بررسي الگوهاي پيوند از دور موثر بر شاخص هاي حدي بارش (مطالعه موردي: استان سيستان و بلوچستان)

Assessment of Teleconnection Patterns Affecting Rainfall Extreme Indices(Case Study: Sistan-Baluchestan Province)

به طور عموم وقوع پديده­هاي حدي جوي-اقليمي نظير بارش­ هاي سنگين و تغييرات ناگهاني بيشترين دامنه خسارت وارده به منابع آب، كشاورزي و حتي زندگي روزمره مردم را به خود اختصاص داده است. لذا داشتن شناخت لازم از ميزان اين پديده­ ها تغييرات و پيش بيني آنها كمك شاياني در جهت برنامه­ ريزي دقيق­ تر در حوزه­ هاي آبخيز مختلف خواهد داشت كه اين امر سبب كاهش اثرات منفي ناشي از بروز اين پديده ­ها و سود جستن از اثرات مثبت آنها خواهد شد. سيگنال­هاي اقليمي كه بيانگر تغييرات دما و فشار هوا در اقيانوس­ها هستند، يكي از تاثيرگذارترين پارامترها در مقياس جهاني بر الگوهاي آب و هوايي به ويژه بارش محسوب مي­شوند، لذا با توجه به اثرگذاري عوامل بزرگ مقياس اقليمي بر رخدادهاي حدي، با بررسي تاثير اين سيگنال­ها دقت پايش و پيش­بيني سيلاب­ها افزايش مي ­يابد. اين تحقيق با هدف شناسايي الگوهاي پيوند از دور موثر بر شاخص­ هاي حدي بارش درمحدوده استان سيستان و بلوچستان به عنوان نمادي از مناطق خشك كشور كه داراي نوسانات شديد اقليمي مي­باشد صورت مي­ پذيرد.. به منظور انجام اين تحقيق در گام نخست داده­هاي روزانه بارش 6 ايستگاه سينوپتيك طي بازه زماني 2014-1987 از سازمان هواشناسي كشور و 19 شاخص پيوند از دور براي همان بازه زماني از دو پايگاه داده­هاي مركز ملي پيش­بيني محيطي- مركز ملي پژوهش ­هاي جوي NCEP/NCAR و مركز پيش بيني اقليمي وابسته به سازمان پژوهش­هاي جوي و اقيانوسي ايالات متحده اخذ گرديد. سپس با استفاده از داده­ هاي بارشي، شاخص­ هاي حدي بارش محاسبه گرديد. در ادامه ميزان ارتباط شاخص ­هاي پيوند از دور وشاخص­ هاي حدي بارش بررسي شد. در گام بعد با استفاده از روش گام به گام مدل­هاي رگرسيوني ميزان تاثير گذاري شاخص­هاي پيوند از دور نيز مورد ارزيابي قرار گرفت. نتايج حاصل از اين پژوهش نشان داد كه شاخص­هاي پيوند ازدور TSA, TNI, NINO1, EA, NINO4, PDO, PNAو NAO داراي تاثيرات معني­ داري بر شاخص ­هاي حدي بارش مي ­باشند كه البته اين تاثيرات در هر ايستگاه و براي هر شاخص متفاوت مي­ باشد بطوريكه در ايستگاه خاش بيشترين ميزان همبستگي با شاخص­ هاي پيوند از دور را شاخص حدي R50 از خود نشان داده است در صورتيكه در ايستگاه چابهار R10 بيشترين ميزان همبستگي را از خود بروز داده است. همچنين مشخص گرديد كه شاخص­ هاي پيوند ازدور تا 30 درصد تغييرات شاخص ­هاي حدي را تبيين مي­ كنند.

Generally, Climatic extreme events, like the heavy rainfalls and sudden changes cause the greatest range of damages to water resources, agricultural and even human daily life. Therefore, correction and regular monitoring reduces their negative effects. Climatic signals represent changes of between temperature and pressure in ocean that they are one of the most influential parameters on climatic patterns. This study evaluates the effects of large – scale climate factors on rainfall extreme indices in Sistan-Baluchestan province as symbol of arid land in Iran that it has sever climatic oscillations. In order to at first step we use data of daily rainfall 6 synoptic stations at 1987-2014 period from meteorological organization and 19 Teleconnection indices from NCEP/NCAR. Then we calculated extreme indices. In continue correlation of extreme indices and teleconnection calculated. In next step we analyzed affecting teleconnection by regression model. The result of the correlation between teleconnection indices and extreme rainfall indices showed that TSI ,TNI, AO, WP, WHWP, TNA, NINO1,EA, NINO4, PDO ,PNAو NAO have correlation with rainfall extreme indices but this effects are different in station to another as in Khash station the most correlation occur with R50 and in Chabahar station occur with R10. So determined that teleconnection identify about 30 percent of changes.