سیگنال های بزرگ مقیاس اقلیمی

بخش عظیمی از بارش ها در حوضه های جنوب غربی ایران به شکل برف است و آب حاصل از ذوب برف، نقش مهمی در ایجاد رواناب سطحی، تغذیه آب های زیر زمینی و ایجاد سیل را ایفا می کند. پوشش برف معرف میزان آب ذخیره شده در حوضه های کوهستانی است. بنابراین، پایش مکانی و زمانی سطح پوشش برف و آب معادل آن اهمیت بسیار بالایی در مدل های هیدرولوژی دارد. از طرفی، نوسانات سطح پوشش برف با سیگنال های بزرگ مقیاس اقلیمی در ارتباط است. در این مطالعه تغییرات سطح پوشش برف حوضه های جنوب غربی ایران در ارتباط با سیگنال های بزرگ مقیاس اقلیمی مورد بررسی قرار گرفت. در بررسی حاضر از داده های ماهانه شاخص نوسان جنوبی (SOI)، نوسان اطلس شمالی (NAO) و پدیده ENSO در مناطق NINO3.4، NINO3، NINO4 و NINO1+2 استفاده شد. همه داده های مربوط به سیگنال های فوق، از مرکز داده های آنالیز شده NCEP طی سال های 1986 تا 2007 دریافت گردید. به منظور برآورد سطح پوشش برف در منطقه مورد مطالعه، از داده های ماهواره NOAA سنجنده AVHRR برای روز های منتخب دوره سرد سال 1986 تا 2007 استفاده شد. برای تفکیک برف و ابر از روش آستانه گذاری در انعکاس باندهای 1 و 3 و محاسبه تابندگی و دمای درخشندگی باندهای حرارتی استفاده شد.در نهایت، با به کارگیری از روش شبکه عصبی مصنوعی، پیش آگاهی پوشش برف حوضه های جنوب غربی ایران برای بازه های زمانی همزمان، سه ماه و شش ماه محاسبه شد. نتایج تحقیق نشان داد که سیگنال های NAO ، SOI و تغییرات ناهنجاری SST در ناحیه NINO4 و NINO1+2 به عنوان مؤثرترین سیگنال بر تغییرات پوشش برفی حوضه های مورد مطالعه هستند و برای پیش آگاهی از وضعیت سطوح تحت پوشش برف سیگنال های فوق کاربرد دارند.

هدف اصلی این مطالعه بررسی تأثیر سیگنال های اقلیمی بر دبی دو ایستگاه منتخب و نوسان آب دریاچه ارومیه، طیّ دوره ی 22 ساله (2007-1986) می باشد. برای این کار ازداده های دو ایستگاه منتخب، داده های ماهانه شاخص نوسان جنوبی SOI، نوسان اطلس شمالی NAO و شاخص ENSO در مناطق NINO1+2, NINO3, NINO4و NINO3.4 استفاده شد. داده های مربوط به سیگنال های بزرگ مقیاس اقلیمی از مرکز داده های NCEP تهیه گردید. داده های مربوط به میانگین دبی ماهانه ایستگاه های داشبند و ساریقمیشنیز از مرکز داده های وزارت نیرو تهیه گردید. ابتدا به منظور بررسی اولیه داده ها و همبستگی بین آنها برای تهیه مناسب ترین مدل پیش بینی دبی، گام های زمانی 0، 3 و 6 ماهه مد نظر قرار گرفت. در بررسی دبی در بازه های زمانی مختلف، ایستگاه های مورد مطالعه، نتیجه شد، همبستگی در بازه ی زمانی تأخیری شش ماهه بیشتر از بازه های زمانی همزمان و تأخیری سه ماهه است.پس از تبیین ارتباط و نوع آن، مدل پیش بینی با استفاده از شبکه ی عصبی مصنوعی طراحی گردید و نتایج حاصل از این مدل مورد ارزیابی و تجزیه و تحلیل قرار گرفت. با توجه به همبستگی های معنی دار در بازه های زمانی این نتیجه گرفته شد، که شاخص های بزرگ مقیاس اقلیمی از نظر گردش عمومی جو و متأثر نمودن سیستم های بزرگ جوی در منطقه ی مورد مطالعه بر دما، بارش و دبی و نوسان آب دریاچه ی ارومیه تأثیر معنی داری می گذارند. بررسی مدل های خروجی از نرم افزار شبکه ی عصبی مصنوعی نشان داد، که مؤثرترین سیگنال ها بر دبی به ترتیب NINO3.4, NINO3, NINO1+2 و کم اثرترین سیگنال ها به ترتیب NAO ,SOIمی باشند. با توجه به یافته های تحقیق حاضر می توان این طور نتیجه گیری کرد که ارتباط معنی داری بین دبی با سیگنال های اقلیمی و جود دارد.