https://nivar.irimo.ir/ نیوار fa daily 1 Sat, 21 Mar 2026 00:00:00 +0330 Sat, 21 Mar 2026 00:00:00 +0330 https://nivar.irimo.ir/article_245269.html Analyzing wind speed trends provides valuable insights into regional climate dynamics, atmospheric circulation changes, and their impacts on environmental and energy systems. This study investigates the temporal trends of monthly and annual wind speed in the Darreh Dozdan River basin, located in Lorestan Province, Iran, using a 25-year dataset (1998–2022) from the Kuhdasht synoptic station. Both parametric (linear regression and Pearson correlation coefficient) and nonparametric (Mann–Kendall test and Sen’s slope estimator) methods were applied to detect and quantify wind speed trends. The Mann–Kendall test showed that all months had positive and statistically significant Z values greater than +1.96, confirming a persistent upward trend in wind speed. The strongest increases occurred in June, August, and September (Z = 4.27–4.86), reflecting intensified wind activity during the warmer months. The Sen’s slope and linear regression analyses revealed the largest increases in wind speed during February (0.12 m/s per year) and March (0.14 m/s per year), indicating that wind speeds rose most rapidly in late winter and early spring, while the annual results from both methods confirmed a steady increase in average wind speed of 0.08 m/s per year. Pearson correlation coefficients showed significant positive relationships (r > 0.6 for all months), with the strongest correlations in June, August, and September (r > 0.8), confirming a highly consistent and stable upward trend during these months. All four analytical methods converged on the conclusion that wind speed had increased in a statistically significant and persistent manner, differing only in which months exhibited the steepest or most stable growth, thereby providing a comprehensive and robust confirmation of wind intensification in the Darreh Dozdan River basin. These findings highlight the importance of accounting for increasing wind intensity in future regional climate assessments, water resource management, and land-use planning within the basin. https://nivar.irimo.ir/article_245798.html Climate change, as one of the major challenges of the 21st century, has widespread impacts on agricultural production and food security. In this study, LARS-WG 8 models were used to generate climate data and AquaCrop 7.1 to simulate wheat yield in Khorasan Razavi Province. the effects of different greenhouse gas emission scenarios (SSP1-2.6, SSP2-4.5, and SSP5-8.5) were assessed towards 2040. The results showed that the LARS WG model performs reasonably well in generating average precipitation and temperature, but shows limitations in representing temperature variability and fluctuations. According to the results the average temperature at Sabzevar, Quchan, and Torbat-e Jam stations will increase the most in the SSP5-8.5 scenario; for example, the average temperature in Quchan will increase from 12.7 degrees in the period 2010-2024 to 14.1°C in SSP5-8.5. Future precipitation is expected to increase by 11–38 %, while reference evapotranspiration (ET0) may decline by 8–32%. The average grain yield of wheat in Khorasan Razavi Province is projected to increase by about 7 to 13% across scenarios. Water productivity (WP) has also projected to rise from 1.7 in 2023 to 1.9 and 2.0 under different scenarios.The findings of this study indicate that climate change in the 2040 horizon could, under some conditions, lead to increased yield and water productivity of wheat in Khorasan Razavi Province. However, these increases will only be sustainable if they are accompanied by smart water resource management, selection of resistant varieties, and adaptive policies to address the risks of warming, changing rainfall patterns, and the spread of pests and diseases. Therefore, although the short-term results are promising, from a sustainability perspective, a comprehensive and forward-looking approach is required to ensure food security and agricultural resilience in the region. https://nivar.irimo.ir/article_233538.html نظام حکمرانی منابع آب در ایران و بسیاری از کشورهای در حال توسعه و نیمه‌توسعه‌یافته تاکنون در رسیدن به اهداف خود با چالش‌های جدی مواجه بوده است. افزایش بهره‌وری و توسعه اقتصادی، در کنار نبود همکاری و هماهنگی لازم میان بهره‌برداران مختلف در حوزه‌های آبخیز و آبخوان‌های مشترک، موجب شده تصمیم‌گیری‌های محیط‌زیستی و مدیریتی به صورت بهینه صورت نگیرد. بسیاری از کشورها دیگر تنها با کمبود فیزیکی منابع آبی روبه‌رو نیستند، بلکه ضعف در حکمرانی و مدیریت نادرست منابع، سبب شکل‌گیری منازعات پیچیده و کاهش کارایی در استفاده از این منابع حیاتی شده است. از این رو، توسعه پارادایم‌ها و رویکردهای نوین حکمرانی آب به یک ضرورت اساسی تبدیل شده است. در این مسیر، فناوری‌های نوین اطلاعات و ارتباطات به‌ویژه واقعیت افزوده (AR) و واقعیت مجازی (VR) به عنوان ابزارهای کلیدی در بهبود نظام‌های حکمرانی آب شناخته شده‌اند. این فناوری‌ها امکان ایجاد محیط‌های تعاملی و شبیه‌سازی شده را فراهم می‌کنند که علاوه بر ارتقای آموزش و توانمندسازی نیروی انسانی، به مدیران و سیاست‌گذاران کمک می‌کند تا تصمیم‌های دقیق‌تر، سریع‌تر و مبتنی بر داده‌های واقعی اتخاذ کنند. به‌علاوه، فناوری متاورس با قابلیت ایجاد فضاهای مجازی گسترده و مشارکتی، می‌تواند نظام‌های حکمرانی را هوشمندسازی کرده و امکان تعامل و مشارکت اجتماعی بیشتر شهروندان در تمام سطوح مدیریتی را فراهم آورد. این پژوهش به تحلیل کاربردهای فناوری‌های واقعیت افزوده و واقعیت مجازی در حکمرانی منابع آب می‌پردازد و نقش آن‌ها را در افزایش شفافیت، بهبود پایش و مدیریت پایدار منابع آبی بررسی می‌کند. نمونه‌های موفق استفاده از این فناوری‌ها در آموزش‌های تخصصی، پایش میدانی و فرآیندهای تصمیم‌گیری معرفی شده و مزایای آن‌ها از جمله کاهش هزینه‌ها، افزایش دقت و سرعت انجام فعالیت‌ها مورد ارزیابی قرار گرفته است. نتایج نشان می‌دهد که ادغام فناوری‌های نوین در نظام حکمرانی آب، ضمن افزایش بهره‌وری و کاهش مخاطرات، می‌تواند به کاهش منازعات ناشی از رویکردهای سنتی و سلسله‌مراتبی کمک کند و زمینه‌ساز توسعه پایدار در بخش منابع آب شود. بنابراین، این مطالعه چارچوبی برای بهره‌گیری هدفمند از VRو AR در مدیریت منابع آب ارائه می‌دهد که می‌تواند به بهبود عملکرد کلی نظام حکمرانی و ارتقای مشارکت اجتماعی در این حوزه حیاتی منجر گردد. https://nivar.irimo.ir/article_234023.html آلودگی هوا به‌عنوان یکی از جدی‌ترین معضلات زیست‌محیطی عصر حاضر، اثرات نامطلوبی بر سلامت انسان، اکوسیستم‌ها و اقلیم دارد. یکی از منابع اصلی تولید آلاینده‌های جوی، نیروگاه‌های حرارتی هستند که بسته به نوع سوخت مصرفی، نقش بسزایی در انتشار گازها و ذرات معلق دارند. در این پژوهش، با هدف بررسی تأثیر نوع سوخت مصرفی نیروگاه نکا بر میزان انتشار آلاینده‌های جوی، داده‌های ماهواره‌ای سنتینل-۵ و مودیس در بازه زمانی ۲۰۱۸ تا ۲۰۲۳ تحلیل شد. تغییرات مکانی و زمانی آلاینده‌های SO₂، NO₂، CO، O₃ و AOD در سه سناریوی عملکردی سوخت شامل گاز طبیعی، مازوت و ترکیبی مورد ارزیابی قرار گرفت. یافته‌ها نشان می‌دهد که مصرف گاز طبیعی، علی‌رغم افزایش نسبی CO و O₃ ناشی از احتراق ناقص و واکنش‌های فتوشیمیایی، منجر به کاهش قابل توجه در انتشار SO₂ و AOD نسبت به مصرف مازوت شده است. در مقابل، مصرف مازوت با افزایش چشمگیر غلظت SO₂ و گسترش آلودگی تا شعاع ۶۵ کیلومتری در شرق و ۱۵ کیلومتری در جنوب همراه بوده است. الگوهای فصلی نیز حاکی از اوج‌گیری غلظت O₃ در زمستان، CO در ماه‌های اسفند و مرداد، و AOD در ماه‌های گرم سال است. تکرار این الگوها طی پنج سال اخیر، نشان‌دهنده‌ی تأثیر توأمان نوع سوخت، شرایط اقلیمی و الگوهای مصرف انرژی بر میزان آلودگی است. نتایج این مطالعه بر ضرورت تدوین سیاست‌های کنترلی مبتنی بر استفاده از سوخت‌های پاک‌تر، به‌کارگیری فناوری‌های نوین احتراقی و بهره‌گیری از سامانه‌های پایش ماهواره‌ای در مدیریت بهینه آلودگی هوا تأکید دارد. https://nivar.irimo.ir/article_234840.html این مطالعه با هدف شناسایی الگوهای مولد بارش سنگین در فصل سرد منطقه شمال غرب ایران انجام شده است. برای این منظور، داده‌های بارش روزانه ۱۹ ایستگاه هواشناسی همدیدی منتخب در بازه ۲۰۰۰ تا ۲۰۱۹ از سازمان هواشناسی ایران و داده‌های جو بالا برای فراسنج‌های مؤثر در وقوع بارش سنگین شامل باد مداری، باد نصف‌النهاری، رطوبت ویژه، امگا، فشار سطح دریا و ارتفاع ژئوپتانسیل از پایگاه ملی اقیانوسی و جوی آمریکا (NOAA) دریافت گردید. با استفاده از رویکرد محیطی به گردشی و آستانه صدک ۹۹ درصد همراه با شرط گستره مکانی 30 درصد، رخدادهای بارش سنگین استخراج و سپس با تحلیل عاملی و خوشه‌ای، عامل‌های اصلی و الگوهای همدیدی تعیین شدند. بر اساس نتایج، ۱۶ رخداد بارش سنگین در منطقه شناسایی و سه الگوی اصلی استخراج شد که در این میان، الگوی شماره دو (ادغام سامانه‌های سودانی، مدیترانه‌ای و ایسلندی) به‌عنوان الگوی غالب شناخته شد. بیشینه بارش سنگین در هر سه الگو در جنوب غربی منطقه مورد مطالعه به‌ویژه در ایستگاه‌های پیرانشهر و سردشت، رخ داده است. نتایج همچنین نشان داد که مهم‌ترین منبع تأمین‌کننده رطوبت بارش‌های سنگین شمال غرب ایران، دریای مدیترانه بوده است. در سطوح زیرین، میانی و فوقانی وردسپهر، به‌ترتیب سامانه‌های جبهه زمینی، بندالی و رودباد نقش کلیدی در شکل‌گیری رخدادهای بارش سنگین داشته‌اند. در مجموع، یافته‌ها حاکی از ماهیت کاملاً دینامیکی این بارش‌ها و تأثیر هم‌زمان سامانه‌های بزرگ‌مقیاس در ایجاد آن‌ها است. https://nivar.irimo.ir/article_237104.html چکیدهدر سال‌های اخیر، تغییرات اقلیمی منجر به افزایش وقوع تنش‌های گرمایی و تهدید پایداری سیستم‌های کشاورزی شده است. با توجه به حساسیت بالای ذرت علوفه‌ای به‌عنوان یکی از نهاده‌های کلیدی دامی نسبت به دماهای بیشینه، بنابراین الگوهای زمانی تنش گرمایی (شامل فراوانی، شدت و مدت) می‌تواند به شدت تحت تأثیر گرمایش جهانی قرار گیرد. لذا پژوهش حاضر با هدف بررسی تغییرات الگوهای زمانی تنش گرمایی وارد بر ذرت علوفه‌ای تحت سناریوهای SSP2-4.5 و SSP5-8.5 از گزارش ششم تغییر اقلیم به انجام رسیده است. نتایج در دوره پایه نشان داد که خروجی اقلیمی از دقت مناسبی برای شبیه‌سازی دمای بیشینه برخوردار می‌باشد، به‌طوری‌که مقدار شاخص خطای NRMSE به ۱۳/۰ درجه سلسیوس محدود شده است. علاوه‌براین، پیش بینی شرایط تنش گرمایی تحت سناریوهای اقلیمی در دوره‌های آتی حاکی از وجود روند افزایشی در سطح اطمینان 90 درصد در دمای بیشینه و تحت سناریوی اقلیمی SSP5-8.5 است. به‌طورکلی، براساس نتایج مشخص شد که استان‌های جنوبی و جنوب‌شرقی کشور (مانند خوزستان، هرمزگان و سیستان و بلوچستان) از بیشترین آسیب‌پذیری نسبت به افزایش فراوانی (تا ۶۵ درصد)، شدت (بیش از ۵۵ درجه سلسیوس) و تداوم (تا ۹ ماه) تنش گرمایی برخوردار می‌باشند. بنابراین با توجه به وقوع گرمایش جهانی در سال‌های اخیر و افزایش فراوانی در بروز تنش‌های گرمایی وارد بر محصولات زراعی، ضرورت توجه به این ریسک اقلیمی و برنامه‌ریزی برای اتخاذ راهکارهای سازگاری بیش از پیش احساس می‌شود. نتایج تحقیق حاضر می‌تواند در راستای برنامه‌ریزی برای مدیریت پایدار کشاورزی تحت تأثیر گرمایش جهانی مفید واقع شود. https://nivar.irimo.ir/article_238118.html هدف این پژوهش، تحلیل الگوی مکانی بارش‌های روزانه تندری حدی ( مساوی و بیشتر از ۱۰ میلی‌متر) در محدوده دریاچه ارومیه طی دوره ۲۰۱۵ تا ۲۰۲۴ است. برای این منظور، ابتدا داده‌های بارش روزانه ۱۶ ایستگاه هواشناسی گردآوری و با اعمال سه شرط هم‌زمانی رخداد، شدت حدی و گسترش فضایی، رویدادهای تندری فراگیر شناسایی شد. سپس، به‌منظور رفع محدودیت‌های درونیابی در سطح دریاچه، داده‌های ماهواره‌ای پرشین با قدرت تفکیک مکانی بالا 4 در 4 کیلومتر استخراج و برای همان روزهای منتخب پردازش گردید. در ادامه، جهت آشکارسازی الگوهای مکانی غالب، یک رویکرد آماری–مکانی ترکیبی شامل تحلیل چارک سوم و انحراف معیار داده‌های رستری اعمال شد و برای تبیین ساختار فضایی بارش‌ها، تحلیل مؤلفه‌های اصلی بر روی ماتریس هم‌تغییرپذیری داده‌های ماهواره‌ای انجام گرفت. نتایج نشان داد نواحی جنوب و جنوب‌غرب دریاچه بیشترین مقادیر بارش‌های تندری حدی و بخش‌های شرق، شمال‌شرق و به‌ویژه شمال دریاچه کمترین مقدار را دریافت می‌کنند. همچنین، رخدادهای تندری عمدتاً الگوی زمانی بهاره (مارس–می) و در مرتبه بعد زمستانه (دسامبر–فوریه) دارند. روش ترکیبی به‌کاررفته توانست ناهمگنی مکانی بارش‌های تندری و الگوهای غالب فراگیر را با دقت بیشتری نسبت به تحلیل صرف ایستگاه‌های زمینی آشکار سازد. دستاوردهای این مطالعه می‌تواند در پایش تغییرات اقلیمی منطقه، بهبود مدل‌های بارش و برنامه‌ریزی احیای دریاچه ارومیه مورد استفاده قرار گیرد. https://nivar.irimo.ir/article_239399.html الگوهای زمانی - مکانی دما، یکی از کمیت‌های بسیار مهم در توصیف ساختار فیزیکی دریا‌ است. در این پژوهش با استفاده از داده‌های اطلس اقیانوسی جهانی (با علامت اختصار WOA2018) در هر m 10، به بررسی الگوهای فصلی و عمقی دما در خلیج‌فارس، در سه لایه با عمق صفر (لایه سطحی: SST_PG)، m 30 (لایه میانی: SMT_PG) و m 60 (لایه عمیق: SDT_PG) با استفاده از نرم‌افزار ODV، پرداخته شده است. نتایج بیانگر آن است که به طور کلی، از سطح تا عمق m 50، کمینه دما در زمستان و از عمق m 60 به بعد، کمینه دما در بهار رُخ می‌دهد. از سطح تا عمق m 30، بیشینه‌ی دما در تابستان و از عمق m 40 تا m 80، بیشینه‌ی دما در پاییز رُخ می‌دهد. در عمق m 90 نیز، بیشینه‌ی دما در زمستان رُخ می‌دهد. از طرفی، دمای سطحی (SST) در تمامی فصول از شرق به غرب خلیج فارس روند کاهشی دارد. SST، در تابستان به بیشینه‌ی دمای C˚32/34 می‌رسد و کمینه‌ی آن، مربوط به زمستان (C˚46/16) است. بیشینه‌ی SST، در جنوب شرقی در مجاورت قطر و امارات متحده عربی و شمال غربی (مجاورت بندر امام)، به دلیل عمق کم و تبادل اندک با آب تنگه هرمز، به صورت آب گرم و راکد رُخ می‌دهد. با افزایش عمق، ضمن کاهش دما، بازه تغییرات دما نیز کاهش می‌یابد؛ اما یک استثنا نیز وجود دارد؛ کمینه دما در فصل زمستان با افزایش عمق، افزایش دما را تجربه می‌کند؛ علت آن نیز سردتر بودن آب‌های سطحی در طی فصل سرد زمستان است. به عبارتی، در پاییز و زمستان، وارونگی دما قابل مشاهده است یعنی دما در سطح نسبت به لایه میانی و لایه عمقی سردتر است. در عمق m 60 متر، در تمامی فصول بیشینه دما در ابتدای خلیج فارس، در سمت تنگه هرمز مشاهده می‌شود که این دما مربوط به توده آب گرمِ خروجی خلیج‌فارس با نام PGW است. بیشینه دمای PGW در فصل پاییز با دمای C˚041/25 مشاهده شد؛ همچنین در مجاورت تنگه هرمز، گرادیان شدید دمایی در عمق m 60 متر، به‌خصوص در فصول تابستان و پاییز که دمای PGW بیشتر است نیز مشاهده می‌شود. با توجه به این‌که تشکیل PGW به میزان خنک‌شدگی و دمای لایه سطحی بستگی دارد، لذا فصل زمستان می‌تواند تشکیل PGW سرعت را بخشد. https://nivar.irimo.ir/article_240244.html شناخت رفتار بارش در بلندمدت به‌عنوان یکی از متغیرترین عناصر اقلیمی، نقش کلیدی در مدیریت منابع آب و کاهش آسیب‌پذیری بخش‌های کشاورزی و منابع طبیعی دارد. از آنجا که تغییرات زمانی و مکانی بارش می‌تواند پیامدهای اقتصادی، اجتماعی و زیست‌محیطی گسترده‌ای به همراه داشته باشد، به‌کارگیری روش‌های نوین مانند تحلیل طیفی برای شناسایی الگوها و چرخه‌های بارش ضرورت دارد. در این پژوهش، با استفاده از تحلیل طیفی، فرکانس‌های غالب بارش روزانه در حوضه آبریز دریاچه ارومیه بررسی شد. داده‌های روزانه 11 ایستگاه منتخب در این حوضه برای یک دوره آماری حداقل بیست ‌ساله (1970 تا 2022) تحلیل و به صورت جزئی‌تر در سه ایستگاه تبریز، کهریز و مهاباد (دارای پراکندگی مناسب در اطراف دریاچه ارومیه) رفتار بارشی در سه وضعیت نرمال، خشکسالی و ترسالی به تفصیل مورد بررسی قرار گرفت. روش تحقیق مبتنی بر تحلیل طیفی با استفاده از سری فوریه است که بر روی داده‌های بارش روزانه 11 ایستگاه منتخب با دوره آماری حداقل 20 سال اعمال شد. داده‌ها پس از گردآوری از سازمان هواشناسی، کنترل کیفی و انتخاب سال‌های تر و خشک بر اساس شاخص SPI، مورد تجزیه و تحلیل قرار گرفتند. نتایج نشان داد چرخه‌های سالانه و نیم‌سالانه در بیشتر ایستگاه‌ها نقش اصلی را در توزیع زمانی بارش دارند، اما شدت و پایداری آن‌ها بسته به موقعیت جغرافیایی متفاوت است. در شرایط نرمال، ایستگاه‌ها بارش‌های منظم و متمرکز دارند، در حالی که در خشکسالی چرخه‌ها پراکنده و تضعیف می‌شوند و در ترسالی چرخه‌های بلندمدت با دامنه قوی‌تر ظاهر شده و انسجام بارش افزایش می‌یابد. بررسی دوره‌های بازگشت نشان داد که خشکسالی در اکثر 11 ایستگاه به‌صورت سالانه تکرار می‌شود، در حالی که ترسالی‌ها دارای الگوی زمانی متنوع‌تری هستند و می‌توانند حتی در بازه‌های کوتاه چندروزه نیز ظاهر شوند. این تفاوت در توزیع زمانی، به‌ویژه در ایستگاه‌هایی که چرخه‌های کوتاه‌تر دارند، نشانه‌ای از اقلیم ناپایدارتر و حساسیت بیشتر به تغییرات اقلیمی است. نتایج این مطالعه بر ضرورت مدیریت منابع آب متناسب با ویژگی‌های فرکانسی هر ناحیه تأکید دارد و نشان می‌دهد که تحلیل طیفی می‌تواند به عنوان ابزار تصمیم‌یار در طراحی استراتژی‌های مقابله با خشکسالی و بهینه‌سازی ذخیره‌سازی آب به‌کار رود. https://nivar.irimo.ir/article_243002.html هدف اصلی این پژوهش، توسعه، پیاده‌سازی و ارزیابی مجموعه‌ای از مدل‌های پیش‌بینی بر پایه روابط ریاضی به‌منظور برآورد دمای کمینه و بیشینه روزانه در استان گیلان بود. به این منظور، داده‌های روزانه مربوط به ۱۰ ایستگاه هواشناسی منتخب در سطح استان، طی دوره زمانی ۲۰۱۱ تا ۲۰۲۱ گردآوری شد. پس از انجام کنترل کیفی داده‌ها، تحلیل همبستگی میان پارامترهای جوی مختلف صورت گرفت تا متغیرهای مؤثر بر تغییرات دمایی شناسایی شوند. بر اساس نتایج این تحلیل، برای پیش‌بینی هر یک از دمای کمینه و بیشینه روزانه، در مجموع ۱۱ الگوی ریاضی شامل روابط خطی، چندجمله‌ای، نمایی، توانی و لگاریتمی توسعه داده شد. در ادامه، به‌منظور ارزیابی کارایی این الگوها، عملکرد آن‌ها با نتایج حاصل از مدل‌های شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. نتایج حاصل نشان داد که در میان پارامترهای جوی بررسی‌شده، دمای روز قبل بیشترین میزان وابستگی و تأثیر را بر دمای روز آینده دارد. همچنین، مقایسه شاخص‌های ارزیابی بیانگر آن است که الگوهای ریاضی و شبکه‌های عصبی مصنوعی در پیش‌بینی کوتاه‌مدت دما از دقت نسبتاً مشابه و قابل قبولی برخوردار هستند. با توجه به سادگی ساختاری، شفافیت روابط، نیاز کمتر به داده‌های آموزشی و ثبات عملکرد، الگوهای ریاضی می‌توانند به‌عنوان ابزاری کارآمد و قابل اتکا در پیش‌بینی‌های کوتاه‌مدت دما مورد استفاده قرار گیرند. با این حال، تعمیم نتایج این پژوهش به بازه‌های زمانی بلندمدت‌ یا مناطق با شرایط اقلیمی متفاوت، نیازمند انجام مطالعات تکمیلی و بررسی‌های گسترده‌تر است. https://nivar.irimo.ir/article_245400.html بررسی دقیق الگوهای بارش روزانه در مواجهه با تغییر اقلیم ضروری است. این پژوهش با هدف تحلیل رفتار بارش روزانه و رخدادهای فرین، داده‌های ۱۷۵ ایستگاه هواشناسی همدیدی ایران را طی سال‌های ۲۰۰۰ تا ۲۰۲۴ بررسی می‌کند. نتایج نشان‌دهنده گرادیان شدید بارشی تحت تأثیر عرض جغرافیایی و توپوگرافی است. بررسی روندها حاکی از گسترش شرایط خشکسالی و کاهش معنادار بارش در بیش از ۶۳ درصد از ایستگاه‌های کشور است. با این وجود، بین متغیرهای مختلف بارش واگرایی قابل‌توجهی دیده شد؛ درحالی‌که فراوانی روزهای بارانی کاهش یافته، بیشینه بارش روزانه در حدود ۵۹ درصد از ایستگاه‌ها دارای روند افزایشی است. این تغییر فاز و تمرکز زمانی بارش، از نظر ترمودینامیکی با رابطه کلازیوس-کلاپیرون (Clausius-Clapeyron) انطباق دارد؛ به این معنا که افزایش ظرفیت رطوبتی جو در اثر گرمایش، منجر به تخلیه حجم عظیمی از بارش در زمان کوتاه و رخداد سیلاب‌های ویرانگر (نظیر بارش‌های بی‌سابقه 1404 کیش) می‌شود. همچنین در بخش وسیعی از کشور، همزمانی کاهش بارش و روزهای بارانی، تشدید پدیده خشک‌تر شدن مناطق خشک (Dry-gets-Drier) را تأیید می‌کند. مدل‌سازی رخدادهای فرین روزانه بر پایه توزیع مقادیر فرین تعمیم‌یافته (GEV)، ناهمگنی شدیدی را در رژیم بارشی کشور نشان می‌دهد. در دامنه‌های زاگرس جنوبی، فرارفت رطوبت و آزادسازی انرژی همرفتی، منجر به شکل‌گیری توزیع آماری با چولگی مثبت (رفتار مجانبی فرشه) شده که خطر رخداد بارش‌های فراتر از نرمال را به‌شدت افزایش می‌دهد. برآوردهای مدل نشان می‌دهد میانگین پهنه‌ای بیشینه بارش روزانه از ۲۰ میلی‌متر در دوره بازگشت ۲ ساله، به ۷۰ میلی‌متر در دوره ۱۰۰ ساله می‌رسد. در نقطه مقابل، فلات مرکزی با تبعیت از توزیع وایبول، کران بالای محدودتری دارد. در نهایت، جایگزینی بارش‌های متوازن با رخدادهای رگباری فرین، چرخه آب کشور را دچار بی‌نظمی کرده و در این شرایط بازنگری فوری زیرساخت‌های مدیریت ریسک سیلاب ضروری است. https://nivar.irimo.ir/article_246302.html بارش‌های روزانه به‌ویژه رخدادهای شدید و حدی، نقش تعیین‌کننده‌ای در بروز مخاطرات هیدرولوژیکی به‌ویژه در مناطق کوهستانی دارند. با این حال، اتکای صرف به شاخص‌های مبتنی بر میانگین یا آستانه‌های ثابت، قادر به نمایش کامل رفتار واقعی این رخدادها نیست. هدف پژوهش حاضر بررسی الگوی مکانی بارش‌های روزانه استان آذربایجان غربی بر اساس طبقه‌بندی صدکی و کاربرد روش‌های زمین‌آماری است. بدین منظور، داده‌های بارش روزانه 17 ایستگاه هواشناسی طی دوره 2004 تا 2024 پس از حذف مقادیر کمتر از یک میلی‌متر بررسی و در چهار طبقه شامل حداقل تا میانگین، میانگین تا صدک 75، صدک 75 تا 90 و صدک 90 تا 100 طبقه‌بندی شدند. سپس با استفاده از ابزارهای زمین‌آماری شامل هیستوگرام، نمودارهای چندک-چندک، تحلیل روند، شاخص خودهمبستگی مکانی موران و روش‌های مختلف کریجینگ، ساختار مکانی بارش‌ها ارزیابی گردید. نتایج نشان داد تمامی طبقات صدکی دارای توزیع غیرنرمال و روندهای مکانی غیرخطی هستند. همچنین شاخص موران وجود الگوی خوشه‌ای معنی‌دار را در همه طبقات تأیید کرد. بررسی نقشه‌های درونیابی نشان داد با افزایش شدت بارش، وابستگی مکانی کاهش یافته و الگوی توزیع بارش‌ها از حالت نسبتاً پیوسته به الگوهای ناهمگن و موضعی تغییر می‌کند؛ به‌طوری‌که بارش‌های صدک 90 تا 100 بیشترین ناهمگنی مکانی را نشان دادند. این رویکرد امکان شناخت دقیق‌تر رفتار مکانی بارش‌های روزانه و کاربرد آن در مدیریت سیلاب و برنامه‌ریزی منابع آب را فراهم می‌سازد. https://nivar.irimo.ir/article_246436.html تخمین میزان دقیق مقدار تبخیرتعرق گیاه مرجع در برنامه‌ریزی آبیاری و تعیین دور آبیاری از اهمیت فراوانی برخوردار است. هدف از این پژوهش، مقایسه و ارزیابی چهارده روش مختلف تخمین تبخیرتعرق گیاه مرجع در سه دسته کلی مبتنی بر دما(هارگریوزسامانی، بلانی-کریدل،لیناکر و اسچندل)، تابش(پرستلی-تیلور،مک کینگ، تورک،جنسن –هیز و ایرماک) و انتقال جرم(مییر،دالتون،ترابرت، WMO و آلبرچت) در هشت ایستگاه مطالعاتی از سال 2007 تا ٢٠23 در استان خوزستان می‌باشد. نتایج این روش‌ها با نتایج حاصل از روش، فائو پنمن مانتیث، مقایسه گردید. ارزیابی عملکرد روش‌های مختلف با آماره‌های R2 ، RMSEوMBE صورت گرفت. نتایج نشان داد که در اکثر ایستگاه‌های مطالعاتی، در بین روش‌های مبتنی بر دما، روش لیناکر با R2 بین747/0 تا954/0 بهترین عملکرد و روش هارگریوز باR2 7/0تا91/0 بدترین عملکرد را ارائه داد. در بین روش‌های مبتنی بر تابش خورشید، روش جنسن -هیز با R2 بین723/0 تا936/0 بهترین عملکرد و روش پرستلی-تیلور باR2 27/0تا75/0 بدترین عملکرد را ارائه داد.در بین روش‌های مبتنی بر انتقال جرم،روش آلبرچت ب با R2 بین6/0 تا968/0در 75 درصد ایستگاه‌ها(شش ایستگاه)، روش دالتون با R2 982/0در ایستگاه ایذه و روش WMO با R2 967/0 در ایستگاه شوشتر بهترین عملکرد را داشتند. روش مییر در همه ایستگاه‌ها با R2 6/0تا9/0عملکرد ضعیف‌تری داشت. به پژوهشگران توصیه می‌شود که در صورت عدم دسترسی به اطلاعات کافی برای محاسبه تبخیرتعرق با روش مرجع فائو پنمن مانتیث (PMF-56)، از روش‌های یاد شده که بهترین نتایج را در ایستگاه‌های مطالعاتی در استان خوزستان داشتند،استفاده‌نمایند. https://nivar.irimo.ir/article_246521.html پیش‌بینی دقیق امواج دریایی نقش حیاتی در ایمنی حمل‌ونقل دریایی، مدیریت بندری، و هشدارهای مخاطره‌آمیز ایفا می‌کند. با این حال، در مناطقی مانند دریای عمان که با کمبود داده‌های میدانی مواجه‌اند، اعتبارسنجی و بهینه‌سازی مدل‌های عددی پیش‌بینی موج با چالش‌های جدی روبه‌روست. این پژوهش با هدف ارزیابی دقت مدل‌های عددی رایج در پیش‌بینی ارتفاع و دوره موج در شرایط کم‌داده، به بررسی عملکرد مدل WAVEWATCH III در دریای عمان پرداخته است.در این مطالعه، داده‌های ورودی مدل شامل بادهای سطحی از منابع جهانی (ECMWF) و اطلاعات bathymetry منطقه‌ای بوده و خروجی‌های مدل با داده‌های ماهواره‌ای و معدود ایستگاه‌های بویه‌ای موجود مقایسه شده‌اند. معیارهای آماری مانند RMSE، BIAS و Scatter Index برای سنجش دقت مدل به‌کار گرفته شده‌اند. نتایج نشان می‌دهد که مدل مذکور در شرایط عادی عملکرد قابل قبولی دارد، اما در رخدادهای شدید جوی (مانند طوفان‌های موسمی) دقت آن به‌طور محسوسی کاهش می‌یابد. همچنین، کیفیت داده‌های باد ورودی تأثیر مستقیم بر خروجی مدل دارد.یافته‌های این پژوهش نشان می‌دهد که در مناطق کم‌داده، استفاده ترکیبی از داده‌های ماهواره‌ای، مدل‌سازی عددی، و روش‌های آماری تصحیح خطا می‌تواند به بهبود پیش‌بینی موج کمک کند. این نتایج برای نهادهای دریایی، مدیران بندری، و سیاست‌گذاران حوزه ایمنی دریایی در ایران و منطقه خلیج فارس اهمیت دارد و ضرورت توسعه زیرساخت‌های داده‌ای و سامانه‌های هشدار سریع را برجسته می‌سازد. پژوهش حاضر همچنین مسیرهایی برای ارتقاء مدل‌سازی عددی در مناطق مشابه پیشنهاد می‌کند. https://nivar.irimo.ir/article_246998.html رخداد بارش به متغیرهای هواشناسی زیادی وابسته است و سبب پیچیدگی پیش بینی بارش می شود یکی از روش ها جهت افزایش دقت پیش بینی استفاده از مدل های شبکه عصبی مصنوعی(ANN) است که به طور مستقیم برای پیش بینی بارش و یا پس پردازش برونداد مدل های عددی پیش بینی وضع هوا استفاده می‌شود. در این مقاله متغیرهای هواشناسی از برونداد مدل عددی WRF استخراج و برای بهبود پیش بینی بارش ساعتی و روزانه از مدل شبکه عصبی مصنوعی برای پس پردازش برونداد مدل WRF استفاده گردید. متغیرهای هواشناسی که طی دوره آماری سه ساله (2023-2021) به صورت ساعتی از برونداد مدل WRF گرفته شده، شامل بارش، نقطه شبنم، میانگین فشار سطح دریا، رطوبت و دمای دومتری و سرعت باد است. این متغیرها در برد‌های پیش‌بینی 6، 12، 18، 24، 48 و 72 ساعته تقسیم‌بندی و هر بردی پیش‌بینی به طور جدا به عنوان ورودی برای هر ایستگاه به مدل شبکه عصبی مصنوعی داده شد. شبکه عصبی مصنوعی مورد استفاده یک پرسپترون چندلایه (MLP) با یک لایه‌ی پنهان و تابع فعال ساز سیگموئید است. بارش‌های مشاهداتی 6 ساعته برای هر ایستگاه به عنوان خروجی مدل شبکه عصبی مصنوعی استفاده شد. مدل روی 16 ایستگاه هواشناسی سینوپتیک استان آذربایجان شرقی اجرا گردید. در هر بار اجرای مدل شبکه عصبی مصنوعی، عملکرد مدل با شاخص‌های آماری میانگین توان دوم خطا (MSE) و ضریب همبستگی پیرسن(R) سنجیده شد. نتایج نشان داد که عملکرد مدل WRF پس از اعمال شبکه عصبی مصنوعی روی برونداد مدل برای شاخص MSE بین 36 تا 92 درصد برای ایستگاه‌های مورد نظر بهبود یافت. همچنین شاخص همبستگی R برای کل ایستگاهها به طور متوسط 85/0 درصد بوده است. همچنین نمودارهای خطای روزانه 95 درصد مدل‌ها نشان داد که در تمام ایستگاهها خطای روزانه مدل اصلاح شده نسبت به مدل WRF به صفر نزدیک‌تر و تغییرات یا واریانس خطا بسیار کمتر است. https://nivar.irimo.ir/article_248104.html خشکسالی یکی از پدیده‌های حدی است که از گذشته تا کنون بیشتر مناطق ایران با آن مواجه بوده است. امواج گرما به عنوان دوره‌ای متوالی از روزهای فوق‌العاده گرم با دمای هوای بالاتر از آستانه مشخصی تعریف می‌شود. تغییر اقلیم از یک سو با تشدید فراوانی و شدت خشکسالی‌ها و از سوی دیگر با افزایش احتمال وقوع امواج گرمایی، نقش کلیدی در بروز این رویدادهای حدی ایفا می‌کند. رخداد همزمان این دو پدیده باعث از بین رفتن منابع طبیعی می‌شود. تحلیل بیبلیومتریک می‌تواند اهمیت رخداد همزمان این دو پدیده و همچنین روند تحقیقات آتی را نشان دهد. این تحلیل یک روش دقیق برای تجزیه و تحلیل حجم زیادی از داده‌های علمی مانند مقالات، کتاب‌ها، گزارش‌ها و اسناد مرتبط است. این روش به طور گسترده‌ای روابط بین حوزه‌های تحقیقاتی را با استفاده از روش-های کمی ارائه می‌دهد. انتشارات مورد نیا در این مطالعه از پایگاه جامع اطلاعاتی Science Direct و Scopus اخذ گردید. برای دستیابی به انتشارات مربوطه از دو کلمه "Drought" و "Heatwave" استفاده شد. برای تحلیل بیبلیومتریک در این مقاله از نرم افزار VOSviewer استفاده شد. در مجموع 1231 مورد انتشاریافته در مورد خشکسالی و موج گرمایی طی سال‌های 2000 تا 2024 بود که اولین مقاله منتشرشده در سال 2002 و بیشترین تعداد انتشار مربوط به سال 2024 با تعداد 315 مورد بوده است. این رشد می‌تواند با افزایش توجه جهانی به تغییرات اقلیمی و رخدادهای حدی همزمان مرتبط باشد. کشور چین دارای مقام اول در تولید مقالات مرتبط با خشکسالی و کشور ایران در مقام هشتم قرار دارد. در خصوص موج گرمایی، ایالات متحده بزرگترین تولید کننده مقالات علمی بوده است. مجله Science of The Total Environment با 121 انتشار رتبه نخست در تولید مقالات مربوط به خشکسالی و موج گرمایی را به خود اختصاص می‌دهد. واژه‌ی Climate Change در بین کلید واژه‌ها بیشترین تکرار را دارد. برآیند این پژوهش گویای آن است که سیر صعودی تولیدات علمی در حوزه رخدادهای همزمان اقلیمی، ضرورت بازنگری در رویکردهای پژوهشی سنتی و حرکت به سوی مطالعات میان‌رشته‌ای را آشکار می‌سازد؛ موضوعی که برای سیاست‌گذاری تطبیقی و کاهش آسیب‌پذیری در کشورهای در معرض خطر، از اهمیتی راهبردی برخوردار است. https://nivar.irimo.ir/article_250342.html افزایش آگاهی کمی و کیفی از میزان تغییر پارامترهای اقلیمی در آینده و ارزیابی پیامدهای ناشی از آن، مهم‌ترین انگیزه در مطالعه تغییر اقلیم است. پیش‌بینی و برآورد پارامترهای اقلیمی از جمله دمای بیشینه، از مهم‌ترین شاخص‌های تغییر اقلیم در مقیاس جهانی و منطقه‌ای در مطالعات مرتبط با تغییر اقلیم به شمار می‌رود. هدف از این پژوهش، ارزیابی و پیش‌بینی روند تغییرات دمای بیشینه در شهر همدان در دوره 2100-2021 است. در راستای نیل به این هدف از مدل گردش عمومی جو CanESM2 و مدل ریزمقیاس‌نمایی آماریSDSM استفاده شد. پس از اعتبارسنجی مدل SDSM با داده‌های مشاهده‌ای و داده‌های باز تحلیل NCEP، پیش‌بینی دمای بیشینه بر اساس سناریوهای مختلف تغییر اقلیم (RCP4/5، RCP 2/6 و RCP 8/5) انجام شد. نتایج حاکی از آن است که دمای بیشینه شهر همدان در افق بلندمدت (2100-2021) تحت‌تأثیر تغییرات اقلیمی، روندی افزایشی خواهد داشت به‌طوری‌که بیشترین نرخ رشد ماهانه دمای بیشینه، مربوط به سناریوی خوش بینانه RCP2/6 و در ماه آوریل با مقدار ۱/۲ درجه سانتی‌گراد برآورد شد که نشان دهنده وقوع گرمایش زود هنگام بهاری و حساسیت بالای منطقه حتی در صورت کنترل انتشار گاز های گلخانه ای است. همچنین درسناریو حد واسط (RCP 4/5) و سناریو بدبینانه (RCP 8/5) نیز ماه‌های ژانویه، فوریه و آوریل بیشترین افزایش را نشان دادند. در مقیاس فصلی، تنها در سناریوی بدبینانه RCP8/5، دمای بیشینه در فصل‌های بهار، تابستان و پاییز به طور معناداری افزایش خواهد یافت با این حال رفتار سیستم اقلیمی منطقه کاملا یکنواخت نبوده و نوسانات کاهشی در برخی ماه‌ها و سناریو‌ها (به ویژه در سناریو RCP 2/6 در ماه ژانویه) نسبت به دوره پایه مشاهده‌ می‌شود. به‌طورکلی، نتایج بیانگر غلبه روند افزایشی در دمای بیشینه شهر همدان طی دوره‌های آتی (2100-2021) تحت‌تأثیر سناریوهای مختلف اقلیمی است موضوعی که ضرورت توجه به آثار گرمایش را برای مدیریت و برنامه‌ریزی آینده این شهر رو به افزایش می‌گذارد.