تحلیل فضایی مخاطرات محیطی

تحلیل فضایی مخاطرات محیطی

واکاوی روند تغییرات شمار مراکز چرخندی دریای مدیترانه در بازه زمانی (2018-1979)

نویسندگان
رویا پورکریم 1
حسین عساکره 1
عبدالله فرجی 1
محمود خسروی 2
1 دانشگاه زنجان
2 دانشگاه سیستان و بلوچستان
چکیده
در پژوهش حاضر از داده­های مرکز جوی اروپایی(ECMWF)، از سال 1979 تا پایان سال 2018 تفکیک مکانی 25/. در 25/. به منظور واکاوی تغییرات شمار مراکز چرخندی دریای مدیترانه استفاده شده است. روش­های زیادی برای بررسی تغییرات و وجود روند در بین داده­های آماری وجود دارد، که به دو دسته آمار پارامتری و ناپارامتری تقسیم می­شود. روش رگرسیون خطی از دسته پارامتری است و معمول­ترین روش ناپارمتری آزمون من­-کندال می­باشد. با برازش مدل من­کندال و مدل رگرسیون خطی روند مقدار، فراونی مراکز چرخندی حوضه دریای مدیترانه دردو مقیاس فصلی و سالانه ارزیابی شد. با واکاوی روند تغییرات شمار مراکزچرخندی در مقیاس فصلی فصل­های بهار، پاییز و تابستان تداوم­های پنج روزه دارای روند معنی­دار بوده است. اما در مقیاس سالانه در هیچ کدام از تداوم­ها روند معنی ­دار مشاهده نگردید. با برازش مدل رگرسیون در مقیاس فصلی و سالانه تداوم­های یک و دو روزه دارای شیب خط رگرسیون مثبت می­باشند.
کلیدواژه‌ها
: مراکز چرخندی
دریای مدیترانه
آمارۀ من – کندال

عنوان مقاله English

Trends analysis of changes in the number of the Mediterranean cyclones (1979-2018)

نویسندگان English

roya poorkarim 1
hossein Asakereh 1
abdollah faraji 1
mahmood Khosravi 2
1 university of zanjan
2 University of sistan and baluchestan
چکیده English

In the present study, the data of the ECMWF for a period of 1979 to 2018 was adopted to analyze the long term changes (trends) of the number of cyclones centers of the Mediterranean Sea.There are many methods (e.g. parametric and non- parametric) for examining changes and trends in a given dataset. The linear regression method is of parametric category and the most common nonparametric method is Mann-Kendall test. By fitting the Mann-kendall model and the linear regression model, the frequency of the cyclone centers of the Mediterranean basin was evaluated in seasonal and annual time scales. Analyzing the trend of changes of the number of cyclone centers on a seasonal scale showed that the five-day duration have had a significant trend in spring, autumn and summer. Whilest on an annual scale, there was no significant trend in any of the duration. By fitting the regression model on seasonal and annual scale, one- and two-day duration have a positive regression line slop.

کلیدواژه‌ها English

cyclone
Mediterranean Sea
Mann-Kendall test
Alpert, P.; BU. Neeman, and Y. Shay-EL. 1989. Intermonthly Variability of Cyclone Tracks in the Mediterranean. Journal of Climate, 3: 1474-1478. https://www.jstor.org/stable/26196362
Bartholy, J.; R. Pongrácz, and M. Pattantyús-Ábrahám .2009. Analyzing the genesis, intensity, and tracks of western Mediterranean cyclones. Theor Appl Climatol, 96:133–144. https://doi.org/10.1007/s00704-008-0082-9
Fita, L.; R. Romero, and C. Ramis. 2006. Intercomparison of intense cyclogenesis events over the Mediterranean basin based on baroclinic and diabatic influences. Advances in Geosciences, 7: 333–342. https://doi.org/10.5194/adgeo-7-333-2006
Flocas, H.; and I. Simmonds. 2010. On Cyclonic Tracks Over the Eastern Mediterranean. American Meteorological Society. 10:5243-5227. https://doi.org/10.1175/2010JCLI3426.1
Haddad, M.; and H. Taibi. 2018. Mediterranean Sea level trends from long-period tide gauge time series. Acta Oceanol. 39( 1): 157–165. https://doi.org/10.1007/s13131-020-1532-1
Jacobet, J. 1987. Variations of trough positions and precipitation. Oxford University press, England, pp 134. https://doi.org/10.1002/joc.3370070503

Kendall, M.G. 1975. Rank Correlation Methods. Charles Griffin, London. psycnet.apa.org
Kendrew, W. G. 1953. The Climate of the continents, 110-630.
Maheras, P.; H. A. Flocas. , I. Patrikas. and C. Anagnostopoulou. 2001. A 40 year objective climatology of surface cyclones in the Mediterranean region: spatial and temporal distribution, Int. J. Climatol, 21: 109–130.
Mann, H.B. 1945. Nonparametric Tests Against Trend. Econometrica, 21:925-952. https://doi.org/10.1002/joc.599
McCabe, G.J.; M.P. Clark, and M. Serreze. 2001. Trends in Northern Hemisphere Surface Cyclone Frequency and Intensity. Journal of Climate,14: 2763-2768. https://doi.org/10.1175/1520-0442(2001)0142.0.CO;2
Mehmet, K.; D. Ali, and T. Mete. 2004. Cyclone Track Variability over Turkey in Association with regional Climate. International Journal of Climatology. 20: 1225–1236. https://doi.org/10.1002/1097-0088(200008)20:10%3C1225::AID-JOC535%3E3.0.CO;2-1
Stojković1, M.; S. Kostić1. S. Prohaska1, j. Plavšić and V. Tripković. 2017. Water Resour Manage, 31:1089–1103.
Modarres, R.; and V. Silva. 2007. sin arid and semi- o s o. Journal of Arid Environments, 10: 122–155. http://www.researchgate.net.
Neu, U. 2013. IMILAST: a community effort to intercompar extratropical cyclone detection and tracking algorithms. Bull Am Meteorol Soc ,94:529–547. http://dx.doi.org/10.1175/BAMS-D-11-00154.1
Rana. A.; C. Bertacchi Uvo, L. Bengtsson, and P. Sarthi. 2012. Trend analysis for rainfall in Delhi and Mumbai, India, Clim Dyn, 38:45–56. https://doi.org/10.1007/s00382-011-1083-4
Romem, M,; B. Ziv, and Saaroni. H. 2007. Scenarios in the development Mediterranean cyclones. Advances in Geosciences, 12:59-65. 10.5194/adgeo-12-59-2007
Serrano, A.; V.L. Mateos, and J.A. Garcia. 1999. Trend Analysis of Monthly Precipitation over the Iberian Peninsula for the Period 1921-1995. Chem.‌EARTH, 24:85-90. https://doi.org/10.1016/S1464-1909(98)00016-1
Trigo, I. F.; T. D. Davis, and G. R. Bigg. 1999. Objective climatology of cyclones in the Mediterranean region, J. Climate, 12: 1685- 1696. https://doi.org/10.3402/tellusa.v68.29391
Turgay, P.; and K. Ercan. 2005. Trend Analysis in Turkish Precipitation processes. published online in wiley Interscienc, Hydrological processes, 20(9): 2011-2026. https://doi.org/10.1002/hyp.5993
Xu, Z.X.; K. Takeuchi. and, H. Ishidaira. 2003. Monitoring Trend Step Changes in Precipitation in Japanese Precipitation. Journal of hydrology, 229: 100-105. http://www.researchgate.net.
You, Jinsheng.; G. Hubbard, and S. Goddard. 2008. Comparison of methods for spatially estimating station temperatures in a quality control system. International Journal of Climatology, 28: 777-787.
https://doi.org/10.1002/joc.1571