ارزیابی تاثیر دمای پهنه های آبی منطقه ای بر بارش های فصلی ایران
/ایمان بابائیان
: دانشکده علوم انسانی و اجتماعی
۱۷۵ص
چاپی
بصورت زیرنویس
فاقد اطلاعات کافی
دکتری
جغرافیای طبیعی گرایش اقلیم شناسی
۱۳۹۰/۰۳/۱۸
دانشگاه تبریز
پژوهش حاضر با هدف شناخت ارتباط بین دمای پهنه های آبی منطقه با بارش های فصلی ایران و سنجش میزان حساسیت بارش فصل زمستان کشور به افزایش دمای پهنه های آبی مذکور انجام گردید .همچنین به منظور شناخت الگوهای سینوپتیکی تاثیر گذار بر بارش، مطالعه ای اجمالی بر روی الگوهای سینوپتیکی انجام شد .منطقه مورد مطالعه در این تحقیق از استوا تا عرض ۵۰ درجه شمالی و طول ۵ تا ۷۵ درجه شرقی را پوشش می دهد که در محدوده مذکور ارتباط بین دمای پهنه های آبی با بارش ایران بررسی شده است .برای بررسی روند تغییرات دمای پهنه های آبی از داده های ERSST v.۲ و برای بررسی ارتباط بین بارش و دمای سطح آب از داده های دمای سطح آب تهیه شده توسط سازمان هواشناسی و اقیانوس شناسی آمریکا و داده های بارش ماهانه ۱۴۱ ایستگاه هواشناسی کشور در دوره ۱۹۸۰ تا ۲۰۰۹ استفاده گردید .همچنین برای سنجش حساسیت دمای پهنه های آبی به افزایش دو درجه ای دما از داده های دمای GISST سازمان هوا و اقیانوس شناسی آمریکا استفاده شد .روش مورد استفاده برای بررسی ارتباط بین بارش و دمای سطح پهنه های آبی منطقه، تحلیل مولفه اصلی و خوشه بندی و برای مطالعه حساسیت بارش کشور به افزایش دمای پهنه های آبی مدل سازی دینامیکی با استفاده از مدل اقلیمی RegCM۳ بوده است که هم اکنون در بسیاری از مراکز معتبر علمی از جمله سازمان هواشناسی آمریکا، مرکز تحقیقات هواشناسی کره جنوبی، مرکز بین المللی فیزیک نظری ایتالیا و . . . استفاده می شود .برای بررسی ارتباط بین دمای پهنه های آبی و بارش فصلی کشور، تعداد ۴۸۳ متغیر اولیه دمای پهنه های آبی با استفاده از تحلیل عاملی به کمتر از ۱۰ عامل تقلیل یافتند که حداقل ۹۰ درصد از واریانس داده های اولیه را تشریح می نمودند .سپس با ترسیم بارگویه ها کانون های مهم تغییر مشخص شدند که بر این اساس مهمترین کانون های تغییر غرب اقیانوس هند، واقع در مجاورت سواحل سومالی، سواحل جنوبی هند، شرق مدیترانه - دریای سیاه و شمال دریای عرب تعیین شدند .بررسی فصلی کانون های تغییر نشان می دهند که در فصل پاییز مهمترین کانون های تغییرات دما در اقیانوس هند و دریای عرب قرار دارند که به تنهایی ۳/۶۰ درصد واریانس کل این فصل را تبیین می کنند .سپس در مرتبه بعدی دریای مدیترانه با ۴/۱۵ درصد واریانس کل قرار می گیرد .در فصل زمستان اولین کانون تغییر غرب اقیانوس هند و دومین آن شرق دریای مدیترانه و دریای سیاه می باشد .مهمترین کانون های تغییر فصل بهار در اقیانوس هند و دریای مدیترانه واقع هستند و دریای خزر تنها ۹/۲ درصد از تغییرات را تبیین می کند .در فصل تابستان هرچند اقیانوس هند بعنوان مهمترین کانون تغییر مطرح است، اما نقش دریاهای مدیترانه، سیاه و خزر تا حد اولویت دوم تقویت شده است .با خوشه بندی نمرات عاملی و تهیه الگوهای آنومالی دمای فصلی سطح پهنه های آبی، ارتباط بین هر یک از الگوها با بارش های فصلی کشور محاسبه شد .نتایج نشان می دهند که بالاترین همبستگی های معنی دار بین بارش های فصل بهار با مولفه های اصلی)مبنای (دمای سطح پهنه های آبی می باشد، به طوریکه در این فصل تعداد کل ایستگاههای با همبستگی معنی دار ۱۰۵ ایستگاه از کل ۱۴۱ ایستگاه محاسبه شد که معادل ۷۵ درصد کل ایستگاههای مورد مطالعه است .در سایر فصول تعداد کل ایستگاههای دارای همبستگی معنی دار به ترتیب ۸۳ ، ۷۳ و ۵۸ ایستگاه) معادل۶/۵۸ ، ۴/۵۱ و ۷/۴۰ درصد کل ایستگاههای مورد بررسی (در فصول تابستان، زمستان و پاییز می باشند .میانگین همبستگی های معنی دار به ترتیب در فصول پاییز، زمستان، بهار و تابستان۴۳/۰ ،۴۳/۰ ، ۴۷/۰ و ۴۴/۰ درصد می باشد .این همبستگی های نسبتا بالا بین بارش های فصلی ایران با الگوهای میانگین دمای سطح پهنه های آبی نشان می دهد که بخش نسبتا مهمی از تغییرپذیری های بارش کشورمان) حدود ۲۰ درصد (توسط الگوهای دمایی میانگین سطح پهنه های آبی منطقه قابل تشریح می باشد .برای بررسی حساسیت بارش های ایران در فصل زمستان به دمای سطح پهنه های آبی، دمای سطح پهنه های آبی منطقه در مدل اقلیمی RegCM۳ به میزان دو درجه افزایش داده شد .نتایج نشان می دهند که افزایش دمای پهنه های آبی همجوار کشورمان، عمدتا موجب افزایش بارش کشور شده اما افزایش دمای پهنه های آبی دریای مدیترانه، دریای سیاه و غرب اقیانوس هند موجب کاهش بارش ایران می شوند .همچنین افزایش دما موجب افزایش ناهمگنی بارش و حذف هسته های پربارش در جنوب کشور می شود
north part of Indian Ocean (winter and spring), South of India (autumn), East of Arabian sea, from Yemen to Somali adjacent water bodies (summer). We found that water bodies near North of Indian Ocean and the Caspian Sea have maximum and minimum role in regional SST variability, among all water bodies around Middle East, respectively. Mean seasonal SST patterns were extracted using cluster analysis. Study reveals that correlation between normalized precipitations between ۱۴۱ synoptic stations of Iran and mean seasonal SST patterns over regional water bodies are significant in large number of weather stations. Numbers of stations with significant correlation out of ۱۴۱ are ۱۰۵, ۸۳, ۷۳ and ۵۸ in spring, summer, winter and autumn, respectively. The results concluded that there are significant high correlations between SST of regional water bodies and precipitation of Iran, so, the major amount of precipitation variability over Iran can be explained by SST anomalies of regional water bodies. Linkage between SST and precipitation presented in this paper can be used as one of important components for seasonal precipitation prediction over Iran stations. Effects of increased Sea Surface Temperature in regional water bodies on winter precipitation on ۲۰۰۹/۲۰۱۰ (as a case study) have been simulated using RegCM۳ regional climate model and ۲.۵-۲۰۰۹. Area of study for sea surface temperature were all water bodies in Middle East including Caspian, Black, Mediterranean, Red and Oman Sea, Persian Gulf and north of Indian Ocean. We applied Principal Component Analysis (PCA) to the seasonal Sea Surface Temperature over six main water bodies around Iran. Number of ۴۸۳ initial SST parameters has been reduced to less than ۱۰ orthogonal SST modes having around ۹۰ of initial SST variance. Results of current research over the period under study showed that the maximum annual increasing rate of SST has been occurred in Oman Sea by ۰.۰۰۴۹ degree of Centigrade (around ۰.۵ of Centigrade per ۱۰۰ year). Red Sea, Persian Gulf and Mediterranean Sea by ۰.۰۰۲۸, ۰.۰۰۲۷ and ۰.۰۰۱۹ have other remaining maximum annual increasing rate of SST. We found that the most important center of seasonal SST variability is located over water bodies nearing to Somali coasts and western-situ marine data and remote sensing data from satellite observations. Precipitation data have been extracted from I. R. of Iran Meteorological Organization in the same period of ۱۹۸۰-۲ latitude and longitude resolution and seasonal precipitation of ۱۴۱ synoptic stations of Iran. ERSST data is Extended Reconstructed Sea Surface Temperature data that have been obtained by using various observed in*۲۰۰۹ with ۲-Sea Surface Temperature (SST) is a critical factor in providing humidity and climatic structure of the regions that mainly surrounded by oceans and seas. In this research, two types of data including sea surface temperature and precipitation are used to investigate the relationship between Irans precipitation and SST of water bodies in the region. We used ERSST v.۲ gridded sea surface temperature in the period of ۱۹۸۰۲.۵ degree resolutions of NNRP (NCEP/NCAR Reanalysis Project) reanalysis data and ۱homogeneity of seasonal precipitation will be increased when SST increases -K increase in other water bodies. Maximum increase in winter precipitation has been detected in Caspian Sea experiment by ۳.۵ increase in Iran precipitation. Among all water bodies, Indian Ocean (near Somali coasts) SST has maximum decrease in precipitation of Iran. Results also reveal that the in-K increase in neighboring water bodies lead to increase of Irans winter precipitations, but it lead to decrease in winter precipitation when ۲-K increase of SST in neighboring and other water bodies located in far distances. ۲-K increase in mean monthly SSTs of the regional water bodies. In general, increased SSTs have two different responses to ۲-k increases to SSTs of Caspian, Black, Mediterranean, Red and Arab Sea, Persian Gulf and west of Indian Ocean near Somali coasts. Results of numerically modeling confirm that the winter precipitation of ۲۰۰۹/۲۰۱۰ is sensitive to ۲-۱ degree resolution of Sea Surface Temperature data from NOAA as boundary conditions to feed the model. The sensitivity simulations involve ۲