تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

پیش بینی میانگین روزانه ی دما در استان خراسان رضوی

نویسندگان
سید محمد حسینی 1
عبدالحسین عادل زاده 2
1 دانشگاه سید جمال الدین اسدآبادی
2 دانشگاه اصفهان
10.29252/jgs.19.52.99
چکیده
هدف از این نوشتار، کاربست مدلی همدید جهت برآورد میانگین روزانه­ی دما و ارتباط آن با ارتفاع ژئوپتانسیل در تراز میانی جو(تراز 500 هکتوپاسکال) است. برای نیل به این هدف از دو پایگاه داده استفاده شده است. پایگاه نخست داده­های رویداد محیطی(سطحی) می­باشد که در این راستا از داده­های میانگین روزانه دما در ایستگاه­های منتخب مشهد، تربت حیدریه و سبزوار استفاده شده است. بیشینه و کمینه این ایستگاه­ها از بازه­ی زمانی11/10/1365 الی 11/10/1392 خورشیدی به تعداد 9862 روز از سازمان هواشناسی کشور اخذ گردید. پایگاه دوم شامل داده­های ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال است که داده­های آن از تارنمای NCEP/DOE وابسته به سازمان ملی جو و اقیانوس­شناسی ایالات متحده در ساعت­های 00:00؛ 03:00؛ 06:00؛ 09:00؛ 12:00؛ 15:00؛ 18:00 و 21:00 زولو استخراج شده است. سپس همبستگی میانگین روزانه­ی دمای ایستگاه­های منتخب خراسان رضوی با داده­های جو بالا محاسبه گردید. همبستگی به دست آمده وارد محیط سرفر گردید و خطوط همچند همبستگی ایستگاه­های منتخب با نیمکره­ی شمالی ترسیم گردید. چهار منطقه در نیمکره­ی شمالی به دست آمد که با دمای ایستگاه­های مورد بررسی همبستگی بالایی نشان دادند. نتایج همبستگی­ها بیانگر این است که ایالات متحده­ی آمریکا با 25یاخته، شمال چین 25یاخته، آفریقا 45 یاخته و ژاپن با 65 یاخته بیشترین یاخته­ها را به خود اختصاص داده است. آنگاه، میانگین وزنی یاخته­های ارتفاع ژئوپتانسیل آنها گرفته شد و به وسیله رگرسیون چندگانه معادله­ی ایستگاه­ها بدست آمد. نتایج مدل­های پیش­یابی نشان می­دهد که به اِزای هر ژئوپتانسیل متر افزایشی که در این نمایه رخ دهد، میانگین روزانه­ی دمای ایستگاه­ سبزوار 4/1، تربت حیدریه 3/1 و مشهد 3/1 درجه­ی سلسیوس افزایش نشان خواهد داد.
کلیدواژه‌ها
پیش‌بینی
میانگین روزانه‌ی دما
همبستگی
تراز میانی جو
خراسان رضوی

عنوان مقاله English

Forecasting Average Daily Temperature in the Khorasan Razavi Province

نویسندگان English

sayyed mohamad Hosseini 1
Abdolhossein Adelzadeh 2
چکیده English

In this research, applied synoptic model for determining the average daily temperature and its relationship with the Geopotential Height in middle level (500 HPa). Therefore, two database were used: database of atmospheric circulations, includes the data of geopotential height at 500 HPa and its data were extracted from the NCEP/DOE(US National Oceanic and Atmospheric Administration) in hours 00:00; 03:00; 06:00; 09:00; 12:00; 15:00; 18:00; and 21:00 in Zulu and other, database of environmental (surface) events. Contain of average daily temperature in the Mashhad, Torbat-Heydarieh and Sabzevar stations in Khorasan Razavi Province. The maximum and minimum of these stations in the time interval from 01/01/1987 to 01/01/2014 equal as 9862 days from the meteorological organization of Iran. Then, was calculated the correlation of the average daily temperature of selected stations with high atmospheric data (500 HPa level) with the northern hemisphere in Surfer Software. The result shown, four regions in the northern hemisphere which had high correlations with selected stations. The correlation results suggest that the United States has 25 pixels, Northern China 25 pixels, Africa 45 pixels and Japan with 65 pixels. Then, weighted average of pixels in heights by multiple regression equation station. The results of diagnostic models indicate that, per geopotential height increase in the profile, the average daily temperatures of selected stations in the Sabzevar 1.4, Torbat-Heydarieh 1.3 and Mashhad 1.3 degrees Celsius will increase.

کلیدواژه‌ها English

Forecasting
Average Daily Temperature
Correlation
atmospheric middle level
Khorasan Razavi Province
13. American Meteorological Society (AMS)., (2012). http://amsglossary, allenpress, com.
14. Andreas, H., Mait, S. & Jorg. M., (2013) Large-scale atmospheric circulation forms and their impact on air temperature in Europe and northern Asia, Theoretical and Applied Climatology., 3, 643-658.
15. Domonkos, p., Jan Kysely, K. P., Predrag, P. & Tanja, L., (2003). Variability of Extreme Temperature Events in South-Centeral Europe During the 20th century and its Relationship with Large-Scale Circulation, International Journal of Climatology., 65, 60-86.
16. Fleig, A. K., Tallaksen, L. M., James, P., Hisdal, H. & Stahl, K., (2015). Attribution of European precipitation and temperature trends to changes in Synoptic circulation, Hydrology Earth, Sys and Sciences. 19, 3093-3107.
17. Hewitson, B. C., (1992). Large – scale atmospheric controls on local precipitation in tropical mexico, geophysical research letters, 190, 1029-1423.
18. Klein, W. H., (1984). Winter precipitation as Related to 700 mb Circulation, Bull, American Meteorological Society, 29, 439-453.
19. Lorenzo, S. A., Paulo, P., Joan, A., Lopez-Bustins, C. & Lolis, J., (2012). Summer night-time temperature trends on the Iberian Peninsula and their connection with large-scale atmospheric circulation patterns, international journal of climatology, 32, 1326–1335.
20. Lund, I. A., (1963). Mapp – pattern Classification by statistical Methods, International Journal of Climatology., 2, 56-65.
21. Maheras, P., konstantia, T., anagnostopoulu, Ch., Vafidais, M., patriaks, L. & Flokas, H., (2004). On the Relationships between Circulation Type and Changes in Rainfall Variability in the Greece, International Journal of Climatology. 24, 1695-1712.
22. Miken, L. & Walsh, K., (1983). Climate Change Simulations of Tasmanian Precipitation Using Multiple Nesting, Journal of Researches in Geography. 99, 20889–20905.
23. Panda, A., Dileep K., Mishra, A., Kumar, K. G., Mandal, A. K., Thakur, R. C. and Srivastava, C., (2014). Spatiotemporal patterns in the mean and extreme temperature indices of India, 1971–2005, international journal of climatology, 34, 3585–3603.
24. Paulo Ceppi, S., Scherrer, C., Andreas, M. & Fischer, C. A., (2012). Revisiting Swiss temperature trends 1959–2008, international journal of climatology, 32, 203–213.
25. Philandrasa, C. M., Nastosb, P. T., Kapsomenakisa, I. N. and Repapis, C. C., (2015). Climatology of upper air temperature in the Eastern Mediterranean region, Atmospheric Research, 152, 29–42.
26. Rogers, J. C. & Van Loon, H., (1982). Spatial variability of sea level pressure and 500 mb hight anomalies over the southern hemisphere, Mon. Weather. Rev., 110, 1375-1392.
27. Santos, J. A., (2004). Climate variability in Europe and its connection to the tropospheric and stratospheric circulations: A case study for Portugal, PhD Thesis, Department of Physic, Technical university of Lisbon, 148.
28. Slonosky, V. C. J. & Davis, P. D., (2001). Atmospheric Circulation and Surface Temperature in Europe from the 18th Century to 1995, International Journal of Climatology. 21, 63-75.
29. Walsh, K. & McGregor, J., (1982). An assessment of simulations of climate variability over Australia with a limited area model, International Journal of Climatology., 17, 201-223.
30. Wallace, I. M. & Gutzler, D. S., (1981). Teleconnections in the Geopotential height field during the northern hemisphere winter, Mon. Weather. Rev., 109, 784-812.
31. Yarnal, B., (1993). Synoptic Climatology in Environmental Analysis, London, A primer, Belhaven press, 216.
32. Yuhui, Y, C., liweihong, W., Andsun, G., (2010), Impacts of Climatic Change on
River Runoff in Northemn Xinjiang of Chinover Last Fiftiy Years, Chin. Gogra, sci, 20(3): 193-201.