فاطمه وطن پرست قلعه جوق

در بین عوامل مختلف تأثیرگذار در تولید محصول سویا، شرایط اقلیمی از مهم ترین متغیرهایی هستند که باید کنترل شود. در این پژوهش به منظور شناخت قابلیت های طبیعی۷ ایستگاه پارس آباد، اردبیل، خلخال، مشگین شهر، بیله سوار، سرعین و نیر برای کشت سویا از درجه روز رشد، بارش سالانه و فصلی، رطوبت نسبی، دمای میانگین، حداقل و حداکثر برای دوره آماری ۱۳۸۰ تا ۱۳۹۷ استفاده شد و با روش تصمیم گیری چند معیاره ANP وزنی برای هر معیار تعیین شد و برای محاسبه میزان تناسب اراضی از تکنیک وزن دهی ساده SAW بهره گرفته شد. با تلفیق نقشه های DEM وIDW نقشه های پهنه بندی در محیط GIS به دست آمد. نتایج پژوهش نشان داد که در بین ایستگاه های موردمطالعه پارس آباد و بیله سوار به دلیل ارتفاع کم تر از ۱۳۰۰ متر بدون محدودیت و مناسب برای کشت و اردبیل، خلخال، سرعین و نیر به دلیل ارتفاع بیشتر از ۱۳۰۰ متر نامناسب و دارای محدودیت زیاد برای کشت هستند.

بارش به عنوان یکی از مهم ترین عناصر اقلیمی و مؤلفه ای اصلی و تعیین کننده در بیلان آب هر منطقه تلقی می گردد. تغییر زمانی و مکانی بارش برحسب نوع اقلیم هر منطقه متفاوت بوده و این تغییر به ویژه در مناطق دارای اقالیم خشک و نیمه خشک بیشتر است. منطقه شمال غرب ایران علاوه بر نیمه خشک بودن، به دلیل کوهستانی بودن شاهد تغییرات زمانی و مکانی زیادی ازنظر بارش است. شناخت و بررسی این متغیر و روند آن می تواند در پیش نگری ها و ترسیم چشم انداز تغییرات احتمالی آن مفید و مؤثر واقع شود. در این پژوهش برای پیش بینی بارش سالانه ایستگاه های منتخب شمال غرب ایران شامل: تبریز، ارومیه، سقز، زنجان، سنندج و خوی طی دوره آماری ۶۱ ساله (۲۰۲۱-۱۹۶۱) از سری زمانی استفاده گردید. به منظور ارزیابی ایستایی مدل از تابع خودهمبستگی استفاده شد و داده های ناایستا با به کارگیری روش تفاضل گیری به داده های ایستا تبدیل شدند. سپس مدل های تصادفی برای تعیین بهترین مدل برای برازش بارش ایستگاه ها مورد ارزیابی قرار گرفتند. توزیع سری زمانی و تحلیل روند معادله خط رگرسیون بارش ایستگاه های همدید شمال غرب برحسب میلی متر نشان دهنده این است که شیب خط در همه ایستگاه ها، روند کاهشی دارد و کاهش بارش در ایستگاه ها بین ۱ تا ۳ میلی متر در سال برآورد شده است. از بین مدل های میانگین متحرک (MA)، اتورگرسیون (AR)، مدل میانگین متحرک خودهمبسته (ARMA) و مدل میانگین متحرک تجمعی خودهمبسته (ARIMA) برحسب مقدار قدر مطلق آماره T بیش تر از مقدار ۲، P– value کمتر از ۰۵/۰ و کمترین مقدار معیار اطلاعات آکائیکی (AIC)، مدل (۰، ۰، ۱) AR برای ایستگاه های سقز، زنجان، ارومیه، خوی و تبریز و مدل (۱،۰،۱) ARIMA برای ایستگاه سنندج به عنوان بهترین مدل تعیین شدند. نتایج پیش بینی نشان دهنده افزایش بارش برای سال ۲۰۲۳ و کاهش بارش برای سال های ۲۰۲۴ و ۲۰۲۵ است.

الگوهای پیوند از دور با اثر بر ایجاد و عدم ایجاد باد سبب می شوند ذرات گرد و غبار از سطح زمین به هوا بلند شده و طوفان های گرد و غباری ایجاد کنند. هدف این پژوهش، ارزیابی اثرات هم زمان دورپیوندهای ال نینو-نوسان جنوبی (ENSO)، دوقطبی اقیانوس هند (IOD) و نوسان شبه دو سالانه (QBO) بر نوسان طوفان های گرد و غبار نیمه غربی ایران است. برای این منظور، از کدهای طوفان گرد و غبار و دید افقی کمتر از ۱ کیلومتر در ۳۸ ایستگاه همدید نیمه غربی ایران طی دوره آماری ۱۹۸۷-۲۰۲۲ استفاده شد. با اعمال روش آماری، خروجی ها به محیط سیستم اطلاعات جغرافیایی (GIS) انتقال یافت و پهنه بندی نسبت میانگین ها با روش درون یابی کریجینگ انجام گرفت. یافته ها نشان داد که ارتباط معکوسی بین دورپیوندها با فراوانی گرد و غبار در اغلب ایستگاه های مورد بررسی وجود دارد که به ترتیب ۹۵ درصد، ۵۸ درصد و ۸۷ درصد از مساحت منطقه مورد بررسی را در شاخص های ENSO، IOD و QBO به خود اختصاص می دهد. بیشترین ضرایب همبستگی بین ۹۴/۰- تا ۱- در ایستگاه های پیرانشهر و خلخال مشاهده شد که در شاخص IOD در سطح اطمینان ۹۹ درصد معنی دار است. نتایج درون یابی نسبت میانگین گرد و غبار به میانگین بلندمدت سالانه نیمه غربی ایران نشان داد که هم زمانی فاز سرد ENSO با فاز منفی QBO بیشترین تأثیر را بر افزایش گرد و غبار سالانه نیمه غربی ایران در بلندمدت داشته است در حالی که هم زمانی فاز مثبت IOD با فاز مثبت QBO با اثر کمتری در افزایش فراوانی گرد و غبار همراه است.

خشکسالی پدیده ای بهنجار و قابل تکرار است که در اثر کاهش مقدار بارندگی در یک دوره زمانی مشخص به وجود می آید. در پژوهش حاضر به بررسی روند تغییرات بارش و پیش بینی خشکسالی هواشناسی ۶ ایستگاه واقع در حوضه آبریز ارس پرداخته شده است. جهت ارزیابی وضعیت شدت خشکسالی داده های بارش سالانه ایستگاه ها در دوره آماری (۲۰۲۱- ۱۹۸۷) با استفاده از شاخص استاندارد بارندگی (SPI) بررسی شد و با استفاده از مدل های سری زمانی بارش MA، AR، ARMA و ARIMA شبیه سازی و بر اساس معیار اطلاعاتی (AIC) بهترین مدل برای پیش بینی انتخاب شد. برای ایستگاه های اردبیل، خوی و اهر مدل (۰،۰،۱) ARIMA و برای ایستگاه های پارس آباد، ماکو و جلفا مدل (۰،۰، ۱) AR به عنوان مدل های دارای بهترین نتیجه انتخاب شدند. نتایج پیش بینی برای ۵ سال آینده نشان دهنده افزایش بارش است که بر اساس آمار بارندگی موجود در سال های مربوطه، نتایج مدل های برازش یافته را قابل قبول می کند. نتایج بررسی روند شاخص (SPI) نیز نشان داد هر ۶ ایستگاه در وضعیت نزدیک به نرمال قرار دارند و بیشترین شدت خشکسالی شدید مربوط به ایستگاه خوی با ۱۴ درصد است. ایستگاه ماکو نیز با ۶ درصد فراوانی شرایط مرطوب متوسط را در طول دوره موردمطالعه مشاهده کرده است. هم چنین نتایج تغییرات بارش با استفاده از آزمون شیب سن گویای روند افزایش معنی دار بارش در ایستگاه ماکو و افزایش بدون روند در ایستگاه های پارس آباد، خوی و جلفا و کاهش بدون روند در ایستگاه های اردبیل و اهر است.

در این پژوهش اثر دو شاخص OMI و RMM نوسان مادن جولیان بر فراوانی رخداد توفان های گرد و غبار ایستگاه های آبادان، اهواز، بستان، بندر ماهشهر، دزفول، رامهرمز و مسجدسلیمان واقع در استان خوزستان طی شش ماه (آوریل تا سپتامبر) دوره آماری (۲۰۲۱- ۱۹۸۷) بررسی شد. ضرایب همبستگی پیرسون بین داده های گرد و غبار و شاخص ها بررسی و نتایج آن به صورت نقشه های پهنه بندی درآمد و درصد فراوانی هر یک از شاخص ها برای فازهای مثبت و منفی شمارش و محاسبه شد. نتایج پژوهش حاکی از وجود ارتباط مستقیم و معنی دار بین فازهای مثبت و منفی هر دو شاخص با گرد و غبار به جز ایستگاه دزفول در فاز مثبت OMI و فاز منفی RMM است و بیشترین میزان ضریب همبستگی مربوط به ایستگاه بندر ماهشهر و دزفول بین ۷۷/۰ – ۷۲/۰ در فاز مثبت شاخص RMM است. ارتباط بین نوسان مادن جولیان با گرد و غبار نشان داد بین ۵۱ تا ۵۹ درصد توفان های گردوغبار در فاز منفی شاخص OMI و ۴۰ تا ۴۹ درصد نیز در فاز مثبت آن اتفاق افتاده است. در شاخص RMM نیز ۵۶ تا ۶۳ درصد رخداد توفان های گرد و غبار مربوط به فاز منفی آن و ۳۷ تا ۵۰ درصد نیز در فاز مثبت آن مشاهده شده است. درواقع فاز منفی شاخص RMM، درصد بیشتری از رخداد توفان های گرد و غباری را نسبت به فاز منفی شاخص OMI به خود اختصاص داده است. طبق نتایج آزمون مونت کارلو جابجایی فازهای مثبت و منفی شاخص RMM، به گونه ای معنی دار رخداد توفان های گرد و غبار را برای بیشتر ایستگاه های استان خوزستان در پی دارد. رهگیری مسیرهای ورود گرد و غبار به استان خوزستان با مدل HYSPLIT نشانگر حرکت ذرات از عراق، عربستان و قسمت های شرقی سوریه به سمت محدوده موردپژوهش است.

وقوع بارش های سنگین با الگوهای همدید سطح زمین و سطوح فوقانی جو در ارتباط است. هدف اصلی این پژوهش الگویابی همدیدی – ترمودینامیکی بارش سنگین در ایستگاه های منتخب استان کرمانشاه است. بدین منظور داده های بارش روزانه برای دوره آماری (۲۰۱۹ – ۲۰۱۰) اخذ شد. پایگاه دوم داده ها شامل نقشه های تراز سطح دریا، ارتفاع ژئوپتانسیل، رطوبت نسبی، اُمگا، جهت وزش رطوبتی تراز ۵۰۰ هکتوپاسکال و آب قابل بارش است که با استفاده از تحلیل مؤلفه اصلی (PCA)، برای شناسایی مؤلفه ها مورد پردازش قرار گرفتند. برای واکاوی ترمودینامیکی نیز از شاخص های ناپایداری نظیر CAPE، LI، KI، TTI، PW و SI استفاده شد. نتایج تحلیل عاملی نشان داد که سه عامل درمجموع ۵/۸۰ درصد واریانس الگوهای مولد را تبیین و توجیه می کند. در ادامه با اجرای گروه بندی خوشه ای سلسله مراتبی به روش ادغام Ward و فاصله اقلیدسی چهار الگو به دست آمد که این الگوها شامل فرود شرق مدیترانه و عراق، بندال بریده کم ارتفاع مدیترانه، فرود عمیق روسیه و بندال شبه امگایی شرق مدیترانه و عراق است. نتایج تحلیل های همدید نشان داد که در روزهای همراه با بارش سنگین الگوی غالب کم فشار مستقر بر روی شرق دریای مدیترانه و عراق و قرارگیری قسمت جنوب غربی بندال امگایی شکل و شرق ناوه مدیترانه در منطقه بوده که از ۳۸ روز بارش سنگین ثبت شده در طول دوره آماری با ۲۲ روز بیشترین فراوانی را دارا بوده است. تأمین رطوبت این روزها از دریاهای مدیترانه و سرخ، وجود رطوبت نسبی نزدیک به رطوبت اشباع و امگای منفی سبب رطوبت موجود در هوا، صعود هوای مرطوب، تقویت همرفت، ایجاد جوی ناپایدار و بارش های سنگین در منطقه شده است. نتایج تحلیل ترمودینامیکی نشان داد شاخص های ناپایداری در روزهای منتخب مربوط به الگوی دوم و سوم چندان قوی نبوده ولی در الگوهای اول و چهارم شاخص ها ناپایداری شدید و پتانسیل زیاد را برای بارش شدید آشکار ساخته اند.

پژوهش حاضر با هدف پایش تغییرات زمانی و مکانی گرد و غبار معلق جوّ در قسمت هایی از نیمه غرب ایران در محیط گوگل ارث انجین با استفاده از کارآمدترین محصولات سنجنده مودیس در بازه زمانی (2012-2021) و تصاویر سنتینل-۵ برای دوره (2018-2021) انجام شد. برای این منظور روند تغییرات زمانی و مکانی غلظت هواویز با استفاده از تصاویر شاخص عمق نوری (AOD) و شاخص جذب آئروسل (AI) پایش و سپس شاخص بهینه پوشش گیاهی (EVI) و شاخص خاک لخت (BSI) حاصل از تصاویر MOD13Q1 برای بازه زمانی (2012-2021) محاسبه شد ودرنهایت، میانگین تغییرات آنها به دست آمد. تغییرات غلظت گرد و غبار معلق در جوّ با استفاده از شاخص AOD روند نزولی را در ماه ژانویه و روند صعودی را در ماه جولای نشان می دهد؛ درحالی که این غلظت در ژانویه سال 2021 کمترین و در ماه های جولای و سپتامبر سال 2021 بیشترین میزان آئروسل را با استفاده از شاخص AI داشته است. گروه بندی غلظت آئروسل ها در سه طبقه برای پهنه مطالعه شده نشان داد که مناطق با غلظت زیاد آئروسل بر اساس تصاویر مودیس و سنتینل شامل خوزستان و ایلام است که این طبقه بندی ها در تصاویر مودیس به صورت مداوم است؛ ولی در تصاویر سنتینل به صورت پراکنده است. هم پوشانی میزان غلظت گرد و غبار در تصاویر مودیس با شاخص های EVI و BSI نشان داد که بیشترین تمرکز آئروسل ها در مناطق فاقد پوشش گیاهی و خاک های لخت قرار دارد. نتایج این پژوهش به مدیران و برنامه ریزان کمک می کند تا با مدیریت اصولی پوشش گیاهی و کاهش خاک بدون پوشش گامی در راستای کاهش آلودگی های ناشی از گرد و غبار معلق در جوّ در این نواحی بردارند.

هدف این پژوهش بررسی ارتباط بین رخداد طوفان های گرد و غبار با شاخص نوسان اطلس شمالی (NAO) در ایستگاه های منتخب غرب و جنوب غرب ایران (آبادان، بستان، ایلام، دهلران، کرمانشاه و سرپل ذهاب) است. برای این منظور، از کدهای سینوپ روزهای توأم با طوفان گرد و غبار، دید افقی کمتر از ۱ کیلومتر، داده های مربوط به مقادیر شاخص (NAO) طی دوره آماری ۲۰۲۲-۱۹۸۷ و داده های ماهواره ای شامل شاخص عمق نوری هواویز (AOD) حاصل از تولیدات سنجنده های دوره های ۲۰۱۷-۲۰۰۰ MISR و ۲۰۲۲-۲۰۰۲ MODIS استفاده شد. نتایج ضرایب همبستگی نشان داد که ارتباط نسبتاً قوی و معکوس بین شاخص NAO در فاز منفی و ارتباط مستقیم ضعیف در فاز مثبت با گرد و غبار وجود دارد و بین ۵۱ تا ۷۰ درصد رخدادهای گرد و غبار با فاز مثبت هم زمان بوده است. نمودار تغییرات سری زمانی شاخص ها در دو فاز منفی و مثبت نشان داد از سمت غرب به سمت جنوب غرب مقدار شاخص AOD افزایش یافته که این افزایش در ایستگاه آبادان مشهود است. مطابق با شاخص حاصل از تولید سنجنده MISR سال های ۲۰۱۱ و ۲۰۱۵ در فاز مثبت و سال ۲۰۰۸ در فاز منفی اوج فعالیت طوفان گرد و غبار در تمامی ایستگاه ها بوده و کمترین مقدار آن نیز مربوط به ایستگاه های سرپل ذهاب و کرمانشاه به ترتیب در سال های ۲۰۰۲ و ۲۰۰۴ است. مطابق با شاخص دیپ بلو حاصل از سنجنده MODIS در فاز مثبت سال ۲۰۲۲ و در فاز منفی سال ۲۰۰۹ را می توان به عنوان اوج طوفان های گرد و غبار تفکیک کرد.

امروزه پدیده گرد و غبار در شمار مهم ترین مخاطرات طبیعی قرار گرفته و اثرات نامطلوبی بر سلامتی انسان، کشاورزی و محیط زیست برجای گذاشته است. هدف پژوهش حاضر پیش بینی فراوانی طوفان های گرد و غبار در ۱۷ ایستگاه منتخب نیمه غربی ایران است. بدین منظور، برای محاسبه فراوانی از کدهای گرد و غبار و دید افقی کمتر از ۱ کیلومتر دوره آماری ۲۰۲۳-۱۹۸۷ استفاده شد. سپس شبکه های عصبی توابع پایه شعاعی (RBF)، پرسپترون چندلایه (MLP)، سیستم استنتاج عصبی -فازی (ANFIS) و رگرسیون بردار پشتیبان (SVR) جهت پیش بینی گرد و غبار انتخاب شد. داده های رطوبت، دما، بارش، سرعت و جهت باد به عنوان داده های ورودی و داده روزهای توأم با گرد و غبار به عنوان هدف، در مدل سازی ها به کار گرفته شد. داده ها به دو گروه تقسیم شدند. از ۸۰ درصد داده ها برای آموزش و از ۲۰ درصد دیگر برای آزمون شبکه استفاده شد. نتایج مقایسه مدل های مورد استفاده نشان داد که بر اساس نتایج حاصل از مدل RBF، بیشترین مقدار ضریب همبستگی در ایستگاه های کرمانشاه، رامهرمز و اسلام آبادغرب به ترتیب برابر با ۹۹/۰، ۹۷/۰ و ۹۵/۰ بوده است. در مجموع، این مدل به دلیل خطای کمتر و همبستگی بیشتر در ایستگاه ها بهترین عملکرد را ارائه نموده است؛ بنابراین به دلیل داشتن توانایی بالا، می تواند یک راهکار سریع در پیش بینی مقدار گرد و غبار و پراکنش آن باشد. نتایج خروجی مدل RBF برای پیش بینی گرد و غبار در آینده (۲۰۴۰-۲۰۲۴) نشان داد احتمال رخداد طوفان های گرد و غبار در آبادان و اهواز بیشتر بوده و همانند دوره مشاهداتی، الیگودرز را می توان جزو ایستگاه کم باد منطقه به حساب آورد.

تغییرات اقلیمی و به دنبال آن رخداد وقایع حدی نظیر طوفان های گردوغبار علاوه بر اختلال در محیط زیست، تأثیر مستقیم بر سلامت انسان و روند طبیعی زندگی داشته و طی سال های اخیر در بخش کشاورزی پیامدهای نامطلوبی را بر جای گذاشته است. در این پژوهش برای پیش نگری و مدل سازی طوفان های گردوغبار، داده های ساعتی گردوغبار، میانگین دما، رطوبت نسبی، سرعت و جهت باد در برخی از ایستگاه های سواحل خلیج فارس (آبادان، اهواز و بوشهر) با طول دوره آماری ۳۷ سال (۲۰۲۳-۱۹۸۷) گردآوری شد. پیش نگری تعداد روزهای همراه با طوفان های گردوغبار در مقیاس فصلی با استفاده از مدل شبکه عصبی پرسپترون چندلایه و مدل فصلی SARIMA انجام شد. براساس نتایج حاصل از شبکه عصبی پرسپترون چندلایه، ضریب همبستگی بین مقادیر مشاهداتی و پیش نگری شده برای سه ایستگاه همدیدی آبادان، اهواز و بوشهر به ترتیب برابر با ۴۳/۰، ۵۰/۰ و ۹۰/۰ و مقدار RMSE برابر با ۹۶/۶، ۹۷/۱ و ۱۶/۰ بوده و نسبت به مدل SARIMA خطای کمتر، همبستگی بیشتر و عملکرد بهتری در پیش نگری داشته است. پیش نگری با شبکه عصبی برای ۱۶ سال آینده (۲۰۴۰-۲۰۲۴) بیشترین احتمال رخداد گردوغبار را در فصل بهار و کمترین مقدار را برای پاییز نشان داد. شدت گردوغبار نیز طی دوره های مشاهداتی و آینده در آبادان بیشتر از بقیه ایستگاه ها بوده است. مسیریابی ذرات گردوغبار با مدل HYSPLIT و  به روش پسگرد در سه ارتفاع ۲۰۰، ۱۰۰۰ و ۱۵۰۰ متری، ایجاد ذرات گردوغبار در عراق، قسمت هایی از سوریه و عربستان و حرکت آن به سمت غرب و جنوب غرب ایران را برای تاریخ های مشترک در سه ایستگاه تصدیق می کند و نتایج آن مطابقت خوبی را با عمق اپتیکی گردوغبار، تراکم گردوغبار سطحی و نحوه حرکت توده غلظت بر اساس مدل های NAAPS و COAMPS نمایش می دهد. نتایج این مطالعه می تواند در مدیریت پیامدهای ناشی از طوفان گردوغبار و برنامه های مقابله با بیابان زایی در مناطق تحت مطالعه مؤثر باشد.