بررسی ارتباط الگوی پیوند از دور دریای شمال- خزر با بارشهای ایران (مطالعه موردی: استان اردبیل) | ||
| پژوهشهای دانش زمین | ||
| دوره 13، شماره 2 - شماره پیاپی 50، 1401، صفحه 1-20 اصل مقاله (950.87 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/esrj.2022.101294 | ||
| نویسندگان | ||
| برومند صلاحی* 1؛ محمود بهروزی2 | ||
| 1گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
| 2پژوهشکده علوم دریایی، پردیس بینالمللی کیش- دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| در این پژوهش ارتباط الگوی دریای شمال-خزر با بارشهای استان اردبیل شامل ایستگاههای اردبیل، خلخال، مشگینشهر و پارسآباد در بازه زمانی 1987 تا 2015 بررسی شد. پس از شناسایی همبستگی بین شاخص NCP و بارش استان اردبیل و بررسی همدیدی فازهای مثبت و منفی الگو، از شبکه عصبی مصنوعی برای مدلسازی این رابطه استفاده گردید. نتایج نشان داد که در مشگینشهر، همبستگی بارش و NCP در فوریه و دسامبر مثبت و معنادار بود، اما در مقیاس فصلی، ارتباطی بین آنها وجود نداشت. همبستگی بارشهای اردبیل با شاخص NCPمعنادار نبود، ولی در خلخال، بارش ماههای نوامبر و دسامبر با شاخص NCPهمبستگی مثبت داشت. بیشترین همبستگی بین بارش پاییزه پارسآباد و شاخص NCP بود که همبستگی آنها مثبت و در سطح 99 درصد معنادار بود. استقرار ناوه بر روی دریای مدیترانه و قرارگیری منطقه موردمطالعه در جلوی ناوه، وضعیت چرخندی فراهم آورده که باعث انتقال رطوبت دریای شمال، مدیترانه، دریای سیاه و اقیانوس اطلس به سمت ایران شده که این وضعیت موجب وقوع بارشهای پاییزه در دشت مغان میشود. اما در فاز منفی، با ایجاد پشتهی قوی در ایران، شرایط جوی پایدار در منطقه حاکم شده و موجب وزش هوای گرم و خشک آفریقا به سمت ایران میگردد که دوره خشکسالی منطقه میباشد. ارتباط بین بارش پاییزه پارسآباد با شاخص NCP با استفاده از مدل شبکه عصبی مصنوعی، مدلسازی شد. نتایج نشان داد که ضریب رگرسیونی مدل، 98/0 و مجموع مربع خطاهای آزمون، 16/2 بود که نشان میدهد که مدل از برازش مناسبی برخوردار است. | ||
| کلیدواژهها | ||
| الگوی پیوند از دور دریای شمال- خزر؛ پارس آباد؛ رگرسیون؛ شبکه عصبی؛ همبستگی | ||
| عنوان مقاله [English] | ||
| Investigation of the relationship between the North-Caspian Sea pattern tele-connection and Iran's precipitation (case study: Ardabil province) | ||
| نویسندگان [English] | ||
| Bromand Salahi1؛ Mahmoud Behrouzi2 | ||
| 1Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran | ||
| 2Marine Science Institute, Kish International Campus, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| Introduction The North-Caspian Sea Pattern (NCP) is one of the atmospheric phenomena that originates from the pressure fluctuation at the 500 hectopascals level between the North Sea and the Caspian Sea. For the North-Caspian Sea Pattern, a numerical index has been defined, which is calculated based on the geopotential height difference of 500 hectopascals between the North Sea and the Caspian Sea. After the numerical calculation of this index, the output number is positive or negative, and the output of the positive number indicates the negative phase and the output of the negative number indicates the positive phase of this index. Materials and Methods To investigate the relationship between the precipitations of Ardabil province with the North-Caspian Sea Pattern, first the average precipitation, temperature and relative humidity of Ardabil, Parsabad, Khalkhal and Meshgin-Shahr stations during 1987-2015 was prepared from the IRI Meteorological Organization.Then, the data of the North-Caspian Sea Pattern for the period of 1987 to 2005 were prepared and used from the climate research system of East Anglia University. In order to calculate the mentioned index until 2015, statistical equations were used and the numerical amount of NCP index was prepared for the years 1987 to 2015.Then the monthly, seasonal and annual relationship of the North-Caspian sea pattern with the parameters of precipitation, temperature and relative humidity of Iran during a period of 29 years (1987-2015) was investigated with Pearson correlation at 95 and 99% level. In order to model the relationship between precipitation and the NCP model, the forward perceptron artificial neural network model was used. Results and discussion The results showed that the correlation between monthly, seasonal and annual precipitation in Ardabil with the NCP index is not significant, and relative humidity has no significant relationship with the NCP index, but the temperature in February and July had a significant relationship with the NCP index at the 95% level.The results also showed that the relationship between precipitation and NCP index in Khalkhal is more than Ardabil, which was significant in November and December as well as summer and autumn seasons and the annual average of their relationship was significant at the 95 and 99% level. In November and December (autumn season), the correlation coefficient of precipitation and NCP index was positive, which shows that the amount of precipitation increases as the NCP index becomes positive. The correlation between the NCP index and the precipitation of Mashgin-shahr in January and December was significant and positive at the 95% level. The highest correlation between precipitation and NCP index was observed in Pars-Abad, especially in autumn, and at the 99% level, their correlation was significant and positive; this means that with the positive NCP index, the amount of autumn precipitation in the Moghan Plain will also increase. In order to fit the best artificial neural network model to the data, a regression line was used, and in this model, the R coefficient was 0.98 for the test data, 0.98 for the validation, and as overall, for the mentioned neural network model, its coefficient was equal to 0.98%, which indicates the appropriate fit of the model in predicting the amount of autumn precipitation in Pars Abad. Conclusion Moghan Plain, which is located in a flat area, and Sablan Mountains and high altitudes do not have an effect on its climate, are the only Tele-connection patterns that determine its precipitation regime, and this is the reason why the relationship between autumn rains is positive and significant with the NCP index. The positive phase of the North-Caspian sea pattern has been associated with the high Mediterranean trough, so that the studied area is located in front of the trough and the transfer of moisture from the Mediterranean Sea, the Atlantic Ocean and the Black Sea has caused autumn rains in Parsabad. Therefore, in spite of the influence of ENSO and North Atlantic Oscillation patterns on the precipitation of Ardabil province, the North-Caspian Sea pattern also plays an important role in its autumn precipitation, especially in the Moghan plain. | ||
| کلیدواژهها [English] | ||
| The North-Caspian Sea Pattern, Parsabad, Regression, Correlation, Neural Network | ||
| مراجع | ||
|
-پژوه، ف.، 1396. الگوهای پیوند از دور و نقش آن در تغییرات اقلیمی ایران، چاپ اول، انتشارات آثار فکر، 250 ص. -دارند، م. و رحمانی، ه، 1397. واکاوی نقش سیگنالهای اقلیمی بر بارش استان کردستان، فصلنامه فضای جغرافیایی، سال 18، شماره 63، ص 249-272. -سبحانی، ب.، صلاحی، ب. و گلدوست، ا.، 1393. ارتباط شاخص اقلیمی NAO با مقادیر میانگین، حداکثر و حداقل دمای ماهانه شمالغرب ایران، نشریه تحقیقات کاربردی علوم جغرافیایی، سال 14، شماره 33، ص 75-90. -سلیقه، م.، ناصرزاده، م.ح. و چهره آرا، ت.، 1395. بررسی رابطه شاخصهای NCPI و CACO با بارشهای فراگیر پاییزه، سواحل خزر جنوبی، نشریه تحقیقات کاربردی علوم جغرافیایی، سال 16، شماره 43، ص 217-238. -صلاحی، ب. و بهروزی، م.، 1398. ارزیابی نوسانات دما و بارش آیندهی دشت اردبیل بهمنظور مدیریت و برنامهریزی تاریخ شروع کشت و طول دوره رشد گندم، فصلنامه جغرافیا (برنامهریزی منطقهای)، سال 9، شماره 4، ص 277-288. -طولابی نژاد، م.، حجازی زاده، ز.، بساک، ع. و بزمی، ن.، 1397. اثرات نوسان اطلس شمالی بر ناهنجاری تراز میانی جو و بارش ایران (مطالعه موردی: غرب ایران)، نشریه تحقیقات کاربردی علوم جغرافیایی، سال 18، شماره 49، ص 19-35. -علیجانی، ب.، جعفرپور، ز. و جانباز قبادی، غ.ر، 1384. تحلیل خشکسالیهای دوره سرد سواحل جنوبی دریای خزر، فصلنامه جغرافیایی سرزمین، سال 2، شماره 7، ص 11-23. -فرجزاده اصل، م.، احمدی، م.، علیجانی، ب.، قویدل رحیمی، ی.، مفیدی، ع. و بابائیان، ا.، 1392. بررسی وردایی الگوهای پیوند از دور و اثر آنها بر بارش ایران. نشریه پژوهشهای اقلیمشناسی، شماره 15 و 16، ص 31-45. -فلاحزاده، م.، رضایی، پ.، اسلامیان، س. و عباسی، ع.ر.، 1397. تحلیل ارتباط الگوهای پیوند از دور با خشکسالی حوضه قرهقوم با استفاده از مدل شبکه عصبی، فصلنامه جغرافیای طبیعی، سال 11، شماره 42، ص 67-80. -قویدل رحیمی، ی.، حاتمی زرنه، د. و رضایی، م.، 1392. نقش الگوی پیوند از دور جو بالای دریای شمال – مازندران در تغییرات زمانی بارش سواحل جنوبی دریای خزر، نشریه تحقیقات کاربردی علوم جغرافیایی، سال 13، شماره 31، ص 29-46. -قویدل رحیمی، ی.، فرج زاده اصل، م. و حاتمی زرنه، د.، 1394. تحلیل رابطه پیوند از دور بین الگوی دریای شمال- خزر و دماهای حداقل ایران، فصلنامه فضای جغرافیایی اهر، شماره 52، ص 137-159. -قویدل رحیمی، ی.، فرج زاده اصل، م. و کاکاپور، س.، 1393. بررسی اثر الگوی پیوند از دور دریای شمال- خزر بر نوسانات بارشهای پاییزی مناطق غرب و شمالغرب ایران، نشریه جغرافیا و برنامهریزی، سال 18، شماره 49، ص 217-230. -لکزاشکور، ق.، روشن، غ.ر. و شاهکویی، ا.، 1397. واسنجی اثر الگوها و شاخصهای پیوند از دور بر رخداد خشکسالیهای استان گلستان، فصلنامه برنامهریزی منطقهای، سال 8، شماره 29، ص 107-124. -مرادی، ح.ر.، 1383. شاخص نوسانات اطلس شمالی و تأثیر آن بر اقلیم ایران، مجله پژوهشهای جغرافیایی، شماره 48، ص 17-30. -یوسفی، ی.، 1395. تغییرپذیری بارش و دورههای تر و خشک در بخشهای جنوبی دریای خزر، پژوهشهای دانش زمین، سال 7، شماره 25، ص 16-30.
-Abolhasan, G. and Maryam, N., 2013. Case study: ENSO events, rainfall variability and the potential of SOI for the seasonal precipitation predictions in Iran. -Araghi, A., Mousavi‐Baygi, M., Adamowski, J. and Martinez, C., 2017. Association between three prominent climatic teleconnections and precipitation in Iran using wavelet coherence, International Journal of Climatology, v. 37(6), p. 2809-2830. -Barcikowska, M.J., Kapnick, S.B., Krishnamurty, L., Russo, S., Cherchi, A. and Folland, C.K., 2020. Changes in the future summer Mediterranean climate: contribution of teleconnections and local factors, Earth System Dynamics, v. 11(1), p. 161-181. -Biabanaki, M., Eslamian, S.S., Koupai, J.A., Cañón, J., Boni, G. and Gheysari, M., 2014. A principal components/singular spectrum analysis approach to ENSO and PDO influences on rainfall in western Iran, Hydrology Research, v. 45(2), p. 250-262. -Boers, N., Goswami, B., Rheinwalt, A., Bookhagen, B., Hoskins, B. and Kurths, J., 2019. Complex networks reveal global pattern of extreme-rainfall teleconnections, Nature, v. 566(7744), p. 373-377. -Branstator, G., 2002. Circumglobal teleconnections, the jet stream waveguide, and the North Atlantic Oscillation, Journal of Climate, v. 15(14), p. 1893-1910. -Brunetti, M. and Kutiel, H., 2011. The relevance of the North-Sea Caspian Pattern (NCP) in explaining temperature variability in Europe and the Mediterranean, Natural Hazards & Earth System Sciences, v. 11, p. 128-141. -Carvalho, M.J., Milton, S.F. and Rodríguez, J.M., 2020. Assessment of the teleconnection patterns affecting July precipitation in China and their forcing mechanisms in the Met Office Unified Model, Journal of Climate, v. 33(13), p. 5727-5742. -Feldstein, S.B., 2003. The dynamics of NAO teleconnection pattern growth and decay, Quarterly Journal of the Royal Meteorological Society: A journal of the atmospheric sciences, applied meteorology and physical oceanography, v. 129(589), p. 901-924. -Gokturk, O.M. and Karaca, M., 2006. influence of north sea–caspian pattern on the hydro climate of turkey. geophysical research abstracts. -Gündüz, M. and Özsoy, E., 2005. Effects of the North Sea Caspian pattern on surface fluxes of Euro‐Asian‐Mediterranean seas, Geophysical Research Letters, v. 32, p. 1241-1262. -Hossain, M.S., Hein, L., Rip, F.I. and Dearing, J.A., 2015. Integrating ecosystem services and climate change responses in coastal wetlands development plans for Bangladesh, Mitigation and Adaptation strategies for global Change, v. 20(2), p. 241-261. -Kutiel, H., 2010. A review on the impact of the North Sea–Caspian Pattern (NCP) on temperature and precipitation regimes in the Middle East, In Survival and Sustainability, Springer, Berlin, Heidelberg, p. 1301-1312. -Kutiel, H. and Benaroch, Y., 2002. North Sea-Caspian Pattern (NCP)–an upper level atmospheric teleconnection affecting the Eastern Mediterranean: Identification and definition, Theoretical and Applied Climatology, v. 71(1-2), p. 17-28. -Kutiel, H. and Türkeş, M., 2005. New evidence for the role of the North Sea—Caspian Pattern on the temperature and precipitation regimes in continental central Turkey, Geografiska Annaler: Series A, Physical Geography, v. 87(4), p. 501-513. -Molavi‐Arabshahi, M., Arpe, K. and Leroy, S.A.G., 2016. Precipitation and temperature of the southwest Caspian Sea region during the last 55 years: Their trends and teleconnections with large‐scale atmospheric phenomena, International Journal of Climatology, v. 36(5), p. 2156-2172. -Nazemosadat, M.J. and Cordery, I., 2000. On the relationships between ENSO and autumn rainfall in Iran, International Journal of Climatology: A Journal of the Royal Meteorological Society, v. 20(1), p. 47-61. -Sen, O.L., Unal, A., Bozkurt, D. and Kindap, T., 2011. Temporal changes in the Euphrates and Tigris discharges and teleconnections, Environmental Research Letters, v. 6(2), p. 24-39. -Sezen, C. and Partal, T., 2019. The impacts of Arctic oscillation and the North Sea Caspian pattern on the temperature and precipitation regime in Turkey, Meteorology and Atmospheric Physics, v. 131(6), p. 1677-1696. -Yang, X. and DelSole, T., 2012. Systematic comparison of ENSO teleconnection patterns between models and observations, Journal of climate, v. 25(2), p. 425-446. -Yetemen, O. and Yalcin, T., 2009. Climatic parameters and evaluation of energy consumption of the Afyon geothermal district heating system, Afyon, Turkey, Renewable Energy, v. 34(3), p. 706-710. -Yousefi, S., Moradi, H., Boll, J. and Schönbrodt-Stitt, S., 2016. Effects of road construction on soil degradation and nutrient transport in Caspian Hyrcanian mixed forests. Geoderma, v. 284, p. 103-112. | ||
|
آمار تعداد مشاهده مقاله: 9,333 تعداد دریافت فایل اصل مقاله: 4,509 |
||