وضعیت بارش دشت اردبیل (ایستگاه های اردبیل، بیله درق و کلور) و پیش نگری آن در سال های آینده بر اساس برونداد مدل های CMIP6 توسط مدل مقیاس کاهی CMhyd می باشد. سپس با استفاده از سنجه های آماری R2، MAE، MSE، RMSE و دیاگرام تیلور، به مقایسه داده های مشاهداتی دوره پایه با داده های تاریخی 5 مدل GCM از CMIP6 پرداخته شد و برای هر ایستگاه مورد مطالعه، مدل برتر انتخاب گردید. خروجی مدل های برتر با روش linier scaling تصحیح اریبی گردیدند و بر اساس سناریو های SSP126، SSP245 و SSP585، بارش سال های 2023-2050 برای هر ایستگاه، پیش نگری و روند آن با آماره من - کندال ترسیم شد. نتایج نشان داد در نواحی شرقی و غربی دشت اردبیل (منتهی به ارتفاعات کوه های تالش و سبلان)، تغییرات بارش افزایشی بوده است (80/2 میلی متر). در ایستگاه اردبیل، مدل MIROC6 با ضریب همبستگی 94/0 درصد و در ایستگاه های بیله درق و کلور، مدل MPI-ESM1-2-HR با ضریب همبستگی به ترتیب 88/0 و 92/0 درصد، بیش ترین دقت را در شبیه سازی بارش داشته اند. همچنین نتایج سناریو ها نشان دادند که تغییرات بارش در ایستگاه اردبیل در دوره آینده نسبت به دوره پایه تحت سناریو های SSP126، SSP245 و SSP585، به ترتیب 24/0، 36/6- و 2- درصد خواهد بود.

متغیرهای اقلیمی مهم ترین عوامل تأثیرگذار بر تغییرات پوشش گیاهی محسوب می شوند. امروزه از تصاویر ماهواره ای به طور گسترده ای برای بررسی اثر نوسانات متغیرهای اقلیمی بر تغییرات پوشش گیاهی استفاده می گردد. هدف از پژوهش حاضر بررسی رابطه متغیر اقلیمی بارش، دما و رطوبت بر تغییرات شاخص های پوشش گیاهی باغات پرتقال حسن آباد داراب با استفاده از داده های ماهواره ای می باشد. بدین منظور داده های مشاهداتی، شامل داده های فنولوژی درخت پرتقال و داده های هواشناسی در بازه زمانی ده ساله (1385 تا 1395) مربوط به ایستگاه هواشناسی کشاورزی حسن آباد داراب جمع آوری شده است. تصاویر سنجنده مودیس برای سال 1385 تا 1395 با توجه به داده های زمینی و نقشه های 1:25000 سازمان نقشه برداری زمین مرجع شدند. این تصاویر برای محاسبه شاخص های پوشش گیاهی سنجش ازدوری شامل شاخص تفاضلی نرمال شده پوشش گیاهی (NDVI)، شاخص وضعیت پوشش گیاهی (EVI) استفاده گردید. نتایج نشان داد که متغیرهای حداکثر رطوبت، حداقل دما و بارش دارای تأثیر مثبت معنی دار بر متغیر NDVI هستند. به علاوه متغیرهای حداکثر دما، حداقل رطوبت دارای تأثیر منفی معنی دار بر متغیر وابسته NDVI و EVI هستند. به منظور تعیین اهمیت هریک از متغیرهای مستقل در پیش بینی متغیرهای وابسته از روش شبکه عصبی مصنوعی استفاده شد. یافته ها نشان داد که عناصر اقلیمی بارش، حداقل دما، حداکثر دما، حداقل رطوبت و حداکثر با مقادیر به ترتیب (39/0، 3/0، 13/0، 1/0 و 06/0 ) بیشترین تأثیر را بر EVI دارند. به علاوه تاثیر این متغیرها بر شاخص NDVI به ترتیب ضرایب آنها (2/0، 28/0، 22/0، 11/0 و 17/0) می باشد.درنهایت به منظور افزایش قدرت توضیح دهندگی مدل از روش رگرسیون ARMAX استفاده شد. نتایج نشان داد استفاده از این روش منجر به افزایش قدرت توضیح دهندگی مدل، کاهش خطای پیش بینی می گردد.

این مقاله با هدف پیش نگری روند تغییر اقلیم در شهر تهران نوشته شد. در این مقاله وضعیت بارش و دمای ( حداقل و حداکثر)تهران در ایستگاه های سینوپتیک ژئوفیزیک، شمیرانات و مهرآباد طی دوره (1992 تا 2018) بررسی و برای شناسایی وجود جهش و آشکارسازی سالهای رخداد جهش از آزمون ناپارامتریک من کندال استفاده شد. همچنین برای پیش یابی تغییرات عناصر اقلیمی در تهران از داده های cmip5 و مدل Lars برای سه سناریوی RCP2.6,RCP4.5,RCp8.5، بهره گرفته شد. نتایج حاصل از بررسی روند سری زمانی دما و بارش سه ایستگاه مورد بررسی شهر تهران، با استفاده از آزمون تحلیل روند من کندال، نشان داد که در مورد هیچ کدام از فاکتورهای اقلیمی در سه ایستگاه مورد بررسی، تغییر معنی داری در سطح اطمینان P_value = 0.05رخ نداده است. اما جهش ها و نوسانات سالانه زیادی در سری زمانی دما و بارش ایستگاه ها مشاهده شد. همچنین نتایج حاصل از پیش یابی پارامترهای اقلیمی دمای حداقل، حداکثر و بارش در منطقه مورد بررسی نشان داد که، دمای حداقل و حداکثر تا سال 2050 نسبت به دوره پایه (1992 تا 2018) در هر سه خط سیر انتشار دی اکسید کربن RCP2.6,RCP4.5,RCp8.5، بصورت معنی داری در هر سه مورد مطالعه افزایش خواهد یافت. اما بارش در سال 2050 نسبت به دوره پایه سالهای 1992 تا 2018 در هرسه خط سیر انتشار دی اکسید کربن میزان بارش بصورت معنی داری در هر سه ایستگاه به میزان 7/1 میلیمتر در ماه کاهش خواهد یافت.

هدف: نوسان شدید بارش از محدودیت های محیطی ایران است. هرچند میانگین بارش سالانه ایران را حدود یک سوم بارش سیاره زمین می دانند؛ اما توزیع فضایی و زمانی همین مقدار نیز بیانگر توزیع ناتراز بارش در پهنه جغرافیایی ایران است. خشکسالی و سیلاب دو مشخصه اصلی نظام بارشی ایران هستند. نظام بارشی ایران ناهمگن و نامتوازن است. دو سال 2019 و 2021 به عنوان  نمونه برای مقایسه شرایط همدید انتخاب شدند. بارش های سیل آسا سال آبی 2019 و خشکسالی نسبتاً شدید سال 2021 ناترازی بارش را نشان می دهد.روش و داده: برای تحلیل این مسئله داده های روزانه بارش ۳۶۰ ایستگاه هواشناسی 2021-1991 و شاخص های همدید فصول زمستان 2019 و 2021  عرض ͦ N ۹۰-۱۰ و طول ͦ E ۹۰-۱۰ استفاده شد.یافته ها: یافته ها نشان داد احتمال رخداد خشکسالی 42%، ترسالی 35.5% و نرمال 22.5% است. طبق نتایج زنجیره مارکف، بیشترین احتمال تغییر فاز حالت نرمال به خشکسالی 57% و خشکسالی متوالی 46.2 % است. تحلیل Anova (۹۵%) نشان داد اختلاف معناداری بین متغیر های اقلیمی سال های تر و خشک وجود دارد. شرایط همدید نشان داد در سال نمونه ترسالی (2019) عملگر پر فشار سیبری در سال های مرطوب (در سال 2019) دارای فشار بیشتر (mb1054) و در سال 2021 به عنوان نماینده سال خشک، 1032 میلی بار و کمتر بوده است. در سال مرطوب فراوانی عبور سیکلون ها و اختلاف دما در تراز 500-1000 بیشتر اما مقادیر امگا کمتر است. این شرایط در 2021 (خشکسالی) میزان فشار در سیبری، اختلاف دمای تراز 500 و 1000 کمتر و امگا بالاتر است (هوای پایدار).نتیجه گیری: یافته ها نشان داد که نوسان پذیری بارش ایران از سالی به سال دیگر زیاد و رخداد سال های کم بارش از پر بارش بیشتر است.نوآوری و کاربرد نتایج: مقایسه شرایط همدید در شرایط ترسالی و خشکسالی که نشان دهنده تغییرات مراکز فشار بر بارش ایران است. رهیافت برنامه ریزی مبتنی بر ریسک در زمینه افزایش تاب آوری برنامه های توسعه و تأمین آب مبتنی بر شرایط اقلیمی با عدم قطعیت بیشتر است. بر این اساس توجه به توان اکولوژی، بازتوزیع فضایی جمعیت و کاهش میزان خطرپذیری محیط جغرافیایی کشور اهمیت بالای دارد.

تحقیق حاضر با هدف تشخیص و تعیین تغییرات زمانی مکانی رسوب دهی در حوضه ی آبریز قره سو واقع در استان اردبیل انجام شده است. به منظور ارایه ی مدلی برآوردی از بار رسوبی زیرحوضه های مورد نظر، روابط زمانی مکانی رسوب دهی با بارش حوضه مورد آزمون قرار گرفت. برای انجام این تحقیق از داده های 6 ایستگاه باران سنجی و هیدرومتری طی یک دوره 22 ساله استفاده گردید. روش تحقیق مبتنی بر تحلیل های آماری رگرسیونی بین متغیرهای بارش و بار رسوبی در محیط نرم افزار SPSS و همچنین تحلیل تغییرات زمانی متغیرهای بارش و رسوب در محیط نرم افزار Excel بود. نتایج اولیه از روابط زمانی بار رسوبی و بارش زیرحوضه ها، حاکی از رابطه قوی تر دو متغیر در مقیاس درون سالی نسبت به مقیاس بین   سالی بود. در بعد تغییرات بین سالی، تنها ایستگاه هیر با روند افزایشی بار رسوب مواجه بود، در حالی که 4 ایستگاه دیگر در میزان بارش سالانه روند افزایشی داشته اند. نتایج حاصل از تحلیل های رگرسیونی، نشان دهنده ی همبستگی ضعیف متغیر بارش با رسوب دهی ایستگاه ها در مقیاس بین سالی و در مقابل روابط خوب آنها در مقیاس درون سالی بود. در این میان شاخص فورنیه به عنوان شاخص فصلی بارندگی توانست 65% واریانس رسوب دهی ویژه در حوضه مورد مطالعه را تبیین نماید. از اینرو، شاخص مزبور می تواند به عنوان یک شاخص فرسایندگی بارش کارآمد در برآورد رسوب دهی ویژه در حوضه مورد مطالعه بکار گرفته شود.

خشکسالی یکی از پدیده های آب و هوایی است که در همه ی شرایط اقلیمی و در همه ی مناطق کره ی زمین به وقوع می پیوندد. پیش بینی خشک سالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم های منابع آب، تعیین نیاز آبی گیاه  ایفا می نماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماهه ی چهار ایستگاه باران سنجی دلفان، سلسله، دورود و بروجرد واقع در استان لرستان از مدل شبکه ی عصبی موجک استفاده شد و نتایج آن با سایر روش های هوشمند از جمله شبکه ی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر بارش در مقیاس زمانی ماهانه در طی دوره ی آماری (1372-1392) به عنوان ورودی و شاخص بارش استاندارد به عنوان پارامتر خروجی مدل ها انتخاب گردید. معیارهای ضریب همبستگی، ریشه ی میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدل ها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین شاخص بارش استاندارد دارند، لیکن از لحاظ دقت، مدل شبکه ی عصبی موجک عملکرد بهتری نسبت به شبکه ی عصبی مصنوعی از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل شبکه ی عصبی موجک می تواند در زمینه تخمین خشکسالی موثر باشد.

بررسی و شناخت تغییرات اقلیمی رخ داده در نواحی مختلف می تواند شناختی از تغییرات اقلیمی محتمل در آین ده را به دست دهد. یکی از راه های شناخت تغییرات احتمالی عناصر اقلیمی در آینده استفاده از مدل های اقلیمی موجود و ریز مقیاس نمایی آنهاست. در این پژوهش بارش و رواناب حوضه ی آبریز رود زرد، ریزمقیاس نمایی و برای دوره ی 2100-2006 شبیه سازی گردید. برای این منظور از سناریوهای RCP خروجی مدل CanESM2 استفاده شد. دوره ی پایه ی مورد استفاده برای این کار 2005-1976 می باشد. برای ریزمقیاس نمایی بارش و رواناب حوضه ی آبریز رود زرد از داده های بارش روزانه ایستگاه باغملک و رواناب ایستگاه ماشین و روش شبکه ی عصبی مصنوعی بهره گرفته شد. با استفاده از روش حذف پس رونده، متغیرهای میانگین فشار سطح دریا، ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال و میانگین دما در ارتفاع نزدیک سطح زمین به عنوان متغیرهای پیش بینی کننده انتخاب شد. راستی آزمایی الگو با نمایه های  و  انجام پذیرفت. در نهایت، معماری شبکه با الگوریتم قانون پسرو بیزی و با سه لایه ی پنهان به عنوان شبکه ی بهینه انتخاب شد. نتایج نشان دهنده ی روند کاهشی بارش سالانه برآورد شده در 95 سال آی نده بر اساس هر سه سناریو می باشد. همچنین افزایش بارش در ماه های فصل گرم و کاهش بارش در ماه های فصل سرد مورد انتظار است. به عبارت دیگر می توان افزایش بارش های محلی (احتمالاً همرفتی) ناشی از افزایش دما در دوره های آینده را محتمل دانست. رواناب حاصل از بارش نیز در ماه های سرد، کاهش و در ماه های گرم با صرف نظر از تأثیر دما و پوشش گیاهی، افزایش را تجربه خواهد کرد.

استفاده از محصولات بارش ماهواره ای برای برآورد داده های بارش در مقیاس منطقه ای راهکاری جدید محسوب می شود. این محصولات خود دارای خطاهای گوناگونی هستند، به همین دلیل، ارزیابی و بررسی صحت این داده ها پیش از استفاده ضروری است. از آنجائی که بارش به شرایط اقلیمی و خصوصیات فیزیوگرافی منطقه وابسته است، بنابراین در پژوهش حاضر، ضمن اعتبار سنجی و صحت سنجی محصولات ماهواره ای بارش، به بررسی تاثیر دما و ارتفاع بر عملکرد محصولات بارشی ماهواره های MERRA، TRMM و CHIRPS در مقیاس ماهانه، در بازه زمانی 2005 تا 2019 و با استفاده از 222 ایستگاه سینوپتیک واقع در سطح کشور ایران پرداخته شده است. نتایج نشان می دهد که به ترتیب مقدار ریشه میانگین مربعات خطا برای ماهواره های TRMM، MERRA و CHIRPS برابر با 8/23 ،6/30 و 35 میلیمتر است که نشان دهنده عملکرد مطلوب ماهواره TRMM نسبت به دو ماهواره دیگر است؛ با بررسی شاخص آستانه موفقیت می توان گفت که طبق این شاخص، هر سه ماهواره عملکرد بسیار خوب و تقریبا مشابهی دارند به طوری که مقدار این شاخص به ترتیب برای ماهواره های MERRA، TRMM و CHIRPS برابر 864/0، 797/0 و 776/0 است. همچنین نتایج نشان داد که ماهواره TRMM در تمامی طبقات دمائی و ارتفاعی بهتر از دو ماهواره دیگر عمل می کند. در ارتفاعات کمتر از 500 متر و بیشتر از 1500 متر و دماهای زیر 18 درجه سانتی گراد، MERRA عملکرد خوبی نسبت به CHIRPS داشته و برآورد بهتری از بارش واقعی ارائه داده است.

بارش اصلی ترین جزء چرخه هیدرولوژی است که در بسیاری از مطالعات ازجمله مدیریت سیستم های آبیاری و زهکشی، عملکرد محصولات کشاورزی، مطالعات زیست محیطی، سیلاب، خشکسالی و غیره از اهمیت زیادی برخوردار است. لذا در این پژوهش به ارزیابی 7 مدل GCMs از CMIP6 در شبیه سازی بارش و پیش نگری تغییرات بارش در شمال غرب ایران تحت سه سناریوی واداشت اجتماعی-اقتصادی (SSP) در سه دوره (2050-2021، 2080-2051، 2100-2081) نسبت به دوره پایه (2014-1985) پرداخته شد. روند تغییرات بارش با استفاده از آزمون من کندال و تخمینگر شیب سن محاسبه گردید. جهت مقیاس کاهی داده های GCMs نیز از رویکرد مقیاس بندی خطی (LSBC) استفاده شد و صحت سنجی مدل های مختلف با استفاده از سنجه های متداول آماری، RMSE، MAE و R2 ارزیابی گردید. نتایج حاصل از ارزیابی عملکرد مدل های CMIP6 نشان داد که از میان مدل های موردبررسی، مدل MPI-ESM1-2-LR با متوسط R2 برابر با 86/0 و RMSE برابر با 7/19 در سطح منطقه از دقت بیشتری نسبت به سایر مدل ها در شبیه سازی بارش برخوردار است. نتایج حاصل از پیش نگری تغییرات بارش نیز نشان داد بارش بر اساس سناریوی SSP1-2.6 در هر سه دوره آینده و به طور متوسط تا پایان قرن 21 به میزان 6/2 درصد افزایش پیدا خواهد کرد و در بیشتر ایستگاه ها در سطح 01/0 درصد معنی دار شده است؛ اما بر اساس سناریوهای SSP3-7.0 و SSP5-8.5 میزان بارش تا پایان قرن 21 به ترتیب 5/14 و 6/3 درصد کاهش پیدا خواهد کرد که بیشترین میزان کاهش آن نیز مربوط به مناطق پر بارش در جنوب غرب منطقه است. میزان کاهش در مناطق غربی و جنوب غربی در سطح 01/0 درصد معنی دار شده است. درمجموع با توجه به سناریوهای مختلف، در بیشتر پهنه موردمطالعه روند بارش تا پایان قرن 21 کاهشی است و لازم است مسئولان و برنامه ریزان راهکارهای لازم جهت سازگاری با تغییرات اقلیمی حاصل را اتخاذ نمایند.

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.