https://www.ims-jmas.net/ هواشناسی و علوم جوّ fa daily 1 Mon, 22 Dec 2025 00:00:00 +0330 Mon, 22 Dec 2025 00:00:00 +0330 https://www.ims-jmas.net/article_247773.html 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_244518.html 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_247771.html 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_247774.html 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_247772.html 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_250624.html چکیدهبارندگی 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.