تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

ارزیابی نقش تغییر اقلیم و سیگنالهای پیوند از دور بر دمای بیشینه مطالعه موردی: استان خوزستان

نویسندگان
غلامعباس فلاح قالهری 1
فهیمه شاکری 2
1 دانشیار اقلیم شناسی دانشگاه حکیم سبزواری، ایران
2 دانشجوی دکتری اقلیم شناسی دانشگاه حکیم سبزواری
10.52547/jgs.22.67.439
چکیده
در این پژوهش با توجه به اهمیت وقوع پدیده گرمایش جهانی، نگارندگان در پی یافتن رابطه­ای بین شاخص­های اقلیمی و دمای بیشینه استان خوزستان می­باشند تا با اتکا بر آن، گامی جهت پیش­بینی و پیش­اگاهی وقوع دماهای حدی در سطح منطقه برداشته شود. بدین منظور از دمای بیشینه ایستگاههای منتخب استان خوزستان و مقادیر عددی 8 شاخص حدی اقلیمی متعلق به تیم متخصص تشخیص، پایش و شاخص های تغییر اقلیم و 8 شاخص پیوند از دور در دوره آماری 2017-1987 استفاده شد. برای تحلیل روند شاخص­های حدی اقلیمی از آزمون من-کندال و برای محاسبه شیب خط روند از تخمین­گر شیب سن استفاده شد. جهت آگاهی از وجود ارتباط بین شاخص­های پیوند از دور و دمای بیشینه ایستگاه­ها در تأخیرهای 1 تا 12 ماهه از ضریب همبستگی پیرسون استفاده شد. نتایج نشان داد اکثر شاخص­های حدی اقلیمی در دوره مورد مطالعه دارای روند معنی­دار بوده­اند. شاخص­های TX10 و TN10 در اکثر ایستگاه­ها روند منفی و شاخص­های TX90، TN90، TXx، TXn، TNx و TNn دارای روند مثبت بوده­اند. نتایج همچنین نشان داد همبستگی معنی­دار بین دمای بیشینه و شاخص PNA،TSA ، WHWP، WP و NAO، بیشتر از شاخص­های اقلیمی دیگر است. کلیه شاخص­های مذکور جز NAO همبستگی مثبت معنی­دار با دمای بیشینه استان خوزستان دارند. شاخص PNA با تأخیر 10 ماهه بیشترین همبستگی مثبت با دمای بیشینه استان خوزستان دارد.
کلیدواژه‌ها
ضریب همبستگی پیرسون
شاخص های اقلیمی
آزمون من کندال
تخمین گر شیب سنس
استان خوزستان

عنوان مقاله English

Assess the role of climate change and teleconnection signals at maximum temperature, Case study: Khuzestan province

نویسندگان English

Gholamabbas Fallah Ghalhari 1
Fahimeh Shakeri 2
1 Associate professor of climatology, Hakim Sabzevari University, Sabzevar, Iran
2 Ph.D. Student of Climatology, Hakim Sabzevari University, Sabzevar, Iran.
چکیده English

In this Research, the maximum temperature of selected stations in Khuzestan province and the numerical values of 8 extreme climatic indicators belonging to the Expert Team on Climate Change Detection, Monitoring and Indices (ETCCDMI) were used in the statistical period of 1987-2017. To analyze the trend of extreme climatic indices, the Man-Kendall test was used and to estimate the slope of the trend line, the Sen’s estimator was used. In this study, given the importance of global warming that severely affected all aspects of life, the authors explore the relationship between climatic factors and maximum temperature in Khuzestan province until to rely on it, and ones can predict and forecast air temperature at this region. For this purpose, the temperature of selected stations in Khuzestan province and numerical values of 8 climate indicators in the period 1987-2014 have been used. To understand the relationship between climate indicators and maximum temperature at 1 to 12 months of delays, Pearson’s correlation coefficient was used. The results showed that most of the extreme climatic indicators in the study period had a significant trend. The TX10 and TN10 indices have had negative trend in most stations and the TX90, TN90, TXx, TXn, TNx and TNn indices have had positive trend. According to the results of correlation coefficients can be concluded that all studied signals have a significant effect on the province's maximum temperature. The correlation between maximum temperature and indices PNA, TSA, WHWP, WP and NAO, was more than the other climate indicators. Results also showed that the entire indices except NAO have significant positive correlation with maximum temperature of the province. PNA index with a delay of 10 months has the highest positive correlation with maximum temperature of study area.

کلیدواژه‌ها English

Pearson's correlation coefficient
Climate indices
Mann-Kendal test
Sen's estimator
Khuzestan province
[1] اسفندیاری، فریبا؛ سبحانی، بهروز؛ آزادی مبارکی، محمد؛ جعفرزاده، فاطمه. (1388). تحلیل آماری از وضعیت روزهای برفی شهرستان تبریز و ارتباط آن با پدیده کلان مقیاس گردش جوی- اقیانوسی نوسانات اطلس شمالی (NAO). تحقیقات کاربردی علوم جغرافیایی، 13: 73-102.
[2] امیدوار، کمال؛ سالاری، حسین. (1392). مطالعه روند تغییرات گرما و بارش در غرب و شمال غرب ایران با استفاده از روش های پارامتری و ناپارامتری. جغرافیا، 11(37): 271-288.
[3] حاتمی زرنه، داریوش؛ حجازی زاده، زهرا؛ ناصرزاده، محمدحسین. (1398). تحلیل نوسانات زمانی امواج گرمایی منطقه ی شمالغرب ایران و ارتباط آنها با گازهای گلخانه ای و ناهنجاری های دمایی کره ی زمین. تحقیقات کاربردی علوم جغرافیایی، 19(52): 35-56.
[4] حجازی زاده، زهرا؛ فتاحی، ابراهیم؛ سلیقه محمد. (1392). بررسی تاثیر سیگنال های اقلیمی بر بارش ناحیه مرکزی ایران با استفاده از شبکه عصبی مصنوعی. تحقیقات کاربردی علوم جغرافیایی، 13(29): 75-89.
[5] خسروی، محمود. (1383). بررسی روابط بین الگوهای چرخش جوی کلان مقیاس نیمکره شمالی با خشکسالی‌های سالانه سیستان و بلوچستان. جغرافیا و توسعه، 3: 188-167.
[6] خورشید دوست، علی‌محمد; قویدل رحیمی، یوسف. (1385). ارزیابی اثر پدیده انسو بر تغییر پذیری بارش های فصلی استان آذربایجان شرقی با استفاده از شاخص چند متغیره انسو. پژوهش‌های جغرافیایی، 57: 26-15.
[7] خورشید دوست، علی‌محمد؛ قویدل رحیمی، یوسف؛ عباس زاده، کریم. (1389). کاربرد الگوهای کلان مقیاس جوی- اقیانوسی در تحلیل نوسانات بارش (مطالعه موردی ایستگاه اهر). فضای جغرافیایی، 29: 128-95.
[8] خوش اخلاق، فرامرز؛ قنبری، نوذر؛ معصوم پورسماکوش، جعفر. (1387). مطالعه اثرات نوسان اطلس شمالی بر رژیم بارش و دمای سواحل جنوبی دریای خزر. پژوهش‌های جغرافیایی، 66: 70-57.
[9] شکیبا، علیرضا؛ پیشداد الهام. (1392). تحلیل روند تغییرات شاخص های حدی دمای روزانه در سمنان طی دهه های 2006-1965. پژوهشهای دانش زمین، 1(4): 93-112.
[10] صلاحی، برومند؛ خورشیددوست، علی‌محمد؛ قویدل رحیمی، یوسف. (1386). ارتباط نوسان-های گردش جوی اقیانوسی اطلس شمالی با خشکسالی های آذربایجان شرقی. پژوهش-های جغرافیایی، 60: 156-147.
[11] علیجانی، بهلول. (1381). اقلیم شناسی سینوپتیک. انتشارات سمت، تهران.
[12] علیجانی، بهلول؛ کاویانی، محمدرضا. (1371). مبانی آب و هواشناسی. انتشارات سمت، تهران.
[13] علیزاده، امین. (1389). اصول هیدرولوژی کاربردی. انتشارات دانشگاه امام رضا (ع)، چاپ سی ام.
[14] غیور، حسنعلی؛ عساکره، حسین. (1381). مطالعه اثر پیوند از دور بر اقلیم ایران، مطالعه موردی: اثر نوسانات اطلس شمالی و نوسانات جنوبی بر تغییرات میانگین ماهانه دمای جاسک. تحقیقات جغرافیایی، 64-63 : 113-91.
[15] فلاح قالهری، غلامعباس؛ خوشحال، جواد. (1388). پیش‌بینی بارش بهاره استان خراسان رضوی بر اساس سیگنال‌های بزرگ مقیاس اقلیمی با استفاده از شبکه‌های عصبی مصنوعی. پژوهش‌های جغرافیای طبیعی ، 69: 133-115.
[16] قائمی، هوشنگ، عساکره، حسین. (1382). تحلیلی آماری بر روند تغییرات دمای مشهد طی سده گذشته و رابطه آن ها با نوسان‌های اطلس شمالی. تحقیقات جغرافیایی. 71: 133-116.
[17] کریمی، مصطفی؛ ستوده، فاطمه؛ رفعتی، سمیه. (1397). تحلیل روند تغییرات و پیش بینی پارامترهای حدی دمای ناحیه جنوبی دریای خزر. تحقیقات کاربردی علوم جغرافیایی، 18(48): 79-93.
[18] مرادی، حمیدرضا. (1383). شاخص نوسانات اطلس شمالی و تأثیر آن بر اقلیم ایران. پژوهش‌های جغرافیایی، 48 : 30-17.
[19] مسعودیان، ابوالفضل. (1385). اقلیم شناسی همدید و کاربرد آن در مطالعات محیطی. انتشارات دانشگاه اصفهان، چاپ اول، زمستان، ص152.
[20] معتمدی، محمد؛ احترامیان، کوروش؛ شهاب‌فر، علیرضا. (1386). بررسی ارتباط از دور سیگنال هواشناسی ENSO با نوسانات بارندگی و دما در استان خراسان. علوم محیطی، 4: 90-75.
[21] ناظم السادات، محمد جعفر؛ انصاری بصیر، ارمغان. پیشوایی، محمدرضا. (1386). ارزیابی سطح معنی داری برای پیش‌بینی دوران خشکسالی و ترسالی فصل پاییز و شش ماهه سرد ایران بر اساس وضعیت فازهای تابستانه ENSO. تحقیقات منابع آب ایران، 1: 24-12.
[22] یاراحمدی، داریوش؛ عزیزی، قاسم. (1386). تحلیل چندمتغیره ارتباط میزان بارش فصلی ایران و شاخص‌های اقلیمی. پژوهش‌های جغرافیایی، 62: 174-161.
[23] Alexandre M R, Ricardo M T, Fátima E S. 2011. Evolution of extreme temperatures over Portugal: recent changes and future scenarios: Climate Research. 48,177-192. DOI: 10.3354/cr00934.
[24] Bannayan M, Sanjani S, Alizadeh A, Sadeghi Lotfabadi S, Mohamadian A. 2010. Association between Climate indices, aridity index, and rain fed Crop yield in northeast of Iran, Field Crops Research, 118: 105-114. https://doi.org/10.1016/j.fcr.2010.04.011.
[25] Barlow M, Cullen H, Lyon B. 2002. Drought in Central and Southwest Asia: La Nina, the Warm Pool, and Indian Ocean Precipitation. Journal of Climate, 15: 697-700. https://doi.org/10.1175/1520-0442(2002)0152.0.CO;2
[26] Buckley L B, Huey R B. 2016. How Extreme Temperatures Impact Organisms and the Evolution of their Thermal Tolerance. Integrative and Comparative Biology, 56(1): 98–109. https://doi.org/10.1093/icb/icw004
[27] Cohen J S. 1983. Classification of 500 mb height anomalies using obliquely rotation principal components. Journal of applied meteorology and climatology, 22(12): 1975-1988. DOI: 10.1175/1520-0450(1983)0222.0.CO;2
[28] Cullen H M, Kaplan A, Arkin P A, Demenocal P B. 2002. Impact of the north Atlantic oscillation on Middle Eastern climate and streamflow of climatic change, 55: 315-388. https://doi.org/10.1023/A:1020518305517.
[29] Fallah-Ghalhari G A, Khoshhal-Dastjerdi J, Habibi-Nokhandan M. 2012.Using Mann Kendal and t-test methods in identifying trends of climatic elements: A case study of northern parts of Iran, Management Science Letters, 2(3): 911-920. Doi: 10.5267/j.msl.2011.10.015.
Flatau M, Talley L, Niiler P. 2003. The North Atlantic Oscillation, Surface Current Velocities, and SST Changes in the Subpolar North Atlantic, Journal of climate, 16: 2355-2369. https://doi.org/10.1175/2787.1
[30] Hair J F, Andersen R E, Tatham R L, Black W C. 1998. Multivariate Data Analysis. Prentice Hall Pub, pp. 498.
[31] Karl T R, Nicholls N, Ghazi A. 1999. CLIVAR/GCOS/WMO workshop on indices and indicators for climate extremes: Workshop summary. Climatic Change, 42: 3-7.
[32] Kutiel H, Maheras M, Tulkes p, Paz S. 2002. North Sea-Caspian Pattern (NCP) an Upper Level Atmospheric Teleconnection Affecting the Eastern Mediterranean Implication on the Regional Climate, Theoretical and Applied Climatology. 72(3): 173-192. https://doi.org/10.1007/s00704-002-0674-8.
[33] Lloyd Hughes, B, Mark A S. 2002. Seasonal prediction of European spring precipitation from El Nino-Southern oscillation and local sea-surface temperatures, International journal of climatology, 22: 1-14. DOI: 10.1002/joc.723
[34] Mantua N J. 2002. The Earth System, Physical and Chemical Dimension of Global Environmental Change. John New Jersey.
[35] Nicolls N, Katz R W. 1991. Teleconnections and their implications for long-range forecasts’ Glantz, M. H. (ed) Teleconnections Linking Worldwide Climate Anomalies New York: Cambridge University Press.
[36] Niebauer H J, Robert H Day. 1999. Causes of Interannual Variability in the Sea Ice Core of the Eastern Bring Sea, Institute of Marine Science, University of Alaska.
[37] Richman M B, 1981. Obliquely rotated principal component: An improved meteorological map typing technique. Journal of applied meteorology and climatology, 20: 1145-1159.
[38] Smolinsky K K. 2004. Interrelationship among Large Scale Atmospheric Circulation Regimes and Surface Temperature Anomalies in the North American Arctic. A Thesis Presented to the Academic Faculty”. School of Earth and Atmospheric Sciences. http://hdl.handle.net/1853/5026
[39] Von Storsch H, Zwiers F W. 1999. Statistical Analysis in climate research. Cambridge University Press, UK. Wiley Publication., USA, pp. 495.
[40] Wilks D S. 1995. Statistical Methods in the Atmospheric Sciences; An introduction, Academic Press, San Diego, California, USA, pp. 649.
[41] Wolter H. 2000. Multivariate ENSO index, posted at the climate diagnostics center web pages. http://www.cdc.noaa.gov/Ekew/MEI.