انجمن هواشناسی ایرانهواشناسی و علوم جوّ2645-72618شماره 220251222Investigation and Trend Analysis of Extreme Precipitation Indices in the Halleh Basin and Their Relationship with Teleconnection Patternsبررسی و تحلیل روند شاخصهای حدی بارش در حوضه حله و ارتباط آنها با الگوهای پیوند از دور11824777310.22034/jmas.2026.570639.1262FAراحلهخیرالامورگروه جغرافیا- دانشکده علوم انسانی- دانشگاه یزد- یزد -ایرانکمالامیدوارگروه جغرافیا دانشکده علوم انسانی دانشگاه یزد0000-0002-4956-3002Journal Article20260104Extreme precipitation events represent significant climate hazards with substantial impacts on agriculture and water resources. This study aims to investigate the trends of extreme precipitation indices (CDD, CWD, R95P, R99P, and PRCPTOT) in the Helleh River Basin and analyze their relationship with teleconnection patterns (NAO, MJO, MEI, and IOD) during the 2000–2022 period. The trends of these indices were evaluated using the Mann-Kendall test, while the relationships with teleconnection patterns were assessed through correlation and multiple regression analysis (with three- and six-month lags). The results indicate that most extreme precipitation indices exhibited a decreasing trend during this period, which was statistically significant at several stations. Among the teleconnection patterns, the North Atlantic Oscillation (NAO) demonstrated the most significant influence on the duration of dry and wet periods. Conversely, the Madden-Julian Oscillation (MJO) showed a negative and significant relationship with total annual precipitation across all stations. The impacts of the Multivariate ENSO Index (MEI) and the Indian Ocean Dipole (IOD) were generally insignificant and confined to specific stations and indices; however, a six-month lag of the IOD showed a significantly stronger influence on CDD in Bushehr compared to the concurrent relationship. These findings emphasize the necessity of incorporating teleconnection patterns, particularly the NAO and MJO, into climate forecasting and water resource management strategies for the Helleh Basin.بارشهای حدی از مهمترین مخاطرات اقلیمی با آثار قابلتوجه بر کشاورزی و منابع آب هستند. این پژوهش باهدف بررسی روند شاخصهای حدی بارش (CDD، CWD، R95P، R99P، PRCPTOT) در حوضه آبریز حله و تحلیل ارتباط آنها با الگوهای پیوند از دور (NAO، MJO، MEI، IOD) طی دوره ۲۰۰۰–۲۰۲۲ انجام شد. روند شاخصها با آزمون من - کندال و ارتباط با الگوها از طریق همبستگی و رگرسیون چندگانه (با تأخیرهای سه و ششماهه) ارزیابی گردید. نتایج نشان میدهد اغلب شاخصهای حدی بارش در این دوره روندی کاهشی داشتهاند که در برخی ایستگاهها معنادار بوده است. در میان الگوهای پیوند از دور، NAO بیشترین تأثیر معنادار را بر طول دورههای خشک و مرطوب نشان داد، درحالیکه MJO رابطهای منفی و معنادار با مجموع بارش سالانه در تمام ایستگاهها داشت. تأثیر MEI و IOD غالباً غیرمعنادار و محدود به برخی ایستگاهها و شاخصهای خاص بود؛ بااینحال، تأخیر ششماهه IOD بر CDD در بوشهر به طور معناداری قویتر از رابطه همزمان ظاهر شد. این یافتهها بر ضرورت لحاظ نمودن پیوندهای از دور، بهویژه NAO و MJO، در پیشبینیهای اقلیمی و مدیریت منابع آب حوضه تأکید دارند.https://www.ims-jmas.net/article_247773_a1a664662a882d93a8e1b66e0dd21913.pdfانجمن هواشناسی ایرانهواشناسی و علوم جوّ2645-72618شماره 220251222Meteorological drought monitoring in the Urmia Lake Basin using Precipitation Anomaly Percentage and Tropical Rainfall Condition Indexپایش خشکسالی هواشناسی حوضه آبریز دریاچه ارومیه با استفاده از درصد ناهنجاری بارش و شاخص وضعیت بارش گرمسیری193024451810.22034/jmas.2026.567336.1259FAسیماکاظمپور چورسیگروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران0009-0008-0371-0119مهدیعرفانیانگروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران0000-0003-4142-411Xهیرادعبقریگروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایرانمیرحسنمیریعقوبزادهگروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایرانخدیجهجوانگروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه ارومیه، ارومیه، ایرانJournal Article20251219Drought monitoring in the Urmia Lake Basin (ULB) is essential due to its prolonged hydrological crisis and the associated challenges in water resource management, agriculture, human livelihoods, and ecosystem sustainability. This study evaluates meteorological drought conditions using the Precipitation Anomaly Percentage (Pa) and the Tropical Rainfall Condition Index (TRCI) across the ULB from 2001 to 2019. Drought indices were derived from downscaled monthly precipitation data obtained from the Tropical Rainfall Measuring Mission (TRMM), with a spatial resolution of 0.5°. Analysis revealed that drought events occurred throughout the year over 2001-2019, with peak severity from August to November and a notable reduction between November and February. Spatial assessments based on Pa and TRCI indicated discrepancies in drought intensity and spatial extent. The Pa index captured short-term and abrupt precipitation variability, while TRCI reflected more persistent and representative drought conditions across the basin. The combined application of Pa and TRCI enhances the characterization of drought dynamics and provides a more robust framework for drought assessment. Incorporating these indices into water resource planning is recommended to support adaptive management strategies in drought-prone regions.پایش خشکسالی حوضه آبریز دریاچه ارومیه بهدلیل وضعیت بحرانی آن و مدیریت منابع آب، کشاورزی، معیشت جوامع انسانی و حفاظت از اکوسیستمهای حوضه امری حیاتی است. این مطالعه با هدف پایش خشکسالی هواشناسی با بهرهگیری از شاخصهای درصد آنومالی بارش (Pa) و شاخص وضعیت بارش گرمسیری (TRCI) در حوضه آبریز دریاچه ارومیه طی دوره 2001 تا 2019 انجام شد. برای محاسبه شاخصها و تحلیل تغییرات مکانی و زمانی خشکسالی از دادههای ریزمقیاسسازی شده ماهواره مأموریت اندازهگیری بارش گرمسیری (TRMM) با قدرت تفکیک مکانی 05/0 درجه (تقریباً 5 کیلومتر) استفاده شد. نتایج نشان داد خشکسالی در دوره 2019-2001 تقریباً در تمام ماههای سال رخ داده است و شدت آن در ماههای آگوست تا نوامبر بالاتر و در بازه نوامبر تا فوریه، کاهش چشمگیر داشته است. تحلیل توزیع مکانی خشکسالی بر اساس شاخصهای Pa و TRCI تفاوتهایی از نظر شدت و گستره یا پهنه طبقات خشکسالی نشان داد. شاخص Pa نوسانات شدید و کوتاهمدت بارش را برجسته میکند، در حالی که TRCI وضعیت پایدار و مناسبتر از خشکسالی حوضه ارائه میدهد. یافتههای پژوهش نشان داد استفاده همزمان از شاخصهای Pa و TRCI میتواند دیدگاه کاملتر از الگوهای خشکسالی فراهم کند و تلفیق نتایج پایش خشکسالی در مدیریت و برنامهریزی منابع آب، توصیه میشود.https://www.ims-jmas.net/article_244518_d6e524e444590c8baa3aa799d7bb9db0.pdfانجمن هواشناسی ایرانهواشناسی و علوم جوّ2645-72618شماره 220251222The effect of the Indian Dipolar Oscillation on the intensity of the Madden-Julian Oscillation in relation to the atmospheric circulation of Iran and the Middle East.اثر نوسان دو قطبی هند بر روی شدت نوسان مادن-جولیان در ارتباط با گردش جو ایران و خاورمیانه314824777110.22034/jmas.2026.532607.1244FAحسنحاجی محمدیفرامرزخوش اخلاقدانشیار آب و هواشناسی دانشگاه تهران0000-0003-4602-7084Journal Article20250711In this regard, and in order to investigate the effect of the Indian Dipolar Oscillation on the intensity of the Madden-Julian oscillation in relation to Iranian precipitation, the gridded data of the National Center for Environmental Prediction/Atmospheric Sciences (NCEP/NCAR) for the atmosphere-ocean circulation and the RMM data for the intensity of the Madden-Julian index between 1991 and 2020 were used. To understand the atmospheric mechanism, dynamical quantities of potential velocity and divergent wind were used. The results showed that the strongest IOD occurred in 2019, which lasted from May to November. During this period, the MJO was in phases 7 to 3 in most months, indicating the activity of this system in the Indian Ocean and Africa. As this situation continued, it was observed that the sea surface temperature anomaly reached more than 4 degrees Celsius compared to its long-term average, and on the other hand, a sharp decrease in the OLR index was observed over Africa, India, and South Asia. Correlations showed that the omega index and OLR in the Asian tropics indicated a high and significant relationship between the Indian Ocean surface temperature in the mentioned time period and the representative indices.دورپیوندها با اثرگذاری بر روی یکدیگر می توانند به وقوع شرایط نابهنجار جوی در منطقه فعالیت و مناطق همجوار تاثیرگذار باشند. در همین راستا و به منظور بررسی اثر نوسان دو قطبی هند بر روی شدت نوسان مادن-جولیان در ارتباط با گردش جو ایران و خاورمیانه از دادههای شبکهبندیشده مرکز پیشبینی محیطی/علوم جو(NCEP/NCAR) و برای گردش جو-اقیانوس و از دادههای RMM برای شدت شاخص مادن-جولیان بین سالهای 2020-1991 استفاده شد. برای درک سازوکار جوی از کمیتهای دینامیکی پتانسیل سرعت و بادواگرا بهره گرفته شد. قوی ترین IOD به وقوع پیوسته در سال 2019 بوده که از می تا نوامبر ادامه داشته است. در این دوره در اغلب ماهها MJO در فازهای 7 تا 3 قرار داشته که نشان از فعالیت این سامانه در اقیانوس هند و آفریقا دارد. با استمرار این وضعیت مشاهده شد که ناهنجاری دمای سطح دریا نسبت به میانگین بلندمدت خود به بیش از 4 درجه سلسیوس رسیده و از سویی کاهش شدیدی در مقدار OLR بر روی آفریقا، هند و جنوب آسیا مشاهده گردید. همبستگی ها نشان داد که مقادیر امگا و OLR در محدوده حاره آسیایی متاثر از تغییر در ناهنجاری دمای سطح دریا بوده که حاکی از ارتباط بالا و معنادار بین دمای سطح اقیانوس هند در بازه زمانی یاد شده با شاخصهای معرف بود. نتایج نشان داد که با افزایش دمای سطح اقیانوس هند به شدت از مقدار امگا و طول موج بلند تابشی بر روی ایران کاسته شده که به افزایش جریانات بالاسو بر روی خاورمیانه و ایران منتج شده است.https://www.ims-jmas.net/article_247771_0f9b867c11201ff3276bcc611c5c3e5a.pdfانجمن هواشناسی ایرانهواشناسی و علوم جوّ2645-72618شماره 220251222Analysis of atmospheric patterns effective in cold season heatwaves in Ardabil Province during 1980-2020 Abstractواکاوی الگوهای جوی مؤثر در موجهای گرم دوره سرد سال در استان اردبیل طی سالهای 2020-1980496524777410.22034/jmas.2026.579829.1269FAرقیهملکی مرشتدانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.0000-0003-1803-4316مهنازصابردانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.Journal Article20260428This study aimed to investigate the synoptic patterns contributing to the formation of heat waves during the cold season in Ardabil Province over a 41-year period (1980–2020). Daily maximum temperature data from the synoptic stations of Ardabil, Parsabad, and Meshginshahr were collected. Heat waves were defined based on the 95th percentile threshold, as periods of at least three consecutive days with daily maximum temperatures exceeding the respective monthly threshold. To analyze the associated atmospheric conditions, sea level pressure and 500 hPa geopotential height data from the NCEP/NCAR reanalysis were employed, and dominant patterns were identified using Ward’s hierarchical clustering method. The results indicated that the highest thermal thresholds (95th percentile) at all three stations occurred in April. During the study period, the total number of heat waves at Ardabil, Meshginshahr, and Parsabad stations was 39, 26, and 20, respectively. Ardabil experienced the highest frequency, whereas Meshginshahr recorded the longest duration of heat waves. Cluster analysis revealed two dominant synoptic patterns associated with persistent heat waves (≥5 days): Pattern I (example: 15 March 2010): The presence of a surface anticyclone combined with a mid-tropospheric ridge induced subsidence and adiabatic warming. Pattern II (example:10 December 1998): The development of a broad surface anticyclone and the positioning of the region ahead of a deep trough at 500 hPa facilitated the advection of warm air from southern and southwestern latitudes into the province. In both patterns, the clockwise circulation of anticyclonic systems enhanced the transport of warm air masses from lower latitudes toward Ardabil.پژوهش حاضر با هدف بررسی الگوهای همدیدی مؤثر بر شکلگیری امواج گرمایی در فصل سرد سال در استان اردبیل طی یک دوره ۴۱ ساله (۱۹۸۰ تا ۲۰۲۰) انجام شد. بدین منظور دادههای دمای بیشینهی روزانه ایستگاههای همدیدی اردبیل، پارسآباد و مشگینشهر گردآوری شد و امواج گرمایی بر اساس شاخص صدک ۹۵ام، بهگونهای تعریف شدند که روزهای با دمای بیش از آستانه ماهانه و با حداقل تداوم سه روز متوالی را دربرگیرند. برای تحلیل شرایط جوی مؤثر، از دادههای فشار سطح دریا و ارتفاع ژئوپتانسیل تراز ۵۰۰ هکتوپاسکال پایگاه NCEP/NCAR استفاده گردید و الگوهای غالب با روش خوشهبندی سلسلهمراتبی Ward شناسایی شد. یافتهها نشان داد بیشترین آستانه گرمایی (صدک ۹۵ام) هر سه ایستگاه به ماه آوریل تعلق دارد. طی دوره مطالعه، تعداد امواج گرمایی در ایستگاههای اردبیل، مشگینشهر و پارسآباد بهترتیب ۳۹، ۲۶ و ۲۰ موج بود. ایستگاه اردبیل بیشترین فراوانی و ایستگاه مشگینشهر بیشترین تداوم موج گرمایی را تجربه کردهاند. بر اساس نتایج خوشهبندی، امواج گرمایی با تداوم حداقل پنجروزه در دو الگوی اصلی همدیدی دستهبندی شدند: در الگوی نخست (نمونه: ۱۵ مارس ۲۰۱۰): استقرار پرفشار در سطح زمین و پرارتفاع در تراز میانی جو موجب نزول هوا و گرمایش بیدررو گردیده و در الگوی دوم (نمونه: ۱۰ دسامبر ۱۹۹۸): تشکیل پرفشار گسترده در سطح زمین و قرارگیری منطقه جلوی یک فرود عمیق در تراز ۵۰۰ هکتوپاسکال سبب نفوذ جریانات گرم از عرضهای جنوبی و جنوبغربی به استان شده است. در هر دو الگو، چرخش ساعتگرد سامانههای پرفشاری، عامل انتقال هوای گرم از عرضهای پایینتر به استان اردبیل بوده است.https://www.ims-jmas.net/article_247774_e51683e64d94d3ee8120679497da5893.pdfانجمن هواشناسی ایرانهواشناسی و علوم جوّ2645-72618شماره 220251222Comparison of Biogenic Volatile Organic Compounds (BVOCs) Emissions in Northern Iran and Yazd Province Using the MEGAN Modelمقایسه انتشار ترکیبات آلی فرار بیوژنیک (BVOCs) در استانهای شمالی ایران و استان یزد با استفاده از مدل MEGAN669124777210.22034/jmas.2026.558437.1254FAیگانهیوسف پورپردیس بینالمللی کیش، دانشگاه تهران، کیش، ایرانخسرواشرفیگروه مهندسی محیط زیست، دانشکده محیط زیست، دانشگاه تهران، تهران، ایرانعلیرضاپرداختیگروه مهندسی محیط زیست، دانشکده محیط زیست، دانشگاه تهران، تهران، ایرانامیرهوشنگاحسانیگروه مهندسی طراحی محیط زیست، دانشکده محیط زیست، دانشگاه تهران، تهران، ایرانJournal Article20251108Biogenic volatile organic compounds (BVOCs) are naturally emitted substances that play a significant role in atmospheric photochemical reactions, contributing to the formation of pollutants such as ozone and secondary particulate matter. Understanding the emission rates of these compounds under varying climatic conditions—particularly in regions with diverse vegetation cover—is crucial for evaluating their impact on air quality. This study aimed to compare the emission of isoprene (ISOP), one of the most significant BVOCs, in two climatically distinct regions of Iran: the humid north and the arid province of Yazd. The MEGAN model was used to estimate emissions, incorporating summer data for leaf area index (LAI), air temperature, solar radiation, and vegetation types. The results showed that in northern Iran, due to denser vegetation, a higher abundance of broadleaf species, and a milder climate, the average isoprene emission rate was 8 to 10 times higher than that of Yazd Province. Additionally, monoterpene emissions in the northern region were 5 to 8 times greater than in Yazd. These findings highlight the direct influence of meteorological factors and vegetation structure on BVOC emissions and emphasize the importance of their consideration in the environmental management of urban green spaces and air pollution control policies.ترکیبات آلی فرار بیوژنیک (BVOCs) از جمله آلایندههای طبیعی هستند که در واکنشهای فتوشیمیایی جو نقش بسزایی داشته و به تشکیل آلایندههایی مانند ازن و ذرات معلق ثانویه کمک میکنند. بررسی میزان انتشار این ترکیبات در شرایط اقلیمی مختلف، بهویژه در نواحی با پوشش گیاهی متنوع، اهمیت زیادی در درک فرایندهای مؤثر بر کیفیت هوا دارد. این پژوهش با هدف مقایسه میزان انتشار ایزوپرن و مونوترپن بهعنوان مهمترین BVOCها، در دو منطقۀ اقلیمی متفاوت از کشور شامل شمال مرطوب و یزد خشک، انجام شده است. برای این منظور از مدل MEGAN استفاده شد و دادههای ورودی شامل شاخص سطح برگ (LAI)، دمای هوا، تابش خورشید و نوع پوشش گیاهی در فصل تابستان به کار گرفته شد. نتایج نشان داد که در شمال ایران، بهدلیل تراکم بالای پوشش گیاهی، فراوانی گونههای پهنبرگ و اقلیم معتدلتر، نرخ انتشار ایزوپرن و مونوترپن بهطور میانگین تا 10 برابر بیشتر از استان یزد بوده است. این نتایج نشاندهندۀ نقش مستقیم عوامل هواشناسی و ساختار پوشش گیاهی در شدت انتشار BVOCها و اهمیت آن در مدیریت زیستمحیطی فضای سبز شهری است.https://www.ims-jmas.net/article_247772_2d56d6b998de8f8b5d56eec7329c77b5.pdfانجمن هواشناسی ایرانهواشناسی و علوم جوّ2645-72618شماره 220251222Rainfall Analysis and Modeling Using the ARIMA Model (Case Study: Ahvaz)تحلیل و مدلسازی بارش با استفاده از مدل آریما(مطالعه موردی: اهواز)9211125062410.22034/jmas.2026.576251.1266FAلیلامکرمدانشگاه یزد - گروه جغرافیا0009-0009-0947-9162احمدمزیدیدانشیار گروه جغرافیا دانشگاه یزد0000-0003-4558-9907Journal Article20260216Abstract<br>Precipitation is one of the most important components of the water cycle and is considered one of the most important input components to the hydrological cycle, which plays a very important role in assessing the climatic characteristics of any region. Rainfall forecasting plays a very important role in preparedness, management, and prevention of events resulting from natural hazards. In this research, to forecast the annual rainfall of the Ahvaz synoptic station, annual precipitation data of the Ahvaz station for the statistical period of 1970 - 2019 were used. To forecast rainfall behavior, the ARIMA modeling method was utilized. To check the stationarity of the model, autocorrelation functions (ADF) and partial autocorrelation functions (PACF) were used. The best ARIMA model for forecasting the rainfall of the Ahvaz station was identified as the ARIMA (3,1,1) model. The rainfall forecast for the coming years indicates a downward trend in rainfall for the Ahvaz station. Also, in this research, to forecast the annual rainfall of the Ahvaz station, the Random Forest (RF) machine learning method was utilized, which, considering the time series of the data, had lower accuracy compared to the ARIMA model. The purpose of this model is to compare with the ARIMA time series in order to forecast annual rainfall at the Ahvaz station.چکیده<br>بارندگی یکی از مهمترین اجزای چرخه آب بوده و به عنوان یکی از مهمترین مؤلفه های ورودی به چرخه هیدرولوژی به شمار می رود که در سنجش خصوصیات اقلیمی هر منطقه نقش بسیار مهمی را ایفا می کند . یشبینی بارندگی نقش بسیار مهمی در آمادگی، مدیریت و پیشگیری از رخدادهای ناشی از مخاطرات طبیعی ایفا میکند. در این پژوهش برای پیش بینی بارندگی سالانه ایستگاه سینوپتیک اهواز از دادههای بارش سالانه ایستگاه اهواز برای دوره آماری ۲۰۱۹ - ۱۹۷۰ استفاده گردید . برای پیشبینی رفتار بارش از روش مدلسازی آریما بهره گرفته شد . برای بررسی ایستایی مدل توابع خودهمبستگی(ADF) و خودهمبستگی جزیی (PACF) بکار رفت بهترین مدل آریما برای پیشبینی بارش ایستگاه اهواز مدل آریما (3,1,1) تشخیص داده شد. پیش بینی بارش برای سالهای آتی روند نزولی بارش برای ایستگاه اهواز را نشان میدهد. همچنین در این پژوهش برای پیش بینی بارندگی سالانه ایستگاه اهواز از روش یادگیری ماشین درخت تصادفی یا Random Forest (RF) بهره گرفته شد که با توجه به سری زمانی دادهها نسبت به مدل آریما از دقت کمتری برخوردار بود. هدف از این مدل، مقایسه با سری زمانی ARIMA بهمنظور پیشبینی بارندگی سالانه در ایستگاه اهواز است.https://www.ims-jmas.net/article_250624_c80c35d1aaf7e81ec44cc8f605fd6903.pdf