مطالعه اثر تغییرات دمای نقطه شبنم بر بارش های فرین در منطقه شمال غرب ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای اقلیم شناسی دانشگاه زنجان

2 دانشیار اقلیم شناسی گروه جغرافیای دانشگاه زنجان

3 استادیار اقلیم شناسی گروه جغرافیای دانشگاه زنجان

10.30467/nivar.2023.408545.1256

چکیده

در پژوهش حاضر با استفاده از داده های بارش روزانه تعداد 469 ایستگاه هواشناسی و باران سنجی منطقه شمال غرب ایران نسبت به بررسی رابطه میان تغییرات دمای نقطه شبنم با بارش های فرین در این منطقه اقدام شده است. برای این منظور از روش رگرسیون درخت تصمیم برای تعیین طبقه دماهایی موثر در بارش های فرین و رگرسیون موزون جغرافیایی برای شناسایی پهنه های معنی دار استفاده گردید. نتایج حاصل از این پژوهش نشان داد که ارتباط مستقیم و معنی دار بالایی بین این دو متغیر وجود دارد و با افزایش دمای نقطه شبنم شدت رخداد بارش های فرین نیز در همه صدک ها (90، 95 و 99) افزایش پیدا می کند. نتایج حاصل از رگرسیون درخت تصمیم نشان داد دماهای شبنم مختلف (مقادیر پایین و بالا) تواما در رخداد بارش های فرین در منطقه شمال غرب ایران نقش دارند ولی در بارش های فرین خیلی شدید (بارش های بالای صدک99) نقش دماهای شبنم بالا بیشتر از مقادیر پایین بوده است. هم چنین بخش جنوب غربی منطقه مورد مطالعه، بالاترین درجه همبستگی را نسبت به سایر بخش ها دارا می باشد. این بخش منطبق بر پهنه هایی است که بیشترین رخداد بارش ها را در خود دارد. این موضوع نشان می دهد که بارش های فرین متاثر از دمای نقطه شبنم در مناطقی رخ می دهند که فراوانی بارش در آن مناطق بالا می باشد و احتمال رخداد سیلاب ناشی از این نوع بارش ها نیز در این بخش بیشتر از سایر بخش ها می باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Studying the effect of changes in dew point temperature on extreme precipitation in the North West of Iran

نویسندگان [English]

  • Mahnaz rostamian 1
  • Seyed Hossein Mirmousavi 2
  • Kohzad Raispour 3
1 PhD student of Climatology, Zanjan University
2 Associate Professor of Climatology, Department of Geography, Zanjan University
3 Assistant Professor of Climatology, Department of Geography, Zanjan University
چکیده [English]

In the present research, using the daily precipitation data of 479 meteorological and rain gauge stations in the north west of Iran, the relationship between the changes in the dew point temperature and the precipitation in this region was investigated. For this purpose, the Classification and Regression Trees method was used to determine the effective temperature class in the extreme precipitations and the geographical weighted regression was used to identify the significant areas. The results of this research showed that there is a direct and significant relationship between these two variables and with the increase in the dew point temperature, the intensity of the extreme precipitation also increases in the 90th, 95th and 99th percentiles. The results of the Classification and Regression Trees showed that different dew temperatures (low and high values) both play a role in the occurrence of extreme precipitation in the North West of Iran, but in very intense extreme precipitation (precipitation above the 99th percentile), the role of high dew temperatures is greater than low values. Also, the southwestern part of the studied area has the highest degree of correlation compared to other parts. This section corresponds to the areas that have the most precipitation. This shows that extreme precipitation affected by the dew point temperature occur in areas where the frequency of rain is high and the probability of flooding caused by this type of precipitation is also higher in this section than in other sections.

کلیدواژه‌ها [English]

  • Dew point temperature
  • Extreme precipitation
  • North West of Iran
1. اکبری، م و نودهی، و. (1394). بررسی و تحلیل روند بارش سالانه و تابستانه استان گلستان، مجله آمایش جغرافیایی فضا، 5(17)، صفحات 150-141. 2. اصولی شجاعی، م .، میکائیلی، ف و صمدیان فرد، س. (1401). ارزیابی توانایی مدل‌های گرادیان تقویتی و جنگل تصادفی بهینه‌ شده در تخمین دمای نقطه شبنم روزانه، محیط زیست و مهندسی آب، 8(3)، صفحات 668-654. 3. پرویز، ل. (1400). رهیافت ترکیب وزنی مدل ها با روش های عکس واریانس و رگرسیون حداقل مربعات در تخمین دمای نقطه شبنم، نیوار، 112، صفحات150-137. 4. تیموری، م.، قائمی، ع.، عزیزیان، غ و هاشمی منفرد، س. آ.(1399). ارزیابی تاثیر روش های پیش پردازش کننده در عملکرد تکنیک های محاسبات نرم در تخمین دمای نقطه شبنم، نشریه هواشناسی و علوم جوّ، 3(2)، صفحات 187-175. 5. جهانبخش اصل، س و ذوالفقاری، ح. (1380). بررسی الگوهای سینوپتیک بارش های روزانه در غرب ایران، فصلنامه تحقیقات جغرافیایی، 63 ، صفحات258-234. 6. جهانبخش اصل، س.، ساری صراف، ب.، عساکره ، ح و شیر محمدی، س. (1399). واکاوی تغییرات زمانی مکانی بارش های بحرانی (فرین بالا) در غرب ایران طی سال های 2016-1965، نشریه تحلیل فضایی مخاطرات محیطی ، سال هفتم شماره 1: صفحات106-89. 7. حسینی صدر، ع.، محمدی، غ ح.، عبدالعلی زاده، ف و خجسته غلامی، و. (1398). تحلیل سازوکار همدیدی بارش سنگینِ خسارت بار در شمال غرب ایران مطالعه موردی: 14 آوریل 2017، نشریه علمی جغرافیا و برنامه ریزی، 23(70)، صفحات 100-79. 8. حسینی، س. ف .، بهمنش ، ج.، رضاوردی نژاد، و و خانمحمدی، ن. (1401). ارزیابی عملکرد مدلهای هوشمند در تخمین دمای نقطه شبنم با استفاده از پارامترهای هواشناسی، نشریه دانش آب و خاک، 11، صفحات114-103. 9. خورشید دوست، ع. م.، مفیدی، ع.، رسولی، ع. ا و آزرم، ک.(1395). تحلیل همدیدی سازوکار وقوع بارش های سنگین بهاره در شمال غرب ایران، مخاطرات محیط طبیعی،5(8)، صفحات 82-53. 10. رضیئی، ط و عزیزی، ق.(1386). منطقه بندی رژیم بارشی غرب ایران با استفاده از روش تحلیل مولفه های اصلی و خوشه بندی، تحقیقات منابع آب ایران، سال ،شماره 2، صفحات 65-62. 11. زرعی، م. م.، دستورانی، م.ت.، مصداقی، م و عشقی زاده، م. (1396). بررسی کارایی روش های مختلف هوش مصنوعی و روش آماری در برآورد میزان رواناب (مطالعه موردی: حوزه شهید نوری کاخک گناباد)، پژوهشنامه مدیریت حوزه آبخیز، 16، صفحات. 21-11. 12. صمدیان فرد، س و پناهی، س. (1397). برآورد تبخیر- تعرق مرجع روزانه با استفاده از روشهای داده کاوی رگرسیون بردار پشتیبان و مدل درختی، پژوهشنامه مدیریت حوزه آبخیز، 18، صفحات 167-157. 13. قره خانی، ا و قهرمان، ن. (1389). بررسی روند تغییرات فصلی و سالانه رطوبت نسبی و نقطه شبنم در چند نمونه اقلیمی در ایران، آب و خاک، 24(4)، صفحات 646-636. 14. عساکره، ح. (1387). کاربرد روش کریجینگ در میانیابی بارش مطالعه موردی میانیابی بارش26/12/1376در ایران زمین. جغرافیا و توسعه، 12، صفحات 24-25. 15. عساکره، ح و رزمی قلندری، ر. (1393). توزیع زمانی و رژیم بارش در شمال غرب ایران، فصل‌نامه تحقیقات جغرافیایی. 29، صفحات 160-145. 16. عساکره ح و رزمی قلندری، ر.(1397). مدل سازی فضایی بارش تابستانه شمال غرب ایران، نشریه تحقیقات کاربردی علوم جغرافیایی ، شماره 50، صفحات 179-185. 17. عساکره، ح، و رزمی، ر. (1390). اقلیم شناسی بارش شمال غرب ایران. جغرافیا و توسعه، 9(پیاپی 25)، صفحات 137-158. 18. 18.عساکره، ح.، بارزمان، س و شاهبایی کوتنایی، ع. (1398). واکاوی الگوی مکانی بارش های بهاره شمال غرب ایران با روش های تحلیل فضایی، جغرافیا و برنامه ریزی، 74، صفحات 164- 153. 19. کیانی، م.، لشکری، ح .، ساری صراف، ب.، عساکره ،ح و هوشنگ، ق. (1399) . تحلیل همدیدی رخداد فرینهای بارشی زمستان در غرب ایران، پژوهشهای دانش زمین، سال یازدهم، شماره 43 ، صفحات244-223. 20. منتظری، م و یقینی، ز. (1398). واکاوی تغییرات زمانی دمای نقطه شبنم در ایران. دگرگونی‌ها و مخاطرات آب و هوایی، 1،صفحات 39-21. 21. مسعودیان، س. ا. (1398). شناسایی رژیم‌های بارش ایران به روش تحلیل خوشه‌ای. پژوهش‌های جغرافیایی، 52، صفحات 61-47. 22. مسعودیان، س. ا.، رعیت پیشه، ف و کیخسروی کیانی، م.ص. (1393). معرفی و مقایسه پایگاه داده بارشی TRMM3B43و پایگاه داده بارش اسفزاری، مجله ژئوفیزیک ایران، 4، صفحات31-15 . 23. مسعودیان، س. ا. (1401). پایگاه دادۀ شبکه‌ای بارش ایران (اسفزاری نسخۀ سه)، نشریه جغرافیا و توسعه، 69، صفحات 127-107. 24. مسعودیان، س. ا و دارند، م. (1392). شناسایی و بررسی تغییرات نمایه های بارش فرین ایران طی دهه های اخیر. جغرافیا و توسعه ناحیه ای ،1(11)، صفحات 257-239. 25. مظفری، غ .، شفیعی، ش و تقی زاده، ز.(1398). ارزیابی کارایی مدل درخت تصمیم ‌رگرسیونی در پیش‌بینی خشکسالی نمونة موردی: ایستگاه سینوپتیک سنندج، مخاطرات محیط طبیعی، 4(6)، صفحات 19-1. 26. وروانی، ه.، منتظر، ع. ا و رحیمی خوب، ع. (1391). توسعه و کاربرد مدل رگرسیون درختی پیش بینی جریان برگشتی روزانه شبکه های آبیاری، مجله آبیاری و زهکشی ایران، 1، صفحات 45-31. 27. Agel, L., Barlow, M., Polonia, J., & Coe., 2020. Simulation of northeast U.S. extreme precipitation and its associated circulation by CMIP5 models. J. Climate, 33, pp. 9817–9834. 28. Allan, R. P., & Soden, B. J., 2008. Atmospheric warming and the amplification of precipitation extremes. Science, 321, pp. 1481–1484. 29. Allen, M. R., & Ingram, W. J., 2002. Constraints on future changes in climate and the hydrologic cycle. Nature, 419, pp. 224–232. 30. Ali, H., Fowler, H. J., & Mishra, V., 2018. Global observational evidence of strong linkage between dew point temperature and precipitation extremes. Geophys. Res. Lett, 45, pp. 320–30. 31. Ali, H., & Mishra, V., 2017. Contrasting response of rainfall extremes to increase in surface air and dew point temperatures at urban locations in India. Sci. Rep, 7, pp. 1-15. 32. Bui, A., Johnson, F., & Wasko, C., 2019. The relationship of atmospheric air temperature and dew point temperature to extreme rainfall. Environmental. Research Letters, 14, pp. 1-9. 33. Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J., 2017. Classification and regression trees, Routledge.368pages. 34. Collins, M., Stocker, T., Qin, D., Plattner, M., Tignor, S., Allen, K., Boschung, J., Nauels, A., Xia, Y., Bex, V., & Midgley, P. M., 2013. Long-term climate change: projections, commitments and irreversibility Climate Change: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge: Cambridge University Press, pp.1–108. 35. Dario, P., & Leonardo, V. N., 2021. Exploring the linkage between dew point temperature and precipitation extremes: A multi-time-scale analysis on a semi-arid Mediterranean region, Atmospheric Research, 254, pp. 1045-1061. 36. Danqing, H., Peiwen, Y., Xiucheng, X., Jian, Z., Xiaowen, T., Anning, H., & Jing, C., 2019. The tri-pole relation among daily mean temperature, atmospheric moisture and precipitation intensity over China, Global and Planetary Change, 179, pp. 1-9. 37. Drobinski, P., Silva, N.D., & Panthou, G., 2018. Scaling precipitation extremes with temperature in the Mediterranean: Past climate assessment and projection in anthropogenic scenarios, Climate Dyn, 51, PP.1237–1257. 38. Hegerl, G., & Black, e., 2015. Challenges in quantifying changes in the global water cycle, Bull. Amer. Meteor. Soc, 96, PP.1097–1115. 39. Howarth, M. E., Thorncroft, C. D., & Bosart, L. F., 2019. Changes in extreme precipitation in the northeast States: 1979–2014, J. Hydrometeor, 20, PP. 673–689. 40. Hong, Y., & Ying, S., 2018. Characteristics of extreme temperature and precipitation in China in 2017 based on ETCCDI indices, Advances in Climate Change Research, 9, Issue 4, PP. 218-226 41. Ingram, W., 2016. Extreme precipitation: increases all round, Nat. Clim. Change, 6(5), PP. 443–444. 42. IPCC., 2021. Chapter 11: Weather and Climate Extreme Events in a Changing Climate, The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change, IPCC Sixth Assessment Report, pp. 1-254. 43. Ivancic, T. J., & Shaw, S. B., 2016. A U.S.-based analysis of the ability of the Clausius-Clapeyron relationship to explain changes in extreme rainfall with changing temperature, J. Geophys. Res. Atmos, 121, PP. 3066–3078. 44. Lenderink, G., & Meijgaard, E.V., 2010. Linking increases in hourly precipitation extremes to atmospheric temperature and moisture changes, Environ. Res. Lett, 5, PP.1-9. 45. Lenderink, G., & Meijgaard, E.V., 2008. Increase in hourly precipitation extremes beyond expectations from temperature changes, Nat.Geosci, 1, PP. 511–514. 46. Madsen, H., Lawrence, D., Lang, M., Martinkova, M., & Kjeldsen, T. R., 2014. Review of trend analysis and climate change projections of extreme precipitation and floods in Europe, J. Hydrol, 519, PP. 3634–3650. 47. Maeda, E., Utsumi, N., & Oki, T., 2012. Decreasing precipitation extremes at higher temperatures in tropical regions, Nat Hazards, 64, PP. 935–941. 48. Molnar, P., Fatichi, S., Gaál, L., Szolgay, J., & Burlando, P., 2015. Storm type effects on super Clausius-Clapeyron scaling of intense rainstorm properties with air temperature, Hydrol Earth Syst Sci, 19(4), PP. 1753–1766. 49. Mitchell, T. M., 1997. Machine learning. 1997, Burr Ridge, IL: McGraw Hill, 45(37), PP. 870-877. 50. Orlowsky, B., & Seneviratne, S., 2011. Investigating spatial climate relations using CARTs: An application to persistent hot days in a multimodel ensemble, Journal of Geophysical Research, 116, PP. 1-16. 51. Ottar, T., Egle, S., Kristiina, R., & Toomas, T., 2023. The intensification of short-duration rainfall extremes due to climate change need for a frequent update of intensity duration–frequency curves, Climate services, 30, pp. 1-10. 52. Park, I., & Min, S., 2017. Role of convective precipitation in the relationship between sub daily extreme precipitation and temperature, J. Clim, 30, pp. 9527–37. 53. Skliris, N., Zika, J., & Nurser, G., 2016. Global water cycle amplifying at less than the Clausius-Clapeyron rate, Sci Rep, 6, pp. 1-9 . 54. Skliris, N., Zika, J. D., Nurser, G., Josey, S. A., & Marsh, R., 2016. Global water cycle amplifying at less than the Clausius-Clapeyron rate, Sci Rep, 6, pp. 1-9. 55. Steinschneider, S., & Najibi, N., 2022. Observed and Projected Scaling of Daily Extreme Precipitation with Dew Point Temperature at Annual and Seasonal Scales across the Northeastern United States, Journal of Hydrometeorology, 3, pp. 403-419. 56. Sun, Q., Zwiers, F., Zhang, X., & Li, G., 2020. A comparison of intra-annual and long-term trend scaling of extreme precipitation wit.h temperature in a large-ensemble regional climate simulation, J. Climate, 33, pp. 9233–9245. 57. Sridhara, N., & Takemi, T., 2020. Clausius-Clapeyron Scaling of Extremely Heavy Precipitations: Case Studies of the July 2017 and July 2018 Heavy Rainfall Events over Japan, Journal of the Meteorological Society of Japan, 98 (6), pp.1147-1162. 58. Wasko, C., & Sharma, A., 2015. Steeper temporal distribution of rain intensity at higher temperatures within Australian storms, Nat. Geosci, 8, pp. 527–9. 59. Wasko, C., Lu, W. T., & Mehrotra, R., 2018. Relationship of extreme precipitation, dry-bulb temperature, and dew point temperature across Australia, Environ. Res. Lett, 13, pp. 1-8. 60. Westra, S., Alexander, L. V., & Zwiers, F. W., 2013. Global increasing trends in annual maximum daily precipitation, J. Climate, 26, pp. 3904–3918. 61. Wermter, J., Noble, S., & Brian, V., 2022. Impacts of the Thermal Gradient on Inland Advecting Sea Breezes in the Southeastern United States, Atmosphere, 13, pp. 1-13. 62. Wibig, J., & Piotrowski, P., 2018. Impact of the air temperature and atmospheric circulation on extreme precipitation in Poland Int, J. Climatol, 38, pp. 4533–4549. 63. World Meteorological Organization (WMO)., 2021. WMO Atlas of Mortality and Economic Losses from Weather, Climate and Water Extremes (1970–2019) , No. 1267, pp. 1–90. 64. Zhang, W., Villarini, G., & Wehner, M., 2019. Contrasting the responses of extreme precipitation to changes in surface air and dew point temperatures, Climatic Change, 154, pp. 1-15.