سازمان هواشناسی کشورنیوار1735-05653783-8220130201Objective analysis through Barnes schemeمطالعه موردی تحلیل عینی از طریق طرحوارة بارنز31213171FAلیلا امینیکارشناس مسئول پیش بینی مدلهای عددی اصفهانابراهیم میرزائیمعاونت فنی وتوسعه ایستگاههای سازمان هواشناسی کشورغلامرضا خاکیان دهکردیکارشناس مرکز تحقیقات هواشناسی کشاورزی نجف آبادJournal Article20160212Due to dispersion and lack of proper distribution in location of synoptic stations and need to have information about the climate in locations without weather station, method of interpolation and extrapolation can be used as a solution for overcoming or reducing the negative effects of this problem. In the other hand, numerical models for predicting the weather, require to the data on meteorological parameters in various parts of the region at regular intervals on a specific network for boundary layer and initial conditions. Objective analysis method can transmit the data of irregular synoptic stations to a network. In the other words, Transmit the data of irregular synoptic stations to network is called Objective analysis. Objective analysis scheme have to use interpolation of data for increasing the information, also it have to specified and omit the wrong data and do the internal discipline. Panofsky, Cressman and Barnes are three schemes that are widely used in few years ago. These schemes based on different techniques. In this study, Barnes method is used. Barnes’ technique is a combination of several sweeps. Each sweep uses a total weight of linear observation data in the area of influence around each point of the network. The estimated value of each variable point (I, J) in the network is calculated after the first sweep. When the initial field is zero the first sweep is completely similar to Cressman’s. The field at each station will estimate with average of data of four points in the network. Considering to data obtained from switch system in provincial forecast centers and need to increase the accuracy of forecasting, different schemes must run and the best of them must chose. The results of this study showed that: 1 - Increasing the number of stations will increase the accuracy of output data in baron’s scheme. 2 - Output data in Barnes and Cressman scheme were similar to ground data. 3- Output data in Barnes and Cressman scheme were significantly different from upper data 4 - Barnes scheme can determine the degree of smoothing before the experiment. 5 - Barnes scheme does not require to Radius Affect. <strong> </strong>جهت صدور پیشبینی، در مراحل آغازگری و شرایط اولیه، با استفاده از مدلهای عددی درمناطق مختلف، به کلیه فراسنجهای هواشناسی در فواصل مشخص برروی یک شبکه منظم، نیاز میباشد. انتقال دادههای نامنظم دیدبانی شده به یک شبکه منظم، نیازمند استفاده از تحلیل عینی میباشد. طرحوارة تحلیل عینی بایستی درونیابی هموار را انجام داده، باعث افزایش اطلاعات، مشخص کردن و حذف اطلاعات خطا و ایجاد نظم داخلی گردد. سه طرحوارة پانوفسکی، کرسمن و بارنزرا میتوان به عنوان طرحوارههای اولیه پراستفاده، البته تاچند سال پیش نام برد. در این پژوهش روش بارنز مورد استفاده واقع شد. تکنیک بارنز ترکیبی از چند جاروب میباشد که از یک مجموع وزنی خطی اطلاعات دیدبانی شده در منطقة نفوذ حول هر نقطة شبکه استفاده میکند. مقدار برآورد شده هر متغیر در نقطة شبکهای (دوبعدی) پس از اولین جاروب محاسبه میشود. اولین جاروب کاملاً مشابه با کرسمن بوده با این شرط که میدان حدس اولیه صفر میباشد. میدان برآورد شده در هر ایستگاه توسط سادهسازی از طریق میانگینگیری چهار نقطه شبکه بدست میآید. نتایج حاصله نشان داد که: 1- افزایش تعداد ایستگاهها باعث افزایش دقت اطلاعات خروجی طرحواره بارنز میگردد 2- گرتههای خروجی طرحواره های بارنز و کرسمن از اطلاعات سطح زمین نتایج مشابه دارند. 3- گرتههای خروجی طرحواره های بارنز و کرسمن از اطلاعات جو بالا تفاوت چشمگیردارد.https://nivar.irimo.ir/article_13171_16c78367af8af2a0d594c4e61022a680.pdfسازمان هواشناسی کشورنیوار1735-05653783-8220130201Classification of Hydrometeors from Microwave Satellite Data Using an Artificial Neural Networks Methodطبقهبندی آبشهابها با استفاده از اطلاعات مایکروویو ماهوارهای و روش شبکههای عصبی132413172FAابوالحسن غیبیاستادیار گروه فیزیک دانشگاه هرمزگانآذرمهر خواجهایدانشجوی کارشناسی ارشد هواشناسی – دانشگاه هرمزگانJournal Article20160212Hydrometeors in the atmosphere, on any form (solid, liquid and gases), interact with microwave radiation (through scattering, absorption and emission). The Advanced Microwave Sounding Unit-B (AMSU-B) measurements onboard NOAA satellites are sensitive to the types, shapes, and size distributions as well as fall behaviors of the hydrometeors in the AMSU-B resolution Volume and thus are useful to study different types of atmospheric hydrometeors. These microphysical signatures and classification of atmospheric hydrometeors can be utilized to initialize the cloud/mesoscale numerical weather prediction models, study of precipitation formation and life cycle, and choice of the right algorithm for precipitation estimation. Therefore, In this paper, the signatures of eight types of hydrometeors, including Thunderstorms (TS), Heavy rain (HR), Light rain (LR), Moderate Rainfall (MR), Snowfall (SF), Snow cover (SC), Cloudy condition (CC), and Clear sky (CS), using AMSU-B data by an artificial neural network method, simultaneously, have been classified to eight different classes. During the study period (2000 to 2010), from about 200 of satellite passes, for each type of hydrometeor 200 data-sample and overall 1600 data-sample, which was closest to Iran Meteorology Organization (IMO) reports have been collected. Our results show that different classes of rain, including light, moderate and heavy rainfall, with respect to other classes, with accuracies between 54 to 62% have poor classification capability, and other hydrometeors with an accuracy of about 80% correctly classified. By considering three classes of rain as a single class (rain fall = RF), the accuracy of neural network classifier increased to 85%; among 400 pattern, about 340 pattern have correctly been classifiedآبشهابهای موجود در جو، به هر شکلی که باشند (جامد، مایع و گاز)، با تابش مایکروویو (از طریق پراکندگی، جذب و گسیل) برهمکنش میکنند. اندازهگیریهای گمانهزن مایکروویو پیشرفته واحد B (AMSU-B) روی ماهوارههای NOAA به نوع، شکل و توزیع اندازه و همچنین رفتار سقوطی آبشهابها در حجم تفکیک ابزار سنجش حساس و در نتیجه برای مطالعه انواع مختلف آبشهابهای جوی مفید میباشند. از جمله کاربرد اطلاعات خرد فیزیکی و طبقهبندی آبشهابهای جوی میتوان به مقداردهی اولیه مدلهای ابر و مدلهای عددی پیشبینی آبو هوا، مطالعه در خصوص شکلگیری و چرخه زندگی بارش و همچنین انتخاب الگوریتم مناسب برای برآورد بارش اشاره کرد. با توجه به این مهم، در این مقاله با استفاده از دمای تابشی اندازهگیری شده توسط گمانهزن AMSU-B و روش شبکههای عصبی مصنوعی بطور همزمان هشت نوع آبشهاب مختلف، 1- توفان تندری(TS) 2- باران سنگین(HR) 3- باران سبک(LR) 4- باران متوسط(MR) 5- بارش برف(SF) 6- پوشش برف(SC) 7- آسمان ابری(CLS) 8- آسمان صاف(CS) به هشت کلاس مجزا طبقهبندی شدهاند. از حدود 200 گذر ماهواره طی دورهی مورد مطالعه، بین سالهای 2000 تا 2010، برای هر نوع آبشهاب 200 نمونه و در مجموع 1600 نمونه که تقریبا با گزارشهای سازمان هواشناسی همزمان بودهاند جمعآوری شده است. نتایج نشان میدهد که انواع کلاسهای بارش باران، نرمه بارش، بارش متوسط و بارش شدید، با دقتی بین 54 تا 62 درصد، نسبت به سایر کلاسهای آبشهابها، با دقت کمتری، و انواع دیگر آبشهابها تقریباً با دقتی بیش از 80 درصد بطور صحیح طبقهبندی شدهاند. با قراردادن تمام کلاسهای بارش باران در یک کلاس واحد (بارش باران RF) روی همرفته دقت طبقهبندی شبکهی عصبی به حدود 85% ( 340 الگو از 400 الگو بطور صحیح طبقهبندی شدهاند) ارتقاء مییابد. https://nivar.irimo.ir/article_13172_ccae85ee490e693f5074c564785a435c.pdfسازمان هواشناسی کشورنیوار1735-05653783-8220130201Temporal and Spatial analysis of the drought in Khorasan region using SPI during 1966 - 2005تحلیل زمانی و مکانی خشکسالی در پهنه خراسان با استفاده از شاخص SPI طی دوره 2005- 1966253613173FAام السلمه بابایی فینیاستادیار، گروه جغرافیا، دانشگاه پیام نور، تهران، امیرحسین حلبیاندانشیار، گروه جغرافیا، دانشگاه پیام نور، تهرانزکیه راه چمنیکارشناس ارشد اقلیم شناسی در برنامه ریزی محیطی دانشگاه پیام نورJournal Article20160212Drought is one of the atmospheric events that causes great losses and is inevitable in most areas if the world Since soil moisture, stream fiow, and reservoir storge reflect precipitation anamolies, This study aims at a spatial analysis of drought in three Iranian provinces namely North khorasan, Razavi khorasan and South khorasan to quantify precipitation anamolies by means of SPI in 3, 6, 12, and 24 month scale. Monthly precipitation data of 12 long period stations during 1966-2005 were used which was taken from Iranian Meteorological Organization. Geostatistical methods were also applied to prepare spatial distribution maps. The results of the study showed that in 3 and 6 – month- scale period most – severe droughts are are frequent in the Razavi khorasan and North khorasan is affected by severe droughts in the same period. However, in 12 and 24 – month– scale period most serious droughts are frequent in South Khorasan and Western Razavi Khorasan experiences severe droughts. SPI values showed that most droughts happened in the first decade (1966- 1975) and the fourth decade (1996- 2005) as well and 1973 and 2001 have experienced the most serious drought.خشکسالی یکی از رخدادهای جوی است که سبب خسارات زیادی در بخشهای مختلفی مانند کشاورزی، اقتصادی، زیست محیطی و اجتماعی میشود و وقوع آن در اغلب مناطق جهان امری اجتنابناپذیر است. از آن جایی که خشکسالی بر منابع آب زیرزمینی، رطوبت خاک و جریان رودخانهها موثر است؛ در این پژوهش پدیده خشکسالی در سه استان خراسان شمالی، خراسان رضوی و خراسان جنوبی با استفاده از شاخص بارش استاندارد(SPI) در بازههای زمانی 3، 6، 12 و 24 ماهه مورد بررسی و تحلیل قرار گرفت تا بتوان تاثیر کمبود بارش را در دورههای زمانی مذکور کمّی کرد. در این ارتباط، از دادههای بارش ماهانه 12 ایستگاه طی دوره آماری 2005-1966 استفاده و از روشهای زمین آمار نیز به جهت منظور نمودن ساختار مکانی دادهها بهره گرفته شد. نتایج پژوهش نشان داد که در بازههای 3 و 6 ماهه خراسان رضوی دچار خشکسالیهای بسیار شدید و خراسان شمالی نیز متاثر از خشکسالی های شدید است. این در حالی است که در بازههای 12 و 24 ماهه در خراسان جنوبی خشکسالیهای بسیار شدید و غرب خراسان رضوی خشکسالیهای شدید رخ داده است. مقادیر SPI به دست آمده نیز نشان از این دارد که بیشترین مقدار خشکسالی ها مربوط به دهۀ اول (1975-1966) و چهارم (1996-2005) است که در این دو دهه سال 1973 و 2001 شدیدترین خشکسالی ها را تجربه کرده اند. https://nivar.irimo.ir/article_13173_1c24447b8445d9a3192dc87e3a0c95b0.pdfسازمان هواشناسی کشورنیوار1735-05653783-8220130201Examining The Trend Of Maximum Temperature In Kohgiluyeh And Boyerahmad Province, Case Study: Dashtroom Regionبررسی روند تغییرات بیشینه دما در استان کهگیلویه و بویراحمد (مطالعه موردی: منطقه دشتروم)374613174FAغلامرضا نوریاستادیار گروه جغرافیای طبیعی دانشگاه سیستان و بلوچستانابراهیم ابراهیمی تباردانشجوی دکتری اقلیم شناسی دانشگاه محقق اردبیلیJournal Article20160212The process of climate change especially temperature and precipitation change is the most important problem in the territory of environmental sciences. Because human systems such as agriculture, industry and others designed and act based on the climate invariability which those are dependent on climatic variables. The climate changes can be trace largely by studying the trend of temperature. The aim of this research is to study probable deviation of normal maximum temperature in Dashtroom region which is located at a distance of twenty kilometers from yasuj city (the center of Kohgiluyeh and Boyerahmad province). In this study, the maximum temperature data of Dashtroom's climatology station were used during years of 1366-1387. Therewith, Non-parametric method of man-Kendal is used in this study that presence or absence significant trend in temperature changes is examined by use of this method. The extracted results from data analysis showed a significant decrease trend in some of time series which this problem indicated that maximum temperature is decreasing in studied region. While, any significant increase is not confirmed by test. The decreasing trend of maximum temperatures is more in June, July, December and August months, respectively with values of -2/58, -2/4, -2/34 and -2/28 (Man-Kendal statistic) than the other months. Moreover, the most decreasing trend of maximum temperature occurred in the summer whit statistic amount of -2/18 in terms of seasonal series. There is also a decreasing trend in maximum temperature at the annual scale whit statistic amount of -1.97 during period studied. The confidence level of significant changes trend is %95 in all series mentioned above except June (whit confidence level of %99). In other series, the increase or decrease trend in the maximum temperature variations includes sudden and short-term fluctuations. فرایند تغییر اقلیم به ویژه دما و بارش مهمترین بحث در قلمرو علوم محیطی میباشد. زیرا سیستمهای انسانی وابسته به عناصر اقلیمی مانند کشاورزی، صنایع و امثال آن بر مبنای ثبات و پایداری اقلیم طراحی شده و عمل مینمایند. با بررسی روند تغییرات درجه حرارت میتوان تا حدود زیادی تغییرات اقلیمی را ردیابی نمود. هدف از انجام این پژوهش، مطالعهی انحراف احتمالی دمای بیشینهی ایستگاه کلیماتولوژی دشت روم، واقع در بیست کیلومتری شهر یاسوج (مرکزاستان کهگیلویه وبویراحمد)، از حالت نرمال میباشد که در آن دادههای مربوط به دماهای بیشینهی این ایستگاه در طی دورۀ آماری (1387-1366) مورد استفاده قرار گرفت. در این پژوهش، از روش ناپارامتری من-کندال استفاده شد که در این روش با بهکارگیری آمارهی این آزمون، وجود یا عدم وجود روند تغییرات دمایی مورد آزمون قرار گرفت. نتایج حاصل از تحلیل دادهها، بیانگر وجود روند کاهشی و معنیدار در برخی از سریهای زمانی است که نشان دهندۀ آن است که بیشینهی دمای هوا در منطقه در حال کاهش است. ضمن اینکه هیچ روند افزایشی معنیداری توسط آزمون مورد تأیید قرار نگرفت. روند کاهشی دمای بیشینه در ماههای خرداد، تیر، آذر و مرداد به ترتیب با مقادیر 58/2-، 4/2-، 34/2- و 28/2- (آمارهی من-کندال) شدیدتر از سایر ماهها بوده است. همچنین بیشترین کاهش بیشینهی دما به لحاظ فصلی، در فصل تابستان به مقدار 18/2- رخ داده است. در مقیاس سالانه نیز، روند کاهشی دمای بیشینه در طی دوره آماری مورد مطالعه، به مقدار 97/1-، به خوبی نمود پیدا کرده است. سطح اطمینان معنیداری روند تغییرات در تمامی سریهای ذکر شده، به استثنای خرداد ماه (99 درصد)، 95 درصد می باشد. در سایر سریها نیز، روند افزایشی یا کاهشی بیشینهی دما از نوع نوسانات ناگهانی و کوتاه مدت می باشد. https://nivar.irimo.ir/article_13174_2ea689f5d556de41b6b28ee228b8225a.pdfسازمان هواشناسی کشورنیوار1735-05653783-8220130201Investigation of Variability and Trends in Number of Days with Snow Covers and snow cover depth in Iran during 1981-2010بررسی تغییرپذیری تعداد روزهای برفی وعمق برف در ایران، طی دوره آماری 2010-1981475813175FAحمید رضا طاهریرئیس اداره هواشناسی آبعلی،تهرانفروزان ارکیاناستادیار، گروه هواشناسی، دانشکده علوم فنون دریایی، واحد تهران شمال، دانشگاه آزاد اسلامیJournal Article20160212This study investigates the changes and variability of the number of days with snow covers of ≥1 cm depth and the snow cover depth at 18 meteorological stations throughout Iran, spanning a period of 30 years (1981–2010) and 15 years (1996–2010). The studied parameters such as the number of days with snow cover; the snow cover depth and (mean, maximum and minimum) temperature was extracted from Iran meteorological organization data archive for December, January and February months. Investigation of spatial variability of parameters using GIS map shows that for the station with 30 years data, maximum number of days with snow cover and snow depth belongs to Abali station with values 2457 days and 80 cm in winter, respectively. But for stations with 15 years period data, maximum number of days with snow cover and snow depth belongs to Kohrang station with values 1346 days and 69.4 cm in winter, respectively. The results show significantee decreasing trend in time series of the days with snow cover and the snow cover depth at most stations except Kashan, Gorgan, Noshahr and Bandar Anzali stations in 30 years period while only in 5 stations such as Abali, Isfahan, Sanandaj, Tabriz and Urmia, increasing trend in temperature was observed also there wasn’t any trend in mean temperature in other stations . در این مطالعه تغییرپذیری تعداد روزهای برفی با عمق برف ≥cm 1 (بزرگتر و مساوی یک سانتی متر) در کشور، در دو دوره آماری سی ساله (1981-2010) و 15 ساله (1996-2010) مورد بررسی قرار گرفت. پارامترهای مورد مطالعه شامل تعداد روزهای برفی، عمق برف، دمای میانگین، دمای بیشینه و دمای کمینه میباشد که از بانک اطلاعات سازمان هواشناسی کشور برای ماههای دسامبر، ژانویه و فوریه استخراج شد. بررسی نقشههای تغییرپذیری مکانی پارامترها(که توسط نرم افزار <sup>1</sup>GIS رسم شدهاند) برای ایستگاههایی که سی سال آمار برف دارند نشان داد بیشترین تعداد روزهای برفی و عمق برف متعلق به ایستگاه آبعلی با مقادیر به ترتیب 2457 روز و 80 سانتی متر در فصل زمستان میباشد. اما همین بررسی در بازه زمانی پانزده سال، بیشترین تعداد روزهای برفی و عمق برف را متعلق به ایستگاه کوهرنگ با مقادیر به ترتیب 1346 روز و 69.4 سانتی متر در فصل زمستان نشان داد. طبق نتایج این تحقیق روند معنادار کاهشی در تعداد روزهای برفی و عمق برف در اغلب ایستگاهها به جز ایستگاههای کاشان، گرگان، نوشهر و بندر انزلی در بازه زمانی سی سال رخ داده است در صورتیکه فقط در پنج ایستگاه آبعلی، اصفهان، سنندج، تبریز و ارومیه روند افزایشی دما در فصل زمستان مشاهده شده است و در بقیه ایستگاهها در طی سی سال روند خاصی در دمای میانگین رخ نداده است. https://nivar.irimo.ir/article_13175_736946894e8974a800343faef997a5fa.pdfسازمان هواشناسی کشورنیوار1735-05653783-8220130201Spatiotemporal Analysis of Drought Severity in the Future under Climate Change Scenarios of CGCM3 in the Province of Isfahanتحلیل زمانی- مکانی شدت خشکسالی در دورههای آتی تحت ﺗﺄثیر تغییر اقلیم با استفاده از مدل (CGCM3) در استان اصفهان597213176FAسحر زیرک زادهدانشجوی دکتری، گروه هواشناسی، دانشکده علوم پایه، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهرانجواد بذرافشاناستادیار، گروه مهندسی آبیاری و آبادانی، دانشکده کشاورزی ومنابع طبیعی، دانشگاه تهران، تهران، ایرانJournal Article20160212<span>According to the Hadley center for climate prediction and research, it has been predicted that the severe and extensive droughts threaten the lives of millions of people on the earth due to the global warming in 21<sup>st</sup> century. Since the drought affects different activities like water resources, agriculture, economy, industry, and health, so investigation and evaluation of this disaster in the future is necessary for planning to cope with its impacts in different parts of the society. The purpose of this research is to compare the intensity of droughts under future climate conditions with current climate in the selected stations of the Isfahan province. For fulfilling this aim, at first, precipitation data for future periods in the selected stations of the Isfahan province were downscaled using change factor technique under scenario A2 of CGCM3. In the next step, the Standardized Precipitation Index (SPI) in two time scales of 3and6 months were estimated for four periods including 1971-2000(base period), 2011-2040, 2041-2070, 2071-2100 (for future periods). Severity of droughts in the base period and the future periods were extracted. The ratio of droughts severity in the future periods to the base period for different return periods were calculated in all stations. Finally, these ratios were interpolated by using the squared inverse distance method on the Isfahan province. Results showed that the ratio of drought severity in the future periods in comparison to the current climate will decrease at different return periods</span>طبق مطالعات مرکز پیشبینی و تحقیقات اقلیم هدلی در قرن 21 به دلیل گرمایش جهانی، خشکسالیهای فراگیر و شدید، زندگی میلیونها نفر در سراسر کره زمین را تهدید خواهد نمود. از آنجا که خشکسالی، بخشهای مختلف جامعه را تحت تاثیر قرار میدهد، لذا پایش و ارزیابی این بلیه در آینده به منظور برنامهریزی صحیح، امری ضروری است. در این تحقیق، شدت خشکسالی تحت شرایط اقلیم آتی با اقلیم فعلی در ایستگاههای منتخب استان اصفهان مقایسه شده است. به این منظور، ابتدا دادههای بارندگی برای دورههای آتی در ایستگاههای منتخب استان اصفهان با استفاده از مدل گردش عمومی جو (CGCM3) و تحت سناریوی A2 به کمک روش ضریب تغییر ریزمقیاس نمایی شد. در مرحله بعد، شاخص استاندارد بارش(SPI) در دو مقیاس زمانی 3و 6 ماهه، برای دورهی پایه (2000-1971) و دورههای 2040-2011،2070-2041و 2100-2071 تحت سناریوی انتشار، در ایستگاههای منتخب استان اصفهان محاسبه شد. سپس مشخصه شدت خشکسالی در دوره پایه و دورههای آتی استخراج و نسبت شدت خشکسالی در دورههای آتی در مقایسه با دوره پایه در همه ایستگاهها در دوره بازگشتهای مختلف محاسبه شد. در نهایت، این نسبتها با استفاده از روش عکس مجذور فاصله بر پهنه استان اصفهان ترسیم گردید. نتایج نشان داد به طورکلی در دورههای آینده نسبت شدت خشکسالی در مقایسه با گذشته به ازای دوره بازگشتهای مختلف کاهش مییابد.https://nivar.irimo.ir/article_13176_de62bda6b0b18cff07a643db27e87319.pdfسازمان هواشناسی کشورنیوار1735-05653783-8220130201Study of Probability of Fog Occurrences at Different Temperature Ranges
(Case study: Synoptic Stations in Kurdistan Province)بررسی احتمال رخداد مه در گستره های دمایی مختلف (مطالعه موردی: ایستگاه های همدیدی استان کردستان)738013177FAمژده پدرامپژوهشکده هواشناسی، تهران، ایرانفاطمه صحراییانپژوهشکده هواشناسی، تهران، ایرانJournal Article20160212In this study probability of fog occurrence at a certain location has been estimated by finding a logical relationship between temperature and fog frequency conditions at that location. The available data, till 2006, for 7 synoptic stations in Kurdistan province have been used as case study. First, relative and cumulative frequencies of fog occurrences in different temperature ranges have been determined for each station. Then, their monthly and seasonal cumulative frequencies for a common 15 years period (1992- 2006) among those stations have been calculated. In order to reduce the risk of fog occurrence, necessary preparedness, and prevention of this hazard, their threshold temperatures at each station have been estimated. The results show that except in Ghorve station which the maximum fog frequency has occurred in -8°C to -6°C range and its amount was 71, in the other stations the most frequency of fog occurrences has been observed in -2°C to 0°C temperature range. From total number of fog observations, at Ghorve station 13.3%, Marivan 34%, Sanandaj 30%, Zarineh Obato19%, Saghez 39%, and at Bijar 26% occurred in positive temperatures. In all stations, the fog frequency was considerable in November, December, January and February months and it was inconsiderable in April, May and October. During the remaining months of the year (Jun., July, Aug., Sep.) fog didn’t happen. During the 15 years common period, the maximum fog frequency was 177 which have occurred in Zarineh station in December. In winter, because of low temperatures and relative humidity rising, fog occurrences were more than the other seasons of year in all stations. در این مطالعه با یافتن ارتباطی منطقی بین فراوانی رخداد مه و متغیر دما در یک محل، احتمال رخداد مه در شرایط دمایی نقطه مورد نظر برآورد شده است. برای این منظور از دادههای 7 ایستگاه همدیدی استان کردستان در دوره آماری موجود هر ایستگاه به طور موردی استفاده شده است. ابتدا فراوانی نسبی و تجمعی رخداد مه درگسترههای دمایی مختلف برای هر ایستگاه تعیین شدهاند. سپس فراوانی نسبی تجمعی ماهانه و فصلی رخداد مه برای یک دوره آماری مشترک 15 ساله (2006-1992) بین این ایستگاهها محاسبه شدهاند. برای کاهش ریسک ناشی از این پدیده و آمادگی لازم برای پیشگیری از بروز خطر، دمای آستانه رخداد آن در هر ایستگاه برآورد شده است. نتایج نشان میدهند به جز در ایستگاه قروه بیشینه فراوانی رخداد مه در گستره دمایی C°8- تا C°6- و به تعداد 71 مورد بوده است، در سایر ایستگاهها بیشترین رخداد مه در دماهای بین C°2 -تا C°0 مشاهده شده است. از کل تعداد دیدبانیهای رخداد مه در هر ایستگاه، در قروه 3/13%، مریوان 34%، سنندج 30%، زرینه اوباتو 19%، سقز 39% و در بیجار 26% موارد مه در دماهای مثبت رخ داده است. در کلیه ایستگاههای مورد مطالعه، رخداد مه در ماههای ژانویه، فوریه، مارس، نوامبر و دسامبر قابل ملاحظه بوده و در ماههای آوریل، می و اکتبر ناچیز و در سایر ماهها (جون، جولای، اگوست و سپتامبر) مه رخ نداده است. طی دوره آماری مشترک 15 ساله، بیشینه فراوانی رخداد مه در ماه دسامبر و در ایستگاه زرینه به میزان 177 مورد بوده است. در فصل زمستان به دلیل کاهش دما و افزایش نم نسبی، در کلیه ایستگاهها رخداد مه بیشتر از فصلهای دیگر سال است.https://nivar.irimo.ir/article_13177_cf3631a5efc562dbf75480fd6b829f1b.pdf