تحلیل فضایی مخاطرات محیطی

تحلیل فضایی مخاطرات محیطی

شاخص سازی و تاثیر مراکز فشار منطقه ای بر بارش های سواحل شمالی خلیج فارس و دریای عمان

مقالات آماده انتشار
نویسندگان
حلیمه کارگر
بهلول علیجانی
محمد سلیقه
مهری اکبری
دانشگاه خوارزمی
چکیده
استقرار در کمربند خشک جهان، تسلط پرفشارهای جنب حاره ای و فاصله از منابع رطوبتی، ایران را بطور منطقه ای از نعمت ریزش های جوی محروم می کند، در این شرایط بر هم کنش های منطقه ای سیستم های فشار در تشکیل و انتقال توده های هوای مرطوب از اقیانوس ها و دریاها مجاور، نقش مهمی در ریزش های جوی ایران دارند. پژوهش حاضر به منظور معرفی شاخص های SAI وMAI تهیه شده است. این شاخص ها اختلاف ارتفاع ژئوپتانسیل بین مراکز فشار در تراز 700 هکتوپاسکال در سواحل جنوبی ایران را نشان می دهد. شاخص MAI اختلاف فشار بین مرکز چرخندمدیترانه و واچرخندعربستان و شاخص SAI اختلاف فشار بین چرخندسودانی و واچرخندعربستان را در تراز فوق نشان می دهد. روش کار به این صورت بود که در ابتدا 213 روز بارشی از بین 10956 روز بارشی از سال 1984-2013 (که حداقل 50 درصد از ایستگاه های منطقه دارای بارش بوده باشند) انتخاب شد. سپس نقشه های ترازهای 700 هکتوپاسکال و تراز دریا تهیه شد و شاخص MAI در 5 طبقه شناسایی شد. نتایج نشان داد هر چه مقدار شاخص MAI بیشتر می شود تعداد سامانه های بارشی کمتر و شدت بارش بیشتر می شود. بیشترین سامانه های بارشی زمانی اتفاق افتاده که شاخص MAI به 100 تا 150 ژئوپتانسیل متر رسیده است. علاوه بر این تمرکز بارش ها در ماه فوریه زمانی رخ داده که شاخص MAI به 200 ژئوپتانسیل متر و بالاتر رسیده است. در ادامه ، شاخص SAI نیز در 5 طبقه شناسایی شد. بیشترین سامانه ها در طبقه سوم با مقدار شاخص SAI بین 100 تا 150 ژئوپتانسیل متر رخ داده اند. علاوه بر این هر چه مقدارشاخص SAI بیشتر،تعداد سامانه های بارشی کمتر و میانگین بارش افزایش می یابد.
کلیدواژه‌ها
بارش ساحلی
واچرخندعربستان
شاخص MAI
شاخص SAI
چرخندسودان
چرخندمدیترانه

عنوان مقاله English

Indexing and effect of Regional Pressure Centers on Rainfall on the Northern Shores of the Persian Gulf and the Sea of Oman

نویسندگان English

halimeh kargar
Mohammad saligheh
mehry akbary
Kharazmi University
چکیده English

Conclusion

The results showed that the length of the precipitation period in the study area is 8 months (out of 213 systems, 60 systems were recorded in January and 50 systems were recorded in December). June, July, August and December did not have a comprehensive rainfall system. The difference in height between the Mediterranean Cyclone and the Arabian Anticyclone, i.e. the MAI index, was identified in 5 categories. The results showed that the higher the value of MAI index, the less rainfall systems and the higher the rainfall intensity. Most rainfall systems occur when the MAI index reaches 100 to 150 geopotential meters. In addition, the concentration of precipitation occurred in February when the MAI index reached 200 geopotential meters and above. In the continuation of the research, the difference between the Sudan Cyclone and Arabian Anticyclone, i.e. the SAI index, was also identified in 5 categories. The results showed that most of the systems occurred in the third category with a value of SAI index between 100 and 150 geopotential meters. Moreover, the results showed that the higher the value of the SAI index (, the lower the number of rainfall systems and the higher the average of rainfall systems.

کلیدواژه‌ها English

MAI Index
SAI Index
Coastal Rainfall
Arabian Anticyclone
Sudan cyclone
Mediterranean cyclone
1- Alamoudi .;A; Hasanean, H. M., Almazroui, M. 2013. Siberian High Variability and its Teleconnections with Tropical Circulations and Surface Air Temperature over Saudi Arabia, Springer-Verlag Berlin Heidelberg, No. 10: 1-16.
2- Barlow ,M.; Cullen ,H., and Lyon ,B. 2002. Drought in central and southwest Asia: La Nina, the warm pool, and Indian ocean precipitation, J. climate, vol.15,No.7:697 – 700.
3- Beck, F.; Bárdossy, A., Seidel, J., Muller, T., Sanchis, E. F., Hauser, A. 2015. Statistical analysis of sub-daily precipitation extremes in Singapore. Journal of Hydrology: Regional Studies, 3: 337-358.
4- Bhutiyani, M.; R. Kale, V S, Pawar, N. J. 2010. Climate change and the precipitation variations in the northwestern Himalaya: 1866–2006. International Journal of Climatology, 30(4): 535-548.
5- Bojariu, L.; Gimeno, R .2004. Predictability and Numerical Modeling of the North Atlantic Oscillation, Earth Science Reviews, Vol. 76: 145-168.
6- Chang, P.; Ji, L. and Li, H. 1997.A decadal climate variation in the tropical Atlantic Ocean from thermodynamic air-sea interactions. Nature, 385(6616):516-518.
7- Coghlan , C .2002. El Nino – Causes , Consequences and Solutions , weather , vol . 57 , No.6:209–215 .
8- Gong. Huang.2004. an index measuring the interannual variation of the East Asian summer monsoon the EAP index ',advances in atmospheric sciences: 41-52
9- Grimm, A.M., Ferraz, S.E.T., and Gomes, J. 1998. Precipitation anomalies in southern Brazil associated with EI Nino and La Nina events. J. 11:2863-2880.
10- Jovanovich, G, Relijin, B(2008), The influenceof Arctic and North Atlantic Oscillation on Precipitation on regime Serbia, Earth and Environmental, Voh. 4: 1307-1755.
11- Lau, K.; and Weng, H., 2001, Coherent modes of global SST and summer rainfall over China: an assessment of the regional impacts of the 1997–98 El Nino. Journal of Climate 14 (6), 1294–1308.
12- Lind, G.P.; Mora, A., Haase, M., Gallas, J.A.C. 2007. Minimizing Stochasticity in the NAO index. International Journal of Bifurcation and Chaos. 17: 3461-3466.
13- Massei, N., Laignel, B, Deloffre, J., Mesquita, J., Motelay, A, Lafite, R and Durand, A., 2010. Long-term hydrological changes of the Seine River flower (France) and their relation to the North Atlantic Oscillation Over the Period1950-2008, International journal of climatology,30:.2146-2154.
14- Moran. V; G.PLAUT. 2003. The impact of ENSO upon weather regimes over Europe and 1North Atlantic during Boreal winter. Int. J.Climatol. 23(4:363 – 379.
15- Nicholson, S.E., Leposo,D., and Grist, J. 2001. The Relationship between El Nino and Drought over Botswana. American Meteorological Society,No.14:323-335.
16- Ozger .M ., Mishra ,K., Singh, P. 2009. low frequency drought variability associated with climate indieces, journal of hydrology 364:152-162.
17- Parak, F.; Roshani ,A., and Alijani, B. 2015. Synoptic Investigation of the Role of the Sudanese Low Pressure System during Wet and Drought Years in the Southern Half of Iran. Geography and Envirometal Hazards,No.12, : 75-90.
18- Revadekar , J.V.; and Kulkarni, A. 2008. The El Nino-Southern Oscillation and winter precipitation extremes over India, Int. J. Climatol. 28,: 1445-1452.
19- Shukla, R. P.; Tripathi, K. C. Pandey, A. C. and Das, I. M. L. 2011. Prediction of Indian summer monsoon rainfall using Niño indices: a neural network approach, Atmospheric Research 102 (1–2), 99–109.
20- Sun, X. Thyer, M. Renard, B, Lang M. 2014. A general regional frequency analysis framework for quantifying local-scale climate effects: A case study of ENSO effects on Southeast Queensland rainfall, Journal of Hydrology, 512: 53-68.


21- Turkes, M, Erlat , E, 2005, Climatological responses of winter Precipitation in Turkey to variability of the North Atlantic Oscillation during the period 1030-2001, There. Apple. Climate,No.78,: 33-46.
22- Trigo, M.R.; Zezere, J.L, Rodrigues, M.L, Trigo, I.F.2005. The Influence of the North Atlantic Oscillation on Rainfall Triggering of Landslides near Libson, Nathral Hazards, Vol. 36: 331-354.
23- Wallace. J. M.; D. S. Guzzler.1981.Teleconnections in the geopotential height field during the northern hemisphere winter, Monthly weather Review, No.109: 784-812.
24- Walker, G. T., and Bliss, E. W. 1932.World Weather V. Memos of the Royal Meteorological Society,.4: 53–84.
تحلیل فضایی مخاطرات محیطی

مقالات آماده انتشار، اصلاح شده برای چاپ
انتشار آنلاین از 01 بهمن 1399