فهرست مطالب

نیوار - پیاپی 62-63 (پاییز و زمستان 1385)

نشریه نیوار
پیاپی 62-63 (پاییز و زمستان 1385)

  • تاریخ انتشار: 1385/12/20
  • تعداد عناوین: 9
|
  • فاطمه رحیم زاده، نوشین محمدیان، سیدجمال اکبری نژاد صفحه 7
    عنصر باد یکی از متغیرهای پیچیده اقلیمی است که تغییرات آن در مقیاسهای کوتاه و بلندمدت بر خصوصیات اقلیمی جهانی، منطقه ای و محلی اثر می گذارد و از جمله عوامل موثر بر اقلیم و تغییرات آن بشمار می رود. افزایش ناگهانی سرعت باد سبب وقوع تندبادها و گردبادها و وقوع خسارت در منطقه مربوطه خواهد شد. این تندبادها چنانچه منجر به تغییر سرعت بیشینه مطلق باد شود تمام معادلات ساختمانی و اقتصادی منطقه را دستخوش تغییر خواهد کرد. این در حالیست که در دهه های اخیر روندها وتغییرپذیری سرعت باد در هر دو مقیاس بزرگ و کوچک مشاهده شده است. درباره چگونگی تغییرات سرعت باد در طول زمان نسبت به سایر عناصر اقلیمی اطلاعات کمتری موجود است. تغییر روش های اندازه گیری، تغییر شرایط محیط اطراف آنها در طول دوره های ثبت داده های باد در اثر تغییر مکان ایستگاه های هواشناسی، رشد و گسترش شهری از نظر سطح و ارتفاع، همچنین تغییر پوشش گیاهی، سبب می شوند تا داده های مربوط به باد از همگنی لازم برخوردار نباشند. همین امر یکی از دلایلی است که راه را برای مطالعه تغییرپذیری عنصر برداری باد مشکل می سازد. لکن بررسی تغییرات سمت و سرعت باد امری ضروری به نظر می رسد که باید در کنار بررسی سایر عناصر به آن پرداخت و هدف از ارایه این مقاله نیز بررسی این تغییرات در تعدادی از ایستگاه های سینوپتیک کشور می باشد. در این تحقیق، تغییرات بلندمدت سرعت باد در ارتفاع ده متری از سطح زمین در چند ایستگاه هواشناسی طی دوره 2000-1951 میلادی با استفاده ازچند روش آماری ارایه شده است. جهت بررسی همگنی از آزمون انحرافات تجمعی، برای تعیین نقاط نابهنجاری سری ها از آزمون کرامر و به منظور تعیین روند داده های سرعت باد از روش حداقل مربعات و آزمون من کندال استفاده شده است. تحلیل آماری میانگین سالانه سرعت های باد حاکی از وجود تغییر در این سری ها می باشد. یکی از مهمترین نتایج بدست آمده حاکی از کاهش شدید میانگین سرعت باد در ایستگاه هایی نظیر تهران و اصفهان است که می تواند در کنار عواملی همچون افزایش جمعیت و توسعه شهری سبب افزایش پتانسیل آلودگی در این شهرها باشد.
    کلیدواژگان: تغییر پذیری اقلیمی، سرعت باد، نقاط نابهنجاری، همگنی و روند
  • محمدرضا دانشور، عبدالرسول تلوری، محمود توکلی، محمدرضا داناییان صفحه 21
    خشکسالی یکی از بلایای طبیعی است که رخداد آن اثرات زیانباری را بر محیطهای اکولوژیک وارد می نماید. به منظور تحلیل خشکسالی های منطقه جنوب و جنوب شرق کشور، آمار بارندگی متوسط سالانه و ماهانه ایستگاه های محدوده طرح در یک دوره آماری 30 ساله (1999-1970) مورد بررسی قرار گرفت. ابتدا براساس قوانین آماری و انتخاب بهترین توزیع، میزان بارندگی متوسط سالانه در دوره های بازگشت مختلف در یک پریود خشکسالی برآورد شد. سپس براساس نسبت بارندگی برآورد شده با هر دوره بازگشت به بارندگی متوسط سالانه هر ایستگاه (P/P.Mean) نقشه هم نسبت منطقه مورد مطالعه تهیه گردید. با بررسی این نقشه ها می توان نتیجه گرفت، هنگامیکه خشکسالی فرضی با دوره بازگشت T ساله در کل سطح منطقه رخ دهد آنگاه کدام نواحی در سطح منطقه دچار ضعف بحرانی تری خواهند شد. بدیهی است مناطقی در این شرایط وضعیت بحرانی تر خواهند داشت که کمبودهای اتفاق افتاده در آنها دارای انحراف بیشتری نسبت به متوسط بلندمدت آنها باشد. با استفاده از معیار سری آماری بی بعد انتخاب شده منطقه ای می توان در هر کدام از سال های آماری موجود، مناطق تحت پوشش خشکسالی با شدت متناظر با دوره بازگشت T ساله را مورد ارزیابی قرار داد.
    کلیدواژگان: خشکسالی، دوره بازگشت، بارندگی متوسط سالانه، شدت متناظر خشکسالی
  • صفر معروفی صفحه 37
    در این مطالعه، مقدار بارندگی حداکثر محتمل با مقادیر حداکثر بارندگی های روزانه، برای دوره های بازگشت مختلف، در سطح استان همدان مورد مقایسه قرار گرفته است. بدین منظور ابتدا مقدار PMP چهارده ایستگاه هواشناسی از حوضه های آبریز رودخانه های گاماسیاب و سیمینه رود (قره چای) که در استانهای کرمانشاه و همدان واقع شده اند، براساس روش هرشفیلد و با استفاده از آمار بلندمدت بارندگی حداکثر 24 ساعته محاسبه شد. سپس مقادیر بارندگی حداکثر روزانه گسترش یافته هر ایستگاه براساس مناسب ترین توزیع احتمالاتی، برای دوره های بازگشت 2 الی 10000 ساله محاسبه شد. در مرحله بعد، این مقادیر احتمالاتی بارندگی حداکثر روزانه ایستگاه های مورد نظر با مقادیر PMP نظیر آن مقایسه گردید. نتایج بدست آمده نشان می دهد، اگرچه در سطح ایستگاه های منطقه مقادیر PMP بین 151 و 485 میلیمتر در نوسان بوده، ولی متوسط ضریب تغییرات آنها 29 درصد می باشند. میزان ضریب تغییرات بارندگی حداکثر روزانه نیز بین 22 و 50 درصد (میانگین 26 درصد) در نوسان بوده و با افزایش دوره بازگشت (به خصوص پس از دوره بازگشت 100 ساله) افزایش می یابد. نسبت بارندگی حداکثر روزانه به بارندگی حداکثر محتمل برای دوره های بازگشت مختلف بین 12/0 و 50/0 تغییر نموده و با افزایش دوره بازگشت، زیاد می شود. در صورتی که میزان متوسط ضریب تغییرات نسبت مذکور برای دوره های بازگشت مختلف، دارای تغییرات کمتری است و به طور متوسط 14 درصد می باشد. ضریب همبستگی بین مقادیر بارندگی حداکثر محتمل و مقادیر نسبت بارندگی حداکثر روزانه به بارندگی حداکثر محتمل برای دوره های بازگشت مختلف، متغیر بوده و بهترین ضریب هبستگی مربوط به بارندگی حداکثر روزانه با دوره بازگشت 10000 ساله است که در حدود 7/0 می باشد. نتایج بدست آمده همچنین نشان می دهند که بارندگی حداکثر 24 ساعته با دوره بازگشت 10000 ساله منطقه، درحدود 50 درصد مقدار PMP می باشد که می تواند الگوی مناسبی برای کنترل تخمین حداکثر بارش محتمل، به خصوص در شرایطی که آمار مناسب و کافی وجود نداشته باشد، بشمار آید.
    کلیدواژگان: بارندگی حداکثر محتمل، بارندگی حداکثر روزانه، سیمینه رود (قره چای)، گاماسیاب
  • ایمان باباییان، زهرا نجفی نیک صفحه 49
    علیرغم افزایش قابل ملاحظه دقت مدل های عددی گردش عمومی جو و مدل های منطقه ای، تاکنون هیچکدام از آنها قادر به پیش بینی در مقیاس ریز و در حد ایستگاه های هواشناسی نیستند. به این منظور مدلهای مختلف آماری و دینامیکی برای شبیه سازی و ریزمقیاس نمایی خروجی مدلهای GCM و RCM ابداع شده اند. همچنین آنها قادر به شبیه سازی داده های گم شده در ایستگاه های هواشناسی هستند. در این مقاله، ابتدا بررسی مختصری بر روی انواع مدلهای متداول Weather Generator انجام خواهد شد و سپس با تاکید بر مدل LARS-WG قدرت آن در همانند سازی داده های دوره آماری، مورد بررسی و ارزیابی قرار می گیرد. ارزیابی بر روی چهار ایستگاه سینوپتیک استان خراسان (قبل از تقسیم) شامل مشهد، بیرجند، سبزوار و تربت حیدریه انجام شده است. مقایسه نتایج حاصل از مقادیر دیدبانی و مدل سازی شده چهار پارامتر بارش، دمای حداقل، دمای حداکثر و تابش ماهانه همراه با مقادیر انحراف معیار آنها نشان می دهد که بیشترین خطا مربوط به مدل سازی بارش روزانه می باشد. علاوه بر این نتایج نشان می دهند که LARS-WG با دقت بالایی قادر به مدل سازی پارامترهای دمای حداقل و حداکثر است و قدرت مدل در پوشش واریانس پارامترهای مورد مطالعه در سطح اطمینان 95 درصد قابل قبول می باشد. نتایج شهودی و آماری حاکی از قدرت بسیار خوب آن در شبیه سازی داده های دوره آماری است، به طوریکه بیشترین خطای مدل سازی بارش در ایستگاه های تربت حیدریه 6/0 میلیمتر، دمای حداقل در ایستگاه سبزوار 9/0 درجه، دمای حداکثر در ایستگاه بیرجند 9/1 درجه و تابش 7/0 مگاژول بر مترمربع بر روز در ایستگاه های بیرجند و تربت حیدریه در دوره آماری بوده است. بنابراین مدل LARS-WG می تواند به عنوان یک مدل ارزیابی کننده اقلیم آتی در چهار ایستگاه یاد شده مورد استفاده قرار گیرد. برای این کار لازم است با استفاده از خروجی مدل های اقلیمی یک سناریوی اقلیمی متناسب تهیه و سپس آن را براساس سناریوی تهیه شده اجرا کرد.
    کلیدواژگان: مدل های GCM، ریزمقیاس نمایی، مدل Weather Generator، سناریوی اقلیمی
  • مهدی اصلاحی، رشید سعیدآبادی صفحه 67
    پیش بینی بارش در مدیریت خشکسالی و سیلاب نقش ویژه ای ایفا می کند. تاکنون روش های مختلفی جهت پیش بینی فصلی و ماهانه بارش با استفاده از مدلهای آماری ارایه شده است. در این مقاله مدل پیش بینی بارش براساس رابطه آن با دما پایه ریزی شده است. با توجه به مکانیسم غالب بارندگی در منطقه آذربایجان که عمدتا از طریق صعودهای اورگرافیکی می باشد، رابطه قوی و معکوسی بین دما و بارندگی وجود دارد. بررسی رژیم دمایی و بارندگی منطقه به طور همزمان وجود رابطه عکس بین دما و بارندگی را در دوره های کوتاه و بلندمدت ثابت می کند. مدل بندی سری زمانی مقادیر آنومالی بارش ماهانه امکان پیش بینی بارندگی دوره های خشک و تر را فراهم می آورد. تحلیل همبستگی نگار متقاطع (CCF) مقادیر حداقل، حداکثر و میانگین دما با بارندگی وجود حافظه اقلیمی دو ماهه بین دما و بارندگی را نشان می دهد. برای پیش بینی مقادیر بارندگی مدل آماری براساس دمای دو ماه قبل، یک ماه قبل و همان ماه تنظیم گردیده است.
    کلیدواژگان: دوره های خشک و تر، سریهای زمانی، بارش، حافظه اقلیمی
  • صفحه 83
  • صفحه 87
  • صفحه 91
  • صفحه 95
|
  • F. Rahimzadeh, N. Mohammadian, J. Akbarinegad Page 7
    Wind is one of most complicated climatic elements with wide variety effects in different scales. Sudden increase of wind speed causes squalls and If they cause to trends and variability of wind speed in large scales and in small scales have been observed. There is less information on nature of spatial change of wind element respect to other climatic elements. Change of methods in wind observations, change in surrounding environment during the observing period due to relocations of meteorological stations, urban growth and change in vegetation cover of the cities cause wind data not to be homogenous. The above mentioned features hinders the study of wind variability, but nevertheless, study of wind variability is a necessity. The purpose of this paper is to find this variability in some of synoptic stations of Islamic Republic of Iran. Using some statistical methods, long term changes of surface wind speed (10 meters) in some synoptic stations for period 1951-2000 will also be presented. Tests of Cumulative deviationare are used Cramer, Mann- Kendal and Pearson to determine homogeneity, change point and trend of time series of wind data. Some change points are found in the series.
    Keywords: Climatic Variability, Wind Speed, Abnormality, Homogeneity, Trend
  • M. Daneshvar, A. Telvary, M. Tavakoli, M.R. Danaeian Page 21
    The Average annual and monthly rainfall of limited projects Stations were surveyed in statistical periods 30 years (1970-1999) to analyze droughts of south and South-East of our country. At first the average annual rainfall was estimated in a drought period according to statistical rules and best-selected distribution. Then the map of chosen area was provided based on the estimated rain fall rate to average annual of each station for return period (P/P.Mean). Due to provided maps may recognize when drought with a T return period occurs in whole area and then which area has more critical weakness. Ofcourse, each area would have more critical condition that has weakness with more diversity to their mean long time weaknesses. Using dimensionless statistical series criteria may evaluate drought area with similar T return period intensity.
    Keywords: Drought, Annual Rainfall, Returns Period, Similar Drought Intensity
  • S. Marofi Page 37
    In this paper, the probable maximum precipitation (PMP) has been compared to annual maximum daily-frequented rainfalls in the Hamadan Province. In this regard, the 24-h PMP of 14 meteorological stations of Ghamasiab and Ghara-Chay hydrological basins, situated in the Hamadan and Kirmanshah provinces have been estimated based on the Hershfield method. In each station, the PMP value was compared with the annual maximum daily rainfalls calculated from 2 to 10000 years return periods. The result show that the PMP of region varies from 151 to 485 mm. It has an average of variation of 29% present. The annual maximum daily rainfalls present the coefficient of variations between 22 and 50% (26% on average). These variation increases with return period increasing, especially after 100 years return period. The ratio between the annual maximum daily-frequented rainfalls and the PMP values are vary between 0.12 and 0.50, with an average variation of 14%. This ratio increases with return period increasing. The average regression coefficient between the PMP value and this ratio is different. The best coefficient concern the 10000 years return period annual maximum daily rainfall that is about 0.70. The results also show that the 10000 years (return period) annual maximum daily rainfall is about 50% of the PMP value. These results present a simple methodology for control of PMP estimation, especially in the cases that the sufficient data are not available.
    Keywords: Probable Maximum Precipitation, maximum Daily Precipitation, Ghara, Chay, Ghamasiab
  • I. Babaeian, Z. Najafi Nik Page 49
    In spite of considerable increase in the resolution of general circulation and regional models, none of these models are capable to predict and downscale the meteorological outputs in the scale of meteorological station. In this regard different dynamical and statistical models have been developed for downscaling outputs of GCMs. These models are capable to simulate missed data as well. In this paper a brief history of some common Weather Generatorsare firstly reviewed and then skill of LARS-WG statistical model in producing the historical daily data of four synoptic stations of Khorasan province including Mashhad, Birjand, Sabzevar and Torbat-Heydariyeh are investigated. By comparing observed data and the data produced by model, the greatest error was found in rainfall data. Results show that, LARS-WGcan produce minimum and maximum temperature accurately. Skill of the model for modeling the variance of the four mentioned data is acceptable in %95 confidence levels. The obvious errors of rainfall, minimum temperature, maximum temperature and radiation were found in Torbat-e-heydariyeh with 0.6 mm, Sabzevar with 0.9 ÚC, Birjand with 1.9 ÚC and radiation with 0.7 MJ/m2, respectively. So, it is highly recommended that LARS-WG could be used as a reliable tool for future climate assessment over Khorasan province. Before running the model, a climate change scenario obtained from GCM coarse grid is needed.
    Keywords: GCM Model, Downscaling, Weather Generator, Climate Change Scenario, LARS, WG
  • M. Eslahi, R. Saeed Abadi Page 67
    Precipitation forecasting has been received more attention to manage drought and flooding. Nowadays, different methods have been established which are enabling to predict precipitation seasonally and monthly using statistical models. In this research, precipitation forcasting model is established by using the relationship between temperature and precipitation. It can be concluded that as in Azerbaijan province the factors cause the precipitation is the result of raising orographical system, hence there is a inverse relationship between temperature and precipitation. The results not only prove the inverse relationship in long term but also show a short term relationship between temperature and precipitation. The time series modeling for monthly precipitation anomalies make it possible to predict precipitation of dry and wet periods. The analysis of cross correlation function (CCF) of minimum, maximun and mean temperature with precipitation show a bimonthly prolonged effect between temperature and precipitation. To predict precipitation, statistical model has been established by using temperature of two and one months precedingly and the same month.
    Keywords: Dry, Wet Periods, Time Series, Precipitation, Prolonged Effect