Authors
Abstract
Abbasali Dadashi Roudbari[1]
Gholamabbas Fallah Ghalhari[2]*
Mokhtar Karami[3]
Mohammad Baaghide[4]
Abstract
Identifying the precipitation behavior is the most important principles in environmental planning. Identification of the precipitation behavior in long term period aggrades the way to local and regional planning. This research aim to advance knowledge ahead flood management and process modeling using spectral analysis techniques based on Aphrodite database output over the period 1951 to 2007 in the catchment area located in the southern part of Mazandaran province. The results showed that the coefficient of variation of precipitation over the basin in the warm months of the year was more than cold period. Also, according to the disperse statistics in the catchment area; the largest clusters are created in winter season that represents the relative order of precipitation in the study area. Spectral analysis of precipitation data has revealed significantly sinusoidal cycles 2-3, 5-3, 5-11 and 11 and older. This cycle can be attributed to the impact of macro-scale Atmospheric-ocean. Trend line slope for annual precipitation was obtained 7.67 mm per decade. Exiting of These cycles can be related to the influence of large scale ocean-climate factors in the study area. Of increasing the role of mechanisms wetter, warmer and wetter wet latest in the basin has revealed. The important mechanism that can be considered for increasing trend accompanied by temperature increasing trend is wet-gets-wetter.
[1]- M.A. Student in Urban Climatology, Hakim Sabzevari University, IranEmail:dadashiabbasali@gmail.com.
[2]- Assistant Professor in Faculty of Geography and Environmental Sciences, Hakim Sabzevari University, Sabzevar, Iran. (Corresponding Autor),
[3]- Assistant Professor in Faculty of Geography and Environmental Sciences, Hakim Sabzevari University, Sabzevar, Iran.
[4]- Assistant Professor in Faculty of Geography and Environmental Sciences, Hakim Sabzevari University, Sabzevar, Iran.
Keywords
مقدمه
تغییر اقلیم از طریق ردیابی مشخصاتی نظیر کمیت و الگوی زمانی– کانی عناصر اقلیمی قابل مطالعه است. در این میان مطالعهی بارش از رواج زیادی برخوردار است. بارش به عنوان یکی از عناصر بنیادی اقلیم به ویژه طی قرن بیستم در عرض‌های میانه و بالای نیمکره شمالی در حدود 1/0 درصد افزایش یافته است. از طرف دیگر در خشکی‌های جنب حاره (عرض‌های 30-10 درجه شمالی) روند بارش در حدود 3/0 درصد کاهش یافته و در نواحی حاره، افزایش نسبی بارش در حدود 2/0 تا 3/0 درصد بوده است (موسمان و همکاران[1]، 2004: 44). به تعبیری دیگر میتوان اذعان داشت که یکی از رفتارهای بارندگی که طی دهه‌های گذشته نمایان‌تر شده است، تغییر و جابجایی رژیم آن است که بـه صورت تغییر در مقدار بارنـدگی، زمان و تداوم رویداد بارش نمایان میشود (شیفته سومی و همکاران[2]، 2012: 9؛ دوهان و پاندی[3]، 2013: 138). عناصر آب و هوایی با تغییرات کمی و کیفی خود اوضاع محیطی را تحت تأثیر قرار میدهند. این اثرات هر چند که ممکن است بطئی و تدریجی باشند، لیکن می‌توانند پیامدهای زیادی به دنبال داشته باشند. با شناخت ویژگیهای آب و هوائی میتوان قابلیت‌های سازگاری انسان در محیط را ارزیابی کرد و متناسب با شرایط اقلیمی اشکال مطلوب ساخت‌های فضائی را با ابزار متناسب به وجود آورد (رزمی، 1389: 14). در یک نگاه منطقی، اقلیم و تغییرات آن بخصوص تغییرپذیری بارش می‌تواند سبب آسیب‌پذیری بیشتری به حیات بشر و همچنین بخش‌های آب و کشاورزی باشد (مریانجی، 1391: 45). وجود دوره یا سال‌هایی که طی آن بارشی کمتر یا بیشتر از میانگین ثبت میشود، یک خصیصهی شناخته شده در اقلیم اکثر مناطق کرهی زمین میباشد. از آنجا که شرایط آب و هوایی هر منطقه‌ای تابع متغیرهای زیادی است و این متغیرها هر ساله از شرایط و مقدار ثابتی برخوردار نیست، وجود نوسان در بارش مناطق مختلف را میتوان امری بدیهی و اجتناب‌ناپذیر به حساب آورد. همچنین آب و هوای کرهی زمین در طول قرن بیستم به ویژه در دو دههی اخیر تعادل خود را از دست داده و تمایل به افزایش دما نشان داده است که به طور بالقوه می‌تواند منجر به تغییر چرخهی آب و بارش شود و ناهنجاری‌های هیدرولوژیک همچون خشکی‌ها و سیل را سبب شود (رزمی، 1389: 27).
با توجه به مطرح شدن بحث تغییر اقلیم و تغییرات زمانی و مکانی عنصر بارش تا کنون از سوی محققان پژوهش‌های متعددی با استفاده از روشهای پارامتری و نا پارامتری انجام شـده است که از جمله مـی‌توان بـه
پژوهش‌های (کاهیا و کالایکی[4]، 2004؛ زانگ و همکاران[5]، 2006؛ لی یانگ و همکاران[6]، 2010؛ تانگ و همکاران[7]، 2011؛ شیفته سومئی و همکاران[8]، 2012؛ دوهان و پاندی[9]، 2013) اشاره کرد. توموزیو و همکاران[10] (2000) با استفاده از روش من-کندال و توابع تجربی متعامد[11]، تغییرپذیری میانگین بارندگی تابستانه را در امیلیا روماگنا[12] در ایتالیا بررسی کردند. مطالعات آنها نشان داد که همهی ایستگاه‌ها دارای روند کاهشی در بارندگی تابستانه می‌باشند. گمر و همکاران[13] (2004) روند تغییرات بارش ماهانهی چین را مورد مطالعه قرار دادند و نشان دادند که تعداد، توزیع و کاهش روندها از ماهی به ماه دیگر متفاوت است. مارنگو و همکاران[14] (2004) الگوهای بلندمدت و دهه‌ای بارش در حوضهی آمازون را تجزیه و تحلیل کردند و به این نتیجه رسیدند که کل بارندگی در این منطقه دارای روندی منفی میباشد، اما این روند از توزیع مکانی ناهمگون برخوردار بوده است، برای مثال بخش شمالی حوضه دارای روندی منفی و بخش جنوبی دارای روندی مثبت میباشد. توشیج و انکاشویچ[15] (2005) با استفاده از روش تجزیه و تحلیل طیفی، تغییرات سری‌های زمانی بارش ماهانه، فصلی و سالانه ایستگاه بلگراد را مورد ارزیابی قراردادند. نتایج نشان داد که تغییرات بارش با دورهی بازگشت دو ساله در ایستگاه بلگراد وجود دارد.
در ایران نیز رزمی (1389) در پایاننامهی کارشناسی ارشد خود به ارزیابی تغییر رژیم بارندگی آذربایجان ایران پرداخت، روش اصلی به کار گرفته شده در پژوهش وی، روش تحلیل همسازها بوده است. بر اساس تحلیل همسازها مشخص گردید که دو سامانهی همدید- محلی تا بیش از 90 درصد بارش آذربایجان را توجیه می‌کنند. کمترین سهم بارش حاصل از سامانههای همدید در شمال شرق رخ میدهد. مریانجی (1391) در رساله دکتری خود تغییرپذیری بارش ایران را مورد بررسی قرار داد. نتایج پژوهش وی نشان داد که روند سالانه بارش در 54 درصد از مساحت کشور دارای روند مثبت با میانگین 72/1 میلی‌متر بوده است. در نهایت نتایج تحلیل خوشهای نشان داد که تغییرپذیری بارش کشور در 5 گروه عمده قابل طبقه‌بندی میباشد. فرسادنیا و همکاران (1391) به بررسی تحلیل روند بارندگی در استان مازندران با استفاده از روش من-کندال منطقه‌ای پرداختند. نتایج پژوهش آنان نشان داد که بررسی وجود روند در سری زمانی میانگین بارش سالانه در کل استان مازندران دارای روند صعودی در سطح معنیدار 1% است. در پژوهش حاضر ضمن بررسی ویژگیهای عمومی بارش حوضهی آبریز هراز سعی شده است روند دادههای بارش و دورهی بازگشت بارش در مقیاس‌های ماهیانه، سالانه و فصلی نیز مورد ارزیابی قرار گیرد تا بتوان بر اساس دوره‌های بازگشت و سامانههای مؤثر در بارش منطقه، پیش‌آگاهی مناسبی به جهت مدیریت سیلاب ارائه گردد.
مواد و روشها
منطقهی مورد مطالعه در پژوهش حاضر، حوضهی آبریز هراز در جنوب استان مازندران میباشد. این منطقه از نظر تقسیمات سیاسی جزو شهرستان آمل میباشد. وسعت حوضهی آبریز هراز، 200051 هکتار است. محیط حوضهی هراز بـرابـر با 5/296062 کیلومتر، حداقل ارتفاع حوضه 200 متر و حداکثر ارتفاع آن 5600 متر میباشد. تـمامی رودخانههای حوضه به رودخانهی هراز منتهی مـی‌گردد. از مهم‌ترین رودخانههای حوضه میتوان بـه رودخانههای آخنسر، شیرکلارود و نمارستاق اشاره کرد. از ارتفاعات مهم حوضهی کوه‌های دماوند که مرتفع‌ترین منطقه در حوضه به شمار می‌آید و نیز شیمکوه و کوه امامزاده قاسم اشاره نمود. مراکز مهم مسکونی حوضهی آبریز هراز عبارت‌اند از پلور، نشل، تیران، رینه، کندوا، آب اسک، گزنک، بایجان، بلقلم و... اشاره کرد. شکل (1) موقعیت مطالعاتی هراز را نسبت به استان مازندران و کل کشور نشان میدهد.
شکل (1) موقعیت منطقهی مورد مطالعه
جنوب استان مازندران سرزمینی ناهموار است و همین عامل به همراه چندین عامل دیگر موجب تغییرپذیری بارش در استان مازندران و بخصوص مناطق جنوبی آن میشود. با توجه به ویژگیهای اقلیمی خاص استان مازندران و اهمیت بارش در مدیریت منابع آب نیاز به مطالعات در مورد بارش و رفتارهای آن به شدت احساس میشود. اما در سطح استان مازندران دسترسی به دادههای بلندمدت بارش با گسترهی وسیع مسیر نیست. هم اکنون 15 ایستگاه همدید در استان مازندران وجود دارد که کمتر از یک سوم آنها آمار بلندمدت (30 ساله و یا بیشتر) متغیرهای هواشناسی را در اختیار دارند که با توجه به گسترهی وسیع استان، این تعداد ایستگاه برای بررسی تغییرات بارش که خود سرکش‌ترین عنصر اقلیمی به شمار می‌رود و همچنین دارای نوسان مکانی - زمانی زیاد است؛ کافی نیست. افزون بر مشکلاتی که جهت دسترسی به دادههای بلند مدت اشاره شد؛ بخش اعظم منطقهی مورد مطالعه را مناطق مرتفع تشکیل میدهد (قرارگیری بخشی از مناطق شرقی قلهی دماوند و ارتفاعات شمالی و جنوبی آن) و با توجه به اینکه در نواحی با ارتفاع بیش از 2600 متر (کانون‌های آبگیر کشور)، فاقد ایستگاههای سنجش و اندازه‌گیری بارش هستیم. همچنین نواحی مجاور که از تباین اقلیمی بالایی برخوردارند (دامنههای شمالی- جنوبی البرز) از توزیع مناسب ایستگاه برخوردار نیستند (عساکره، 1387: 25). در این پژوهش با استفاده از بروندادهای یاختهای بارش پایگاه آفرودیت[16]، به ارزیابی تغییرات زمانی- مکانی بارش ماهیانهی حوضهی آبریز هراز پرداخته شده است. دادههای این پایگاه با بازهی مکانـی خاورمیانه و جـنوب شرق آسیا و بازهی زمانی 1/1/1951 تا 31/12/2007 مـیلادی و تفکیک مکانی 25/0×25/0 و 5/0×5/0 درجـه در تـارنمای ایـنترنتی (http://www.chikyu.ac.jp/precip/index.html) موجود می‌باشند (یاتاگانی و همکاران[17]، 2012: 1407). در مطالعهی حاضر دادههای منطقهی خاورمیانه (APHRO_ME) از آخرین محصول پایگاه داده APHRODITE تحت عنوان v1101، با قدرت تفکیک 25/0×25/0 و فرمت ".nc" NetCDF از سایت مربوطه اخذ گردید. لازم به ذکر است کنترل کیفی بر روی دادههای فوق انجام شده است. در مرحلهی بعد با استفاده از تکنیکهای زمین آمار و روش کریجینگ، یاختهای به ابعاد 15×15 کیلومتر مربع بر منطقهی مورد مطالعه گسترانیده شد. حال به جای انجام تحلیل بر روی گرهگاهای 25/0×25/0 درجه و انتساب نتایج به دست آمده به پهنهی مورد مطالعه؛ از دادههای ریزمقیاس نمایی شده با تفکیک فضایی 15×15 کیلومتر استفاده شده است.
ارزیابی روند داده‌ها
جهت برآورد شیب واقعی یک روند در یک سری زمانی، استفاده از روش ناپارامتریک سنس[18] می‌تواند یکی از روشهای مناسب در این زمینه باشد. این روش ابتدا توسط تیل در سال (1950) ارائه و سپس توسط سن در سال (1968) بسط و گسترش داده شد. روش حاضر همانند بسیاری دیگر از روشهای ناپارامتریک همچون من-کندال بر تحلیل تفاوت بین مشاهدادت سری زمانی استوار است. این روش زمانی می‌تواند مورد استفاده قرار گیرد که روند موجود در سری زمانی یک روند خطی باشد. این بدین معناست که در رابطهی (1) برابر است با:
|
رابطهی (1) |
در رابطهی (1) ، شیب‌خط روند و ، مقدار ثابت است. جهت محاسبه شیب خط روند یعنی، ابتدا بایستی شیب بین هر جفت داده مشاهداتی، با استفاده از رابطهی (2) محاسبه گردد:
|
رابطهی (2) |
در رابطهی (2) است. در این رابطه و به ترتیب دادههای مشاهداتی در زمان‌های و است. با اعمال این رابطه برای هر جفت داده مشاهده‌ای، یک شیب به دست می‌آید. با قرار دادن این شیب‌ها در کنار یکدیگر یک سری زمانی از شیب‌های محاسبه شده حاصل می‌آید. یعنی اگر تعداد در سری زمانی وجود داشته باشد (در این تحقیق) ما به اندازهی برآورد شیب خواهیم داشت. در مرحلهی بعد سری زمانی مورد مطالعه به دست می‌آید. برای این کار تعداد از ها از کوچک به بزرگ مرتب می‌شوند و سپس با استفاده از یکی از رابطههای زیر اقدام به تعیین میانهی سری زمانی می‌گردد. اگر تعداد مشاهدات سری زمانی مورد مطالعه فرد باشد، از رابطهی (3) و اگر زوج باشد از رابطهی (4) استفاده می‌گردد (ویوکاناندان[19]، 2007: 104):
|
رابطهی (3) |
|
|
رابطهی (4) |
نتیجهی حاصل از این رابطه، به دست آمدن شیب‌خط روند است. اگر شیب خط روند مثبت باشد، حاکی از صعودی بودن روند و اگر منفی باشد، دال بر نزولی بودن روند است. در گام بعدی، آزمون نمودن شیب به دست آمده در فاصله اطمینان 95 درصد است. جهت انجام این آزمون از رابطهی زیر استفاده می‌گردد:
|
رابطهی (5) |
در رابطهی (5) عبارت است از آماره توزیع نرمال استاندارد در یک آزمون دوطرفه که برای سطح اطمینان 95 درصد برابر با است و نیز واریانس پارامتر است. جهت به دست آوردن مقدار پارامتر و همچنین مراحل زیر بایستی پیموده شود:
الف) محاسبه اختلاف بین تک تک جملات سری با همدیگر و اعمال تابع و استخراج پارامتر :
|
رابطهی (6) |
در رابطهی (6) تعداد مشاهدات سری (در این تحقیق برابر با 57 سال)، و نیز به ترتیب داده‌هایام و ام سری می‌باشند.
ب) محاسبهی تابع علامت[20] (ریچارد[21]، 1987: 25) که به صورت تابع 7 قابل محاسبه است:
|
رابطهی (7) |
ج) محاسبه واریانس توسط یکی از روابط زیر. اگر تعداد دادههای سری زمانی بزرگ‌تر از 10 مورد باشد از رابطهی 8 و اگر کوچک‌تر از 10 باشد، از رابطهی 9 بهره گرفته میشود:
|
رابطهی (8) |
|
|
رابطهی (9) |
در رابـطهی 8 و 9، تعداد دادههای مشاهداتی، تعداد سریهائی است که در آنها حداقل یک دادهی تکراری وجود دارد و نیز بیانگر فراوانی دادههای با ارزش یکسان میباشد و در نهایت حدود اعتماد بالا و پایین به کمک روابط زیر محاسبه می‌گردد:
|
رابطهی (10) |
در رابطهی (10) تعداد شیبهائی است که از طریق رابطهی (2) به دست آمده است. حال امین و امین شیب‌ها را از بین شیب‌های محاسبه شده استخراج مینمائیم. در صورتی که عدد صفر در دامنهی بین دو شیب استخراج شده فوق قرار گیرد، فرض صفر پذیرفته شده و عدم وجود روند در سری داده‌ها تأیید می‌گردد. در غیر این صورت فرض صفر رد شده و وجود روند در سطح اطمینان مورد آزمون پذیرفته می‌گردد. در نهایت جهت به دست آوردن مقداردر رابطهی 1، تعداد تفاضل محاسبه میشود. سپس میانه این مقادیر، برآورد را در اختیار می‌گذارد.
در پژوهش حاضر برای ارزیابی روند دادههای بارش حوضهی آبریز هراز، از آزمون ناپارامتریک من-کندال[22] نیز استفاده شده است. این آزمون ابتدا توسط من (1945) ارائه و سپس توسط کندال (1975) تکامل یافت. این روش نیز همانند آزمون شیب خط سنس در مباحث علوم محیطی به طور گسترده‌ای کاربرد دارد. در آزمون من-کندال نمره از رابطهی 11، محاسبه می‌گردد:
|
رابطهی (11) |
در رابطه (11) نشانهی تفاوت مقادیر با یکدیگر و واریانس است:
|
رابطهی (12) |
|
|
رابطهی (13) |
که تعداد مشاهدات سری (در این تحقیق برابر با 57 سال)، و نیز به ترتیب داده‌هایام و ام سری می‌باشند. تابع علامت است که شرح آن در رابطهی (7) آمده است. عاملی مربوط به تصحیح پراش است. در صورتی‌که دادههای تکراری در اطلاعات وجود داشته باشد از رابطهی (14) استفاده میشود:
|
رابطهی (14) |
در رابطهی (14) تعداد دادههای مشاهده شده و معرف تعداد سری‌هایی است که در آنها حداقل یک دادهی تکراری وجود دارد.
آماره‌های پراکندگی
در پژوهش حاضر برای بررسی ساختار مکانی یاخته‌های بارش حوضهی آبریز هراز، از آماره‌های پراکندگی استفاده شده است. آماره‌های پراکندگی استفاده شده عبارت‌اند از: شاخص پراکندگی[23]، شاخص تجمع، شاخص گرین، شاخص فرکانس خوشه، شاخص تراکم میانگین، شاخص لکه‌ها و شاخص موریسیتا. شاخص پراکندگی نسبت واریانس به میانگین را بررسی میکند. اگر دادههای مورد مطالعه از توزیع تصادفی پیروی کنند انتظار می‌رود ID برابر یک باشد. این آماره از توزیعبا درجه آزادی پیروی میکند (رابطهی 15 را ملاحظه نمایید). شاخص تجمع[24] (دیوید و مور[25]، 1954: 50) تابع مستقیم از شاخص پراکندگی است. اگر دادههای مورد مطالعه از توزیع تصادفی پیروی کنند، انتظار می‌رود این شاخص برابر صفر باشد. مقادیر ارزشی مثبت در این آماره حاکی از خوشهای بودن داده‌ها و مقادیر ارزشی منفی بیانگر ناخوشه بودن داده‌ها میباشد (رابطهی 16). آماره گرین[26] (گرین[27]، 1966) در حقیقت اصلاح شده شاخص تجمع میباشد که مستقل از N است. در این آماره ارزش عددی صفر برای توزیع‌های تصادفی و مقادیر ارزشی یک برای توزیع‌های با حداکثر خوشه است (رابطهی 17):
|
رابطهی (15) |
|
|
رابطهی (16) |
|
|
رابطهی (17) |
شاخص فرکانس خوشه[28] (داگلاس[29]، 1975: 403) معیاری برای اندازه‌گیری خوشه بر اساس تابع K با استفاده از توزیع دوجمله‌ای منفی است (رابطهی 18). شاخص تراکم میانگین[30] (لوید[31]، 1967: 9) متوسط تعداد نقاط موجود در منطقهی مورد مطالعه است که به طور تصادفی از یک نقطه سنجش میشود (رابطهی 19):
|
رابطهی (18) |
|
|
رابطهی (19) |
شاخص لکه‌ها[32] (لوید، 1967: 14) شدت الگوی تأثیرپذیر را مورد مطالعه قرار میدهد (رابطهی20). شاخص موریسیتا[33] (موریسیتا[34]، 1959: 13) احتمال مقیاسبندی خوشه‌های دو یاخته از کل یاخته‌های مورد مطالعه را مورد ارزیابی قرار میدهد (رابطهی 21):
|
رابطهی (20) |
|
|
رابطهی (21) |
علاوه بر موارد فوق، ضریب چولگی (g1) و ضریب درجهی اوج (g2) نیز برای هر یک از ماههای مورد مطالعه به طور جداگانه با استفاده از رابطهی 22 محاسبه شده است:
|
رابطهی (22) |
تکنیک تحلیل طیفی (تحلیل سری‌های فوریه[35])
برای بـررسی چرخه‌های بارش حوضهی آبـریز هراز از روش تحلیل طیفی استفاده شد. در تـکنیک تحلیل
طیفی ابتدا سری‌های زمانی به تابع فرکانسی (به صورت تابعی دوره‌ای[36] با دامنه[37] و فراوانی[38]) تبدیل شد. روشهای پرشمار و متنوعی برای تبدیل سری‌های بسامد وجود دارد (عساکره و رزمی، 1391: 152). یکی از روشهای ساده و کارآ، روش همسازهاست. در این روش سری زمانی به طول ، به فرم یک مدل فوریه و به شکل رابطهی (23) نوشته میشود (ماسلن و روکمور[39]، 1997: 200).
|
رابطهی (23) |
که در آن و ضرایب فوریه خوانده می‌شوند و از طریق روش کمترین مربعات خطا قابل برآورد هستند. و فراوانی تکرار مشاهدات (عکس دوره بازگشت) است و با نشان داده میشود. واریانس برای فرکانس و طول دوره آماری از رابطهی (24) به دست می‌آید:
|
رابطهی (24) |
نموداری که مقادیر را در مقابل نشان میدهد، دوره نگار[40] نامیده می‌شد. از آنجا که دوره نگار نسبتی از توزیع واریانس در فرکانس‌های بنیادی و برآوردی پر افت و خیز از طیف است، برای کاهش واریانس، اریبی و ایستاسازی این برآورد، باید آن را در مجاورت فرکانس مورد نظر و به وسیلهی صافی‌های مناسب هموار ساخت. به عبارت دیگر دوره نگار هموار شده، برآوردی از طیف جامعه است که حاصل میانگین موزن مقدار راست و چپ فرکانس مورد نظر میباشد (گلدسته، 1377: 245-246). یکی از روشهای ساده و مناسب برای هموارسازی دادههای سالانه به وسیلهی میتچل و همکاران[41] (1966: 34) معرفی شد. در این رویه، دوره نگار با یک میانگین متحرک موزون سه‌جمله‌ای هموار میشود.
بحث و نتایج
مشخصات آماری بارش حوضهی آبریز هراز
جدول (1) بعضی از مشخصات آماری بارش را طی ماههای مختلف نشان میدهد. مطابق این جدول بیشترین میانـگین بارش با 99/54 مـیلی‌متر در ماه مارس رخ داده است. کـمترین مـقدار بـارش بـه میزان 46/16 میلیمتری در ژوئیه اتفاق افتاده است. این در حالی است که بیشترین ضریب تغییرات بارش نیز با 66/102 در ماه ژوئیه اتفاق افتاده است. چولگی و توزیع ضریب چولگی (g1) بارش در همهی ماه‌ها مثبت بوده است. سامانههای بارشزا با توجه به شرایط دینامیک و ترمودینامیک و بسته به موقعیت جغرافیایی خود، در برخورد با شرایط متفاوت محلی می‌توانند نواحی بارشی متفاوتی ایجاد کنند (غیور و همکاران، 1390: 19). لذا مقدار بارش دارای شاخص‌های آماری متفاوتی خواهد بود. همان‌طور که در جدول (1) نیز مشخص میباشد، بیشترین مقدار عددی شاخص g2 (ضریب درجه اوج) مربوط به ماه ژوئیه (26/10) و کمترین مقدار آن متعلق به ماه سپتامبر (32/5) بوده است. ضریب درجهی اوج نشاندهندهی تفاوت مکانی بارش میباشد. دلیل بالاتر بودن شاخص درجه اوج در ماه ژوئیه ناشی از تفاوت مکانی بالای بارش میباشد. علت کاهش شدید شاخص با شروع فصل پاییز را میتوان با فرارفت رطوبت بیشتر همزمان با تقویت و نفوذ زبانه‌های پرفشار سیبری نسبت داد که با مطالعات علیجانی (1389) نیز همخوانی دارد. همرفت محلی در منطقهی مورد مطالعه در فصول انتقالی که رطوبت حاصل از سامانههای مدیترانهای هنوز در محیط وجود دارد، نیز می‌تواند در تغییرات مکانی بارش منطقه موثر باشد. اطلاعات کامل مشخصه‌های آماری هر یک از ماههای سال در دورهی آماری 57 ساله در جدول (1) آمده است.
آماره‌های پراکندگی بارش در حوضهی آبریز هراز
جدول (2) مشخصات آماره‌های پراکندگی بارش را طی ماههای مختلف نشان میدهد. بر اساس شاخص ID ماههای ژوئیه و اکتبر بالاترین مقادیر عددی را نشان دادهاند. این شاخص به‌خوبی ناهنجاری مکانی بارش حوضهی مورد مطالعه را نشان داده است، به طوری که در ماههای نامبرده ایستگاه کره سنگ به نمایندگی از مناطق شمالی حوضه در مقایسه با ایستگاه پلور به نمایندگی از مناطق جنوبی حوضه در یک فاصله کمتر از 60 کیلومتری، اختلاف 10 میلیمتری دارند. همان‌گونه که در جدول (2) نشان داده شده است، شاخص ICS برای هر 12 ماه مورد مطالعه مثبت و بالای 4 بوده است که نشاندهندهی الگوی خوشهای بالای بارش در حوضه میباشد. شاخص‌های GI تبیین‌کنندهی همین امر میباشد. شاخص ICF نیز اندازهی خوشه را نشان میدهد. بر اساس این شاخص در فصل زمستان بزرگ‌ترین خوشه‌های بارش در حوضهی آبریز هراز ایجاد می‌شوند که نشاندهندهی نظم نسبی بارش در منطقهی مورد مطالعه میباشد. شاخص‌های IP و GI نشاندهندهی تفاوت مکانی خوشه‌های بارش می‌باشند که فصل تابستان بالاترین مقادیر تفاوت مکانی خوشهای را به خود اختصاص داده است. شاخص MI نیز مقدار تعدیل‌شده شاخص IPمیباشد که مبین تفاوت ساختار مکانی بارش میباشد.
جدول (1) مشخصات آماری بارش برای هر یک ماههای سال در حوضهی آبریز هراز
|
نوع آماره |
ژانویه |
فوریه |
مارس |
آوریل |
مه |
ژوئن |
|
ضریب تغییرات |
37/09 |
46/58 |
45/34 |
54/28 |
49/84 |
67/51 |
|
واریانس |
219/37 |
415/54 |
621/80 |
615/93 |
338/18 |
132/36 |
|
میانگین |
39/93 |
43/77 |
54/99 |
45/72 |
36/90 |
17/04 |
|
میانه |
39/21 |
41/34 |
48/19 |
36/95 |
34/82 |
13/91 |
|
مد |
14/25 |
7/93 |
12/00 |
7/69 |
4/26 |
1/38 |
|
انحراف معیار |
14/81 |
20/38 |
24/94 |
24/82 |
18/39 |
11/50 |
|
انحراف از میانگین |
1/96 |
2/70 |
3/30 |
3/29 |
2/44 |
1/52 |
|
چولگی |
0/65 |
0/71 |
1/12 |
1/13 |
0/36 |
0/83 |
|
کشیدگی |
0/66 |
0/61 |
0/68 |
1/40 |
-0/25 |
0/19 |
|
دامنه تغییرات |
69/11 |
93/37 |
110/98 |
116/75 |
76/35 |
45/86 |
|
کمینه |
14/25 |
7/93 |
12/00 |
7/69 |
4/26 |
1/38 |
|
بیشینه |
83/36 |
101/30 |
122/98 |
124/44 |
80/61 |
47/24 |
|
g1 |
0/64 |
0/70 |
1/12 |
1/13 |
0/35 |
0/82 |
|
g2 |
6/99 |
6/94 |
7/01 |
7/73 |
6/08 |
6/52 |
|
نوع آماره |
ژوئیه |
اوت |
سپتامبر |
اکتبر |
نوامبر |
دسامبر |
|
ضریب تغییرات |
102/66 |
66/85 |
48/53 |
60/21 |
46/04 |
38/80 |
|
واریانس |
285/71 |
101/39 |
128/01 |
584/27 |
443/23 |
265/04 |
|
میانگین |
16/46 |
15/06 |
23/31 |
40/15 |
45/73 |
41/95 |
|
میانه |
8/97 |
11/99 |
22/83 |
35/97 |
44/92 |
39/61 |
|
مد |
0/81 |
0/43 |
3/70 |
5/01 |
1/35 |
14/69 |
|
انحراف معیار |
16/90 |
10/07 |
11/31 |
24/17 |
21/05 |
16/28 |
|
انحراف از میانگین |
2/24 |
1/33 |
1/50 |
3/20 |
2/79 |
2/16 |
|
چولگی |
1/96 |
0/95 |
0/17 |
1/10 |
0/47 |
0/37 |
|
کشیدگی |
3/93 |
0/51 |
-1/01 |
0/97 |
-0/22 |
-0/50 |
|
دامنه تغییرات |
76/86 |
44/18 |
41/11 |
109/09 |
96/60 |
66/74 |
|
کمینه |
0/81 |
0/43 |
3/70 |
5/01 |
1/35 |
14/69 |
|
بیشینه |
77/67 |
44/60 |
44/82 |
114/11 |
97/95 |
81/43 |
|
g1 |
1/96 |
0/94 |
0/16 |
1/09 |
0/46 |
0/36 |
|
g2 |
10/26 |
6/84 |
5/32 |
7/301 |
6/11 |
5/83 |
جدول (2) مشخصات آماره‌های پراکندگی بارش حوضهی آبریز هراز
|
شاخص‌های پراکندگی |
ژانویه |
فوریه |
مارس |
آوریل |
مه |
ژوئن |
|
ID |
49/5 |
49/9 |
30/11 |
47/13 |
16/9 |
76/7 |
|
ICS |
49/4 |
49/8 |
30/10 |
47/12 |
16/8 |
76/6 |
|
GI |
08/0 |
15/0 |
18/0 |
22/0 |
14/0 |
12/0 |
|
ICF |
88/8 |
51/5 |
33/5 |
66/3 |
51/4 |
51/2 |
|
IMC |
42/44 |
26/52 |
2308/65 |
19/58 |
06/45 |
80/23 |
|
IP |
11251/1 |
19408/1 |
18741/1 |
27274/1 |
22127/1 |
39712/1 |
|
MI |
11059/1 |
19075/1 |
18419/1 |
26806/1 |
21749/1 |
39055/1 |
|
شاخص‌های پراکندگی |
ژوئیه |
اوت |
سپتامبر |
اکتبر |
نوامبر |
دسامبر |
|
ID |
35/17 |
73/6 |
49/5 |
55/14 |
69/9 |
31/6 |
|
ICS |
35/16 |
73/5 |
49/4 |
55/13 |
69/8 |
31/5 |
|
GI |
29/0 |
10/0 |
08/0 |
24/0 |
15/0 |
09/0 |
|
ICF |
00/1 |
62/2 |
19/5 |
96/2 |
26/5 |
89/7 |
|
IMC |
81/32 |
79/20 |
80/27 |
70/53 |
42/54 |
27/47 |
|
IP |
99326/1 |
38046/1 |
19263/1 |
33759/1 |
19009/1 |
12674/1 |
|
MI |
97687/1 |
37423/1 |
18940/1 |
33181/1 |
18683/1 |
12457/1 |
ارزیابی روند داده‌ها
از آنجا که مبانی زندگی انسان با بارش هماهنگ شده است؛ وجود روند کاهشی یا افزایشی در بارش به معنای تغییر شکل زندگی خواهد بود. لذا جهت شناسایی روندهای کاهشی یا افزایشی در بارش‌های حوضهی آبریز هراز از دو روش ناپارامتریک برآوردکنندهی شیب سنس و من-کندال استفاده گردید. نتایج حاصل از این روشها نشان داد هر چند نشانه‌هایی از روند کاهشی (سه ماه فوریه، مارس و آوریل در آزمون من-کندال و شیب سنس) و افزایشی (9 ماه دیگر سال) در بارش‌های حوضه مشاهده میشود، اما از بین این روندهای کاهشی و افزایشی تنها دو ماه سپتامبر و اکتبر از نظر آماری در سطح معنیدار 5 درصد معنیدار بوده‌اند. اطلاعات هر یک از روندها در سطوح 5 و 1 درصد در جدول (3) آمده است.
جدول (3) نتایج حاصل از آزمون سنس و من-کندال در سطوح احتمالاتی 5 و 1 درصد برای بارش ماهانه حوضهی آبریز هراز
|
آماره‌های روند تغییرات |
ژانویه |
فوریه |
مارس |
آوریل |
مه |
ژوئن |
|
نمره Z در آزمون من-کندال |
1/07 |
-0/21 |
-0/23 |
-1/49 |
0/20 |
1/23 |
|
آماره Q در آزمون شیب سنس |
0/12 |
-0/06 |
-0/05 |
-0/24 |
0/03 |
0/10 |
|
Qmin99 |
-0/21 |
-0/49 |
-0/57 |
-0/67 |
-0/40 |
-0/14 |
|
Qmax99 |
0/49 |
0/42 |
0/36 |
0/24 |
0/43 |
0/34 |
|
Qmin95 |
-0/11 |
-0/37 |
-0/44 |
-0/55 |
-0/30 |
-0/07 |
|
Qmax95 |
0/41 |
0/35 |
0/27 |
0/10 |
0/35 |
0/28 |
|
B |
35/96 |
43/08 |
49/67 |
44/14 |
33/54 |
10/92 |
|
Bmin99 |
45/37 |
55/04 |
68/00 |
56/76 |
48/53 |
18/98 |
|
Bmax99 |
27/57 |
29/52 |
38/70 |
32/92 |
20/47 |
5/62 |
|
Bmin95 |
41/82 |
52/28 |
62/66 |
52/93 |
46/05 |
15/50 |
|
Bmax95 |
29/31 |
31/50 |
42/06 |
35/68 |
22/44 |
7/14 |
|
آماره‌های روند تغییرات |
ژوئیه |
اوت |
سپتامبر |
اکتبر |
نوامبر |
دسامبر |
|
نمره Z در آزمون من-کندال |
0/68 |
0/31 |
1/96 |
1/96 |
0/72 |
0/53 |
|
آماره Q در آزمون شیب سنس |
0/05 |
0/02 |
0/19 |
0/32 |
0/11 |
0/08 |
|
Qmin99 |
-0/14 |
-0/15 |
-0/06 |
-0/12 |
-0/41 |
-0/29 |
|
Qmax99 |
0/28 |
0/29 |
0/47 |
0/73 |
0/64 |
0/48 |
|
Qmin95 |
-0/09 |
-0/11 |
0/00 |
0/00 |
-0/28 |
-0/20 |
|
Qmax95 |
0/21 |
0/22 |
0/40 |
0/62 |
0/51 |
0/37 |
|
B |
8/09 |
11/78 |
17/11 |
25/38 |
41/07 |
38/36 |
|
Bmin99 |
13/63 |
16/31 |
23/01 |
39/43 |
54/52 |
47/98 |
|
Bmax99 |
2/99 |
7/73 |
10/09 |
11/88 |
23/42 |
25/57 |
|
Bmin95 |
12/13 |
15/19 |
22/83 |
36/01 |
50/89 |
45/41 |
|
Bmax95 |
4/49 |
8/96 |
12/11 |
14/01 |
26/44 |
30/60 |
نتایج به دست آمده نشان میدهد یاخته‌هایی که روند کاهشی در آنها مشاهده شده است، همگی در بخشی جنوبی حوضه و اطراف قله دماوند واقع شده‌اند که می‌تواند نشانه‌هایی از تغییر شرایط بارش در این قسمت از ایران باشد. هر چند اثبات وجود روند معنیدار در یک سری زمانی بارندگی نمی‌تواند به تنهایی دلیلی قاطع بر وقوع تغییر اقلیم در یک منطقه باشد، اما فرض رخداد آن را می‌تواند تقویت کند. لذا همین تغییرات رخ داده می‌تواند حائز اهمیت باشد. به طور کلی بارش حوضهی آبریز هراز در مقیاس سالیانه بر اساس نتایج آزمون شیب سنس افزایش 67/7 میلیمتری در هر دهه داشته است. بر این اساس در طول دورهی 57 ساله به رقم باور عمومی مبنی بر کاهش بارش در سطح کشور و منطقه، بارش سالانه حوضهی آبریز هراز افزایش 719/43 میلیمتری داشته است. بر این اساس میتوان برای روند تغییرات بارش در سطح حوضهی آبریز هراز رابطه‌ای به شکل ارایه داد. شکل (1) برازش نمودار خط سنس بر سری زمانی دادههای میانگین یاختهای بارش حوضهی آبریز هراز را در دورهی زمانی مورد مطالعه نشان میدهد.
|
|
|
شکل (1) برازش نمودار شیب سنس بر سری زمانی دادههای میانگین یاختهای بارش حوضهی آبریز هراز
در نگاه اول به نظر می‌رسد نتایج حاضر دور از واقعیت است، چرا که با افزایش دمای متوسط جهانی باور عمومی مبنی بر کاهش مقدار نزولات جوی است، اما نتایج پژوهش حاضر نشان داده است که مقدار بارش در 57 سال اخیر در حوضهی آبریز هراز افزایش یافته است. بررسی‌ها نشان داده است که این افزایش بارش بیشتر به شکل رگباری بوده و بارش‌های آخر فصل سرد و فصول گرم سال در حال افزایش است. چنین افزایشی نه تنها سودمند نیست، بلکه موجب وقوع رخداد وقایع فرین اقلیمی همچون سیل شده است. روند مشاهده شده در حوضهی آبریز هراز به خوبی با گزارش‌های سازمان‌های مختلف حاکی از تغییرات جدی در اقلیم همخوانی دارد؛ به طوری که بر اساس گزارش‌های ارایه شده از تغییرات آب و هوایی (IPCC[42],2013: 18)، از نیمهی دوم قرن بیستم روند بارش سنگین (بارش‌های رگباری) در نـقاط مختلف جهان رو به افزایش است. نتایج سایر مطالعات در سطح جهانی تأییدی بر نتایج حاضر است، زیرا بررسی دادههای بارندگی بیش از ۸ هزار ایستگاه هواشناسی در سطح جهان و در فاصلهی زمانی بین سال‌های ۱۹۰۰ تا ۲۰۰۹ نشان داده است که در این دورهی زمانی گرمای جو زمین به اندازهی یک درجهی سانتیگراد زیاد شده و در نتیجه آن تعداد بارندگی‌های شدید نیز افزایش یافته است (وسترا و همکاران[43]، 2013: 3904). ساز و کار این امر را نیز میتوان به گونهای تشریح کرد که با افزایش گازهای گلخانه‌ای و افزایش گرما، مقدار رطوبت بیشتری در جو می‌ماند و بارش‌ها شدیدتر میشود. به ازای هر یک درجه گرمایش جو زمین، شدت باران ۷ درصد افزایش می‌یابد و انتظار می‌رود دمای کرهی زمین در انتهای قرن جاری ۳ تا ۵ درجه سانتیگراد افزایش یابد و تغییرات آب و هوا شدت بارندگی انتهای قرن را نیز به میزان قابل توجهی افزایش دهد (همان، 3916). مهم‌ترین ساز و کاری که میتوان بر اساس آن به تبع وجود روند افزایشی دما، مقادیر مثبت بارش را در حوضهی آبریز هراز توجیه نمود، مکانیسم «مرطوب‌ترشدن گرم‌تر[44]» (تن و همکاران[45]، 2015: 451) است که بر اساس آن هر چه دمای سطحی منطقه بالاتر باشد، مقدار بارندگی بیشتر است. در دهه‌های اخیر روند چشمگیری در بارش اکثر ماههای سال مشاهده نشده است و تنها شاهد تغییر و تنوع سالانه بارندگی‌ها هستیم و حتی در برخی از موارد با گرم‌تر بودن سال‌ها بارندگی نیز بیشتر صورت گرفته است. در توجیه این تغییر و تنوع سالانه میتوان به نقش بارز پدیدهی النینو اشاره کرد. تلفیق پدیدهی گرمایش زمین و پدیدهی النینو و خروجی آن دو تحت مدل‌های عددی در سطح جهان نشان داده است که، بارندگی در مناطق مرطوب، بیشتر و در مناطق خشک، کمتر میشود (وسترا و همکاران[46]، 2013: 3916). این تأییدی بر مکانیسم مرطوب‌تر شدن مرطوب[47] است که در حوضهی آبریز هراز با توجه به مرطوب بودن منطقه قابل تعمیم است. ادغام ساز و کار «مرطوب‌ترشدن گرم‌تر» و «مرطوب‌تر شدن مرطوب» حدود ۸۰ درصد تغییرات بارندگی ناشی از گرمایش زمین را توضیح میدهد که در حوضهی آبریز هراز نیز مکانیسم مرطوب‌تر شدن گرم‌تر و مرطوب‌تر شدن مرطوب مشاهده گردید.
تحلیل همسازهای بارش حوضهی آبریز هراز
برای تحلیل دقیق‌تر تغییرات بارش حوضهی آبریز هراز چرخه‌های حاکم در هر ماه و فصل با استفاده از تحلیل طیفی مورد بررسی قرار گرفت. اساس روشهای تحلیل طیفی، تقسیم‌بندی تغییرپذیری سری‌های زمانی به اجزاء یا بخش‌های حاوی دوره‌های مختلف یا فرکانس است که به عنوان یکی از روشهای استخراج و تحلیل نوسانات آشکار و نهان طول موجهای مختلف، مطرح میباشد. جداول (4 تا 9) دوره نگار، طیف و فاصله اطمینان را برای سری‌های زمانی بارش حوضهی آبریز هراز در دوره‌های مختلف ارائه دادهاند.
جدول (4) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 99 درصد در مقیاس ماهانه
|
ماه |
شماره منحنی چرخهی معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
ژانویه |
28 |
49/0 |
2 |
|
فوریه |
3 |
05/0 |
19 |
|
مارس |
19 |
33/0 |
3 |
|
آوریل |
- |
- |
- |
|
می |
12 |
21/0 |
5 |
|
26 |
45/0 |
2 |
|
|
ژوئن |
- |
- |
- |
|
ژولی |
4 |
07/0 |
14 |
|
25 |
43/0 |
2 |
|
|
اوت |
4 |
07/0 |
14 |
|
سپتامبر |
1 |
017/0 |
57 |
|
23 |
40/0 |
2 |
|
|
اکتبر |
- |
- |
- |
|
نوامبر |
- |
- |
- |
|
دسامبر |
2 |
03/0 |
28 |
جدول (5) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 99 درصد در مقیاس سالانه و فصلی
|
دوره |
شماره منحنی چرخه معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
بهار |
- |
- |
- |
|
تابستان |
25 |
43/0 |
2 |
|
پاییز |
28 |
49/0 |
2 |
|
زمستان |
- |
- |
- |
|
سالانه |
28 |
49/0 |
2 |
تغییرات چرخه‌های بارش نشان میدهد که در فصول تابستان و پاییز در سطح اطمینان 99 درصد چرخه‌های 2 ساله بر بارش حوضهی مورد مطالعه حاکم بوده است این در حالی است که در فصول بهار و زمستان بارش در حوضهی آبریز هراز هیچ‌گونه چرخه‌ای نداشته است. بررسی چرخه‌های بارش برای متوسط سالیانه نیز حاکی از چرخه کوتاه‌مدت 2 ساله بوده است. تحلیل همسازهای بارش در حوضهی آبریز هراز در سطوح اطمینان 95 و 90 درصد نشان داد که علاوه بر چرخه‌های 2 ساله، چرخه‌های بلندمدت 5، 8، 14، 25 و 28 ساله هم بر بارش این منطقه از کشور حاکم بوده است. در مجموع میتوان گفت که بارش هراز در شمارهی چرخه‌های 5 و 8 با احتمال 49/0 دارای دورهی بازگشت کوتاه‌مدت 2 ساله است.
جدول (6) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 95 درصد در ماههای مختلف
|
ماه |
شماره منحنی چرخه معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
ژانویه |
6 |
10/0 |
9 |
|
14 |
24/0 |
4 |
|
|
22 |
38/0 |
2 |
|
|
28 |
49/0 |
2 |
|
|
فوریه |
3 |
05/0 |
19 |
|
4 |
07/0 |
14 |
|
|
مارس |
19 |
33/0 |
3 |
|
25 |
43/0 |
2 |
|
|
آوریل |
10 |
05/0 |
19 |
|
15 |
33/0 |
3 |
|
|
24 |
43/0 |
2 |
|
|
می |
12 |
21/0 |
4 |
|
26 |
45/. |
2 |
|
|
ژوئن |
3 |
05/0 |
19 |
|
22 |
38/0 |
2 |
|
|
26 |
45/0 |
2 |
|
|
ژولای |
4 |
07/0 |
14 |
|
25 |
43/. |
2 |
|
|
اوت |
4 |
07/0 |
14 |
|
سپتامبر |
1 |
01/0 |
57 |
|
4 |
07/0 |
14 |
|
|
23 |
40/0 |
2 |
|
|
اکتبر |
9 |
15/0 |
6 |
|
16 |
28/0 |
3 |
|
|
28 |
49/0 |
2 |
|
|
نوامبر |
1 |
01/0 |
57 |
|
7 |
12/0 |
8 |
|
|
دسامبر |
2 |
03/0 |
28 |
|
27 |
47/0 |
2 |
جدول (7) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 95 درصد در مقیاس فصلی و سالانه
|
دوره |
شماره منحنی چرخه معنیدار |
بسامد(احتمال) |
دوره بازگشت (سال) |
|
بهار |
11 |
19/0 |
5 |
|
26 |
45/0 |
2 |
|
|
تابستان |
4 |
07/0 |
14 |
|
25 |
43/0 |
2 |
|
|
پاییز |
2 |
03/0 |
28 |
|
7 |
12/0 |
8 |
|
|
28 |
49/0 |
2 |
|
|
زمستان |
3 |
05/0 |
19 |
|
14 |
24/0 |
4 |
|
|
سالانه |
28 |
49/0 |
2 |
در بین نتایج ارایه شده آنچه بیش از همه خودنمایی می‌نماید، چرخه‌های 2-3 ساله هستند. بررسی‌های یاخته‌های مورد نظر نشان میدهد که غالباً این چرخه‌ها در ارتفاعات دماوند و دامنههای مرتفع آن قابل رؤیت هستند. بیشتر دانشمندان این چرخه‌ها را به ال نینو- نوسانات جنوبی (ENSO[48])، تغییرات دوسالانه (QBO[49]) الگوی بزرگ‌مقیاس گردش عمومی جو، جریانات مداری و سایر فرایندهای جوی- اقیانوسی نسبت دادهاند. برای مثال، کانه و تگزیرا[50] (1991: 89) چرخه‌های 2-3 ساله در بارش ماساچوست، هارتمن و همکاران[51] (2002: 161) چرخه‌های 2-3 ساله را در چین و لانا و همکاران[52] (2005: 193) چرخه‌های 6/4 و 1/2 ساله بارش در ایستگاه فابرا[53] در شمال شرق اسپانیا را به تغییرات دوسالانه (QBO) و چرخه‌های 2/9 و 5/5 ساله را به نوسانات اطلس شمالی (NAO[54]) و چرخه‌های 8/11 ساله را به فعالیت لکه‌های خورشیدی نسبت دادهاند.
جدول (8) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح90درصد در ماههای مختلف
|
ماه |
شماره منحنی چرخه معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
ژانویه |
- |
- |
- |
|
فوریه |
3 |
05/0 |
19 |
|
4 |
07/0 |
14 |
|
|
22 |
38/0 |
2 |
|
|
23 |
40/0 |
2 |
|
|
مارس |
3 |
05/0 |
19 |
|
19 |
33/0 |
3 |
|
|
25 |
43/0 |
2 |
|
|
آوریل |
1 |
01/0 |
57 |
|
7 |
12/0 |
8 |
|
|
10 |
17/0 |
5 |
|
|
15 |
26/0 |
3 |
|
|
24 |
42/0 |
2 |
|
|
27 |
47/0 |
2 |
|
|
می |
12 |
21/0 |
4 |
|
26 |
45/0 |
2 |
|
|
ژوئن |
3 |
05/0 |
19 |
|
22 |
38/0 |
2 |
|
|
26 |
45/0 |
2 |
|
|
ژولای |
4 |
07/0 |
14 |
|
7 |
29/0 |
3 |
|
|
12 |
43/0 |
2 |
|
|
اوت |
4 |
07/0 |
14 |
|
سپتامبر |
1 |
01/0 |
57 |
|
4 |
07/0 |
14 |
|
|
23 |
40/0 |
2 |
|
|
25 |
43/0 |
2 |
|
|
اکتبر |
3 |
05/0 |
19 |
|
9 |
15/0 |
6 |
|
|
16 |
28/0 |
3 |
|
|
28 |
49/0 |
2 |
|
|
نوامبر |
1 |
01/0 |
57 |
|
2 |
03/0 |
28 |
|
|
7 |
12/0 |
8 |
|
|
12 |
21/0 |
4 |
|
|
20 |
35/0 |
2 |
|
|
28 |
49/0 |
2 |
|
|
دسامبر |
2 |
03/0 |
28 |
|
15 |
26/0 |
3 |
|
|
27 |
47/0 |
2 |
جدول (9) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 90 درصد در مقیاس فصلی و سالانه
|
دوره |
شماره منحنی چرخه معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
بهار |
- |
- |
- |
|
تابستان |
4 |
07/0 |
14 |
|
15 |
26/0 |
3 |
|
|
25 |
43/0 |
25 |
|
|
پاییز |
2 |
03/0 |
28 |
|
7 |
12/0 |
8 |
|
|
24 |
42/0 |
2 |
|
|
28 |
49/0 |
2 |
|
|
زمستان |
3 |
05/0 |
19 |
|
4 |
07/0 |
14 |
|
|
14 |
24/0 |
4 |
|
|
19 |
33/0 |
3 |
|
|
سالانه |
28 |
49/0 |
2 |
تورنس و وبستر[55] (1999: 2679) چرخه‌های 2-7 ساله را در بارش موسمی هند، گارسیا[56] و همکاران (2002: 78) چرخه‌های 7/2 ساله را در بارش شبه‌جزیره ایبری و آزاد و همکاران (2010: 2290) چرخه‌های 3-5 ساله را در بارش موسمی هند ناشی از تأثیر پدیده انسو دانسته‌اند. سلوام و جلوشی[57] (1995: 613) چرخه‌های 7-2 ساله و چرخه‌های 3-2 ساله را در دمای سطح زمین کشف کردند. ایشان به ترتیب این چرخه‌ها را به انسو و تغییرات دوسالانه نسبت دادهاند. همان‌طور که مشاهده شد، چرخه‌های کوتاه‌مدت 2 تا 4 ساله و 3-5 ساله بیشترین حاکمیت را بر بارش حوضهی آبریز هراز داشته‌اند که این نوع چرخه‌ها را میتوان به رخداد النینو نسبت داد. بیشتر پژوهشگران چرخه‌های 2 تا 4 ساله را به النینو- نوسانات جنوبی (ENSO) (هولرینگ و کومار، 2003؛ اسچیبورت و همکاران[58]، 2009) و تغییرات دوسالانه (QBO) الگوی بزرگ‌مقیاس گردش عمومی جو و جریانات مداری و سایر فرایندهای جوی- اقیانوسی نسبت دادهاند (گارسیا[59] و همکاران، 2002: 77-95، هارتمن[60] و همکاران، 2008:156 ، کوک و همکاران[61]، 2011a,b).
بررسی چرخه‌های بارش طی دوره‌های مورد مطالعه (2007-1951 میلادی) در سطوح اطمینان سه‌گانهی 90، 95 و 99 درصد نشاندهندهی چندین الگوی مختلف بارش میباشد که یکی از آنها، چرخه‌های 11-5 ساله میباشد. بر این اساس در سطح 99 درصد ماه می با دوره بازگشت 5 ساله؛ در سطح 95 درصد ماه ژانویه با دورهی بازگشت 9 ساله، اکتبر با دوره بازگشت 6 ساله و نوامبر با دورهی بازگشت 8 ساله و در سطح 90 درصد ماه آوریل دارای دوره‌های بازگشت 8 و 5 ساله، اکتبر دارای دورهی بازگشت 6 ساله و نوامبر دارای دورهی بازگشت 8 ساله میباشد. تغییرپذیری درون دهه‌ای (دهه به دهه) فقط برای ماه‌ها و یا فصولی که چرخه‌های 11 سال به بالا دارند، قابل‌مشاهده است (مانند ماههای ژولای، اوت و سپتامبر در سطح اطمینان 99 درصد). مـطالعهای که توسط جهانـبخش و عدالتدوست (1387) در شـمال غرب ایران انـجام شده است
نشان داده است که چرخه‌های نامبرده مبین تأثیر فعالیت لکه (کلف)های خورشیدی است که با نتایج پژوهش حاضر نیز همخوانی دارد. نتایج نشان میدهند نوسانات اطلس شمالی تابعی از عملکرد لکه‌های خورشیدی است. همچنین بررسی‌ها مؤید این امر است که چرخه‌های غیرسینوسی (روند) نیز در سری زمانی بارش منطقهی مورد مطالعه با توجه به مشاهده چرخه‌های درون دهه‌ای 20 تا 40 ساله در پهنهی مورد مطالعه قابل استنباط است.
ارزیابی چرخه‌های بارش حوضهی آبریز هراز نشان داد که مقدار بارش تحت تأثیر نوسانات کوتاه‌مدت است؛ همچنین مشخص شد که تغییرات غیرخطی نوسانات بارش به عنوان تابعی از جریان جو، میزان بارش را تحت تأثیر قرار میدهد. تغییرات بارش حوضهی آبریز هراز همچون تغییرات بارش تمامی پهنهی سیاره از الگوی زمانی- مکانی متنوعی پیروی میکند. بررسی‌های چرخه‌ها نشان داده است پدیده‌های النینو- نوسانات جنوبی و تغییرات دوسالانه بیشترین تأثیر را بر بارش‌های جنوب حوضهی آبریز هراز و به طور کلی جنوب استان مازندران داشته‌اند که با نتایج مریانجی (1391) همخوانی دارد. همچنین مشخص‌شده است ترابری رطوبت و کوه‌های البرز به عنوان مهم‌ترین ساز و کار بارش و تغییرات آن در منطقه است.
نتیجه‌گیری
به طور کلی، تحلیلهای آماری و مکانی- زمانی رویدادهای بارش ابزار مناسبی هستند که می‌توانند شناخت خوبی از شرایط بارش منطقه ارائه کنند. برخی از یافته‌های اصلی پژوهش حاضر بدین شرح است:
علی‌رغم وجود متغیرهای بارش متفاوت در نواحی مختلف، توزیع چگالی احتمال فراوانی رویدادهای بارش در همه ماههای سال در منطقهی مورد مطالعه، دارای چولگی مثبت و کشیدگی بیشتر از نرمال است. به عبارت دیگر، تراکم نسبی رویدادها پیرامون مرکز توزیع، بیشتر است. نتایج نشان داد که وضعیت ضریب تغییرات بارش در سطح حوضه در ماههای گرم سال نسبت به دورهی سرد سال بیشتر بوده است، به طوری که ژوئیه در فصل تابستان بیشترین ضریب تغییرات بارش را با 66/102 درصد داشته است. تحلیل ماهانهی فراوانی رویدادهای بارش در این منطقه نشان میدهد که شاخص پراکندگی بارش از ماه ژانویه تا آوریل یک روند افزایشی و در ماههای دیگر (به استثنای ژوئیه و اکتبر) روندی کاهشی دارد که همین شرایط برای واریانس بارش نیز مشاهده شده است که به خوبی ناهنجاری بالای بارش در سطح حوضه را در طول سال نمایان ساخته است. نتایج شاخص ICF که اندازه خوشه‌های بارش را در سطح حوضه نشان میدهد که در فصل زمستان بزرگ‌ترین خوشه‌های بارش در حوضهی آبریز هراز ایجاد می‌شوند که نشاندهندهی نظم نسبی بارش در منطقهی مورد مطالعه میباشد. نتایج حاصل از روشهای ارزیابی روند با دو آزمون شیب سنس و من-کندال نشان داد که هر چند نشانه‌هایی از روند کاهشی (سه ماه فوریه، مارس و آوریل در آزمون من-کندال و شیب سنس) و افزایشی (9 ماه دیگر سال) در بارش‌های حوضه مشاهده میشود، اما از بین این روندهای کاهشی و افزایشی، تنها دو ماه سپتامبر و اکتبر از نظر آماری در سطح معنیدار 5 درصد معنادار بوده‌اند. به طور کلی بارش حوضهی آبریز هراز در مقیاس سالانه بر اساس نتایج آزمون شیب سنس افزایش 67/7 میلیمتری در دهه داشته است. بر این اساس در طول دورهی 57 ساله، بارش سالانه حوضهی آبریز هراز افزایش 719/43 میلیمتری داشته است. از آنجا که سه ماه فوریه، مارس و آوریل از پربارش ترین ماههای سال هستند و روند کاهشی داشته‌اند، به معنی کاهش بارش فصل سرد و افزایش بارش فصل گرم در منطقهی مورد مطالعه است و همین خود دلیل قوی بر تغییر نامطلوب بارش در حوضهی مورد مطالعه است که می‌تواند خطرات جدی برای فرسایش، سیلخیزی و مدیریت منابع آب در پی داشته باشد.
تحلیل طیفی بارش در حوضهی آبریز هراز نشان داد که بارش در این پهنه دارای چرخه‌های نوسانی معنیدار 3-2، 5-3، 11-5 و 11 سال به بالاست. چرخه‌های 11-5 ساله بیشترین گستره را در برداشته است. ورود این چرخه‌ها را به تأثیر عوامل کلان‌مقیاس جوی- اقیانوسی نسبت دادهاند. به عنوان مثال همان‌طور که در متن نیز بدان اشاره شده است، چرخه‌های 3-2 ساله را عمدتاً به تغییرات دو سالانه (QBO) الگوی بزرگ‌مقیاس گردش عمومی جو و جریانات مداری و چرخه‌های 5-3 ساله را به پدیدهی انسو نسبت دادهاند. تغییرات بارش منطقهی هراز واقع در جنوب استان مازندران همچون تغییرات بارش تمامی پهنهی سیاره از الگوی زمانی- مکانی متغیر و متنوعی پیروی میکند. روند غالب در پهنهی پژوهش حاضر را روند افزایشی تشکیل میدهد؛ که در توجیه علت این روند افزایشی میتوان به نقش ساز و کارهای مرطوب‌تر شدن گرم‌تر و مرطوب‌تر شدن مرطوب اشاره کرد. تغییرات غیرخطی نوسانات بارش به عنوان تابعی از جریان جو میزان بارش را تحت تأثیر قرار میدهد. بررسی چرخه‌های بارش مبین این امر است که رشته کوه‌های البرز به عنوان مهم‌ترین ساز و کار بارش و تغییرات آن در منطقه عمل میکند.
تقدیر و تشکر
مقالهی حاضر مستخرج از پایاننامهی مقطع کارشناسی ارشد رشته آب و هواشناسی کاربردی دانشگاه حکیم سبزواری با عنوان «ارزیابی سیلخیزی با استفاده از مدل ریاضی HEC-HMS، تحلیلهای آماری و GIS در حوضهی آبخیز هراز» میباشد. جا دارد از زحمات مسئولان زحمتکش دانشکده جغرافیا و علوم محیطی و کلیه اساتید محترم بخصوص اساتید راهنمایم آقایان غلام عباس فلاح قالهری و مختار کرمی و استاد مشاورم جناب آقای دکتر محمد باعقیده کمال تقدیر و تشکر را به عمل آورم.
[1]- Mosmann et al.,
[2]- Shifteh Some’e et al.,
[3]- Duhan and Pandey
[4]- Kahya Kalayci
[5]- Zhang et al.,
[6]- Liang et al.,
[7]- Tang et al.,
[8]- Some'e et al.,
[9]- Duhan and Pandey
[10]- Tomozeiu
[11]- Emprical Orthogonal Functions(EOF)
[12]- Emilia Romagna
[13]- Gemmer et al.,
[14]- Marengo et al.,
[15]- Tosic´ and M. Unkasevic
[16]- Aphrodite
[17]- Yatagani and et al.,
[18]- Sen’s Slope Estimator Nonparametric Method
[19]-Vivekananda
[20]- Sign Function
[21]- Richard
[22]- Mann-Kendall
[23]- Index of Dispersion (ID)
[24]- Index of Cluster Size (ICS)
[25]- David and Moore
[26]- Green’s Index (GI)
[27]- Green
[28]- Index of Cluster Frequency (ICF)
[29]- Douglas
[30]- Index of Mean Crowding (IMC)
[31]- Lloyd
[32]- Index of Patchiness (IP)
[33]- Morisita’s Index (IM)
[34]- Morisita
[35]- fourier series
[36]- Periodic
[37]- Amplitude
[38]- Frequency
[39]- Maslen and Rockmore
[40]- Periodogram
[41]- Mitchell et al.,
[42]- Intergovernmental Panel on Climate Change
[43]- Westra et al.,
[44]- warmer-gets-wetter
[45]- Tan et al.,
[46]- Westra etl al.,
[47]- wet-gets-wetter
[48]- EL Nino Southern Oscillation(ENSO)
[49]- Quasi Binomial Oscillation(QBO)
[50]- Kane and Teixeira
[51]- Hartman et al.,
[52]- Lana et al.,
[53]- Fabra
[54]- North Atlantic Oscillations(NAO)
[55]- Torrence and Webster
[56]- Garcia et al.,
[57]- Selvam and Joshi
[58]- Schubert
[59]- Garcia et al.,
[60]- Hartman et al.,
[61]- Cook and et al.,
مقدمه
تغییر اقلیم از طریق ردیابی مشخصاتی نظیر کمیت و الگوی زمانی– کانی عناصر اقلیمی قابل مطالعه است. در این میان مطالعهی بارش از رواج زیادی برخوردار است. بارش به عنوان یکی از عناصر بنیادی اقلیم به ویژه طی قرن بیستم در عرض‌های میانه و بالای نیمکره شمالی در حدود 1/0 درصد افزایش یافته است. از طرف دیگر در خشکی‌های جنب حاره (عرض‌های 30-10 درجه شمالی) روند بارش در حدود 3/0 درصد کاهش یافته و در نواحی حاره، افزایش نسبی بارش در حدود 2/0 تا 3/0 درصد بوده است (موسمان و همکاران[1]، 2004: 44). به تعبیری دیگر میتوان اذعان داشت که یکی از رفتارهای بارندگی که طی دهه‌های گذشته نمایان‌تر شده است، تغییر و جابجایی رژیم آن است که بـه صورت تغییر در مقدار بارنـدگی، زمان و تداوم رویداد بارش نمایان میشود (شیفته سومی و همکاران[2]، 2012: 9؛ دوهان و پاندی[3]، 2013: 138). عناصر آب و هوایی با تغییرات کمی و کیفی خود اوضاع محیطی را تحت تأثیر قرار میدهند. این اثرات هر چند که ممکن است بطئی و تدریجی باشند، لیکن می‌توانند پیامدهای زیادی به دنبال داشته باشند. با شناخت ویژگیهای آب و هوائی میتوان قابلیت‌های سازگاری انسان در محیط را ارزیابی کرد و متناسب با شرایط اقلیمی اشکال مطلوب ساخت‌های فضائی را با ابزار متناسب به وجود آورد (رزمی، 1389: 14). در یک نگاه منطقی، اقلیم و تغییرات آن بخصوص تغییرپذیری بارش می‌تواند سبب آسیب‌پذیری بیشتری به حیات بشر و همچنین بخش‌های آب و کشاورزی باشد (مریانجی، 1391: 45). وجود دوره یا سال‌هایی که طی آن بارشی کمتر یا بیشتر از میانگین ثبت میشود، یک خصیصهی شناخته شده در اقلیم اکثر مناطق کرهی زمین میباشد. از آنجا که شرایط آب و هوایی هر منطقه‌ای تابع متغیرهای زیادی است و این متغیرها هر ساله از شرایط و مقدار ثابتی برخوردار نیست، وجود نوسان در بارش مناطق مختلف را میتوان امری بدیهی و اجتناب‌ناپذیر به حساب آورد. همچنین آب و هوای کرهی زمین در طول قرن بیستم به ویژه در دو دههی اخیر تعادل خود را از دست داده و تمایل به افزایش دما نشان داده است که به طور بالقوه می‌تواند منجر به تغییر چرخهی آب و بارش شود و ناهنجاری‌های هیدرولوژیک همچون خشکی‌ها و سیل را سبب شود (رزمی، 1389: 27).
با توجه به مطرح شدن بحث تغییر اقلیم و تغییرات زمانی و مکانی عنصر بارش تا کنون از سوی محققان پژوهش‌های متعددی با استفاده از روشهای پارامتری و نا پارامتری انجام شـده است که از جمله مـی‌توان بـه
پژوهش‌های (کاهیا و کالایکی[4]، 2004؛ زانگ و همکاران[5]، 2006؛ لی یانگ و همکاران[6]، 2010؛ تانگ و همکاران[7]، 2011؛ شیفته سومئی و همکاران[8]، 2012؛ دوهان و پاندی[9]، 2013) اشاره کرد. توموزیو و همکاران[10] (2000) با استفاده از روش من-کندال و توابع تجربی متعامد[11]، تغییرپذیری میانگین بارندگی تابستانه را در امیلیا روماگنا[12] در ایتالیا بررسی کردند. مطالعات آنها نشان داد که همهی ایستگاه‌ها دارای روند کاهشی در بارندگی تابستانه می‌باشند. گمر و همکاران[13] (2004) روند تغییرات بارش ماهانهی چین را مورد مطالعه قرار دادند و نشان دادند که تعداد، توزیع و کاهش روندها از ماهی به ماه دیگر متفاوت است. مارنگو و همکاران[14] (2004) الگوهای بلندمدت و دهه‌ای بارش در حوضهی آمازون را تجزیه و تحلیل کردند و به این نتیجه رسیدند که کل بارندگی در این منطقه دارای روندی منفی میباشد، اما این روند از توزیع مکانی ناهمگون برخوردار بوده است، برای مثال بخش شمالی حوضه دارای روندی منفی و بخش جنوبی دارای روندی مثبت میباشد. توشیج و انکاشویچ[15] (2005) با استفاده از روش تجزیه و تحلیل طیفی، تغییرات سری‌های زمانی بارش ماهانه، فصلی و سالانه ایستگاه بلگراد را مورد ارزیابی قراردادند. نتایج نشان داد که تغییرات بارش با دورهی بازگشت دو ساله در ایستگاه بلگراد وجود دارد.
در ایران نیز رزمی (1389) در پایاننامهی کارشناسی ارشد خود به ارزیابی تغییر رژیم بارندگی آذربایجان ایران پرداخت، روش اصلی به کار گرفته شده در پژوهش وی، روش تحلیل همسازها بوده است. بر اساس تحلیل همسازها مشخص گردید که دو سامانهی همدید- محلی تا بیش از 90 درصد بارش آذربایجان را توجیه می‌کنند. کمترین سهم بارش حاصل از سامانههای همدید در شمال شرق رخ میدهد. مریانجی (1391) در رساله دکتری خود تغییرپذیری بارش ایران را مورد بررسی قرار داد. نتایج پژوهش وی نشان داد که روند سالانه بارش در 54 درصد از مساحت کشور دارای روند مثبت با میانگین 72/1 میلی‌متر بوده است. در نهایت نتایج تحلیل خوشهای نشان داد که تغییرپذیری بارش کشور در 5 گروه عمده قابل طبقه‌بندی میباشد. فرسادنیا و همکاران (1391) به بررسی تحلیل روند بارندگی در استان مازندران با استفاده از روش من-کندال منطقه‌ای پرداختند. نتایج پژوهش آنان نشان داد که بررسی وجود روند در سری زمانی میانگین بارش سالانه در کل استان مازندران دارای روند صعودی در سطح معنیدار 1% است. در پژوهش حاضر ضمن بررسی ویژگیهای عمومی بارش حوضهی آبریز هراز سعی شده است روند دادههای بارش و دورهی بازگشت بارش در مقیاس‌های ماهیانه، سالانه و فصلی نیز مورد ارزیابی قرار گیرد تا بتوان بر اساس دوره‌های بازگشت و سامانههای مؤثر در بارش منطقه، پیش‌آگاهی مناسبی به جهت مدیریت سیلاب ارائه گردد.
مواد و روشها
منطقهی مورد مطالعه در پژوهش حاضر، حوضهی آبریز هراز در جنوب استان مازندران میباشد. این منطقه از نظر تقسیمات سیاسی جزو شهرستان آمل میباشد. وسعت حوضهی آبریز هراز، 200051 هکتار است. محیط حوضهی هراز بـرابـر با 5/296062 کیلومتر، حداقل ارتفاع حوضه 200 متر و حداکثر ارتفاع آن 5600 متر میباشد. تـمامی رودخانههای حوضه به رودخانهی هراز منتهی مـی‌گردد. از مهم‌ترین رودخانههای حوضه میتوان بـه رودخانههای آخنسر، شیرکلارود و نمارستاق اشاره کرد. از ارتفاعات مهم حوضهی کوه‌های دماوند که مرتفع‌ترین منطقه در حوضه به شمار می‌آید و نیز شیمکوه و کوه امامزاده قاسم اشاره نمود. مراکز مهم مسکونی حوضهی آبریز هراز عبارت‌اند از پلور، نشل، تیران، رینه، کندوا، آب اسک، گزنک، بایجان، بلقلم و... اشاره کرد. شکل (1) موقعیت مطالعاتی هراز را نسبت به استان مازندران و کل کشور نشان میدهد.
شکل (1) موقعیت منطقهی مورد مطالعه
جنوب استان مازندران سرزمینی ناهموار است و همین عامل به همراه چندین عامل دیگر موجب تغییرپذیری بارش در استان مازندران و بخصوص مناطق جنوبی آن میشود. با توجه به ویژگیهای اقلیمی خاص استان مازندران و اهمیت بارش در مدیریت منابع آب نیاز به مطالعات در مورد بارش و رفتارهای آن به شدت احساس میشود. اما در سطح استان مازندران دسترسی به دادههای بلندمدت بارش با گسترهی وسیع مسیر نیست. هم اکنون 15 ایستگاه همدید در استان مازندران وجود دارد که کمتر از یک سوم آنها آمار بلندمدت (30 ساله و یا بیشتر) متغیرهای هواشناسی را در اختیار دارند که با توجه به گسترهی وسیع استان، این تعداد ایستگاه برای بررسی تغییرات بارش که خود سرکش‌ترین عنصر اقلیمی به شمار می‌رود و همچنین دارای نوسان مکانی - زمانی زیاد است؛ کافی نیست. افزون بر مشکلاتی که جهت دسترسی به دادههای بلند مدت اشاره شد؛ بخش اعظم منطقهی مورد مطالعه را مناطق مرتفع تشکیل میدهد (قرارگیری بخشی از مناطق شرقی قلهی دماوند و ارتفاعات شمالی و جنوبی آن) و با توجه به اینکه در نواحی با ارتفاع بیش از 2600 متر (کانون‌های آبگیر کشور)، فاقد ایستگاههای سنجش و اندازه‌گیری بارش هستیم. همچنین نواحی مجاور که از تباین اقلیمی بالایی برخوردارند (دامنههای شمالی- جنوبی البرز) از توزیع مناسب ایستگاه برخوردار نیستند (عساکره، 1387: 25). در این پژوهش با استفاده از بروندادهای یاختهای بارش پایگاه آفرودیت[16]، به ارزیابی تغییرات زمانی- مکانی بارش ماهیانهی حوضهی آبریز هراز پرداخته شده است. دادههای این پایگاه با بازهی مکانـی خاورمیانه و جـنوب شرق آسیا و بازهی زمانی 1/1/1951 تا 31/12/2007 مـیلادی و تفکیک مکانی 25/0×25/0 و 5/0×5/0 درجـه در تـارنمای ایـنترنتی (http://www.chikyu.ac.jp/precip/index.html) موجود می‌باشند (یاتاگانی و همکاران[17]، 2012: 1407). در مطالعهی حاضر دادههای منطقهی خاورمیانه (APHRO_ME) از آخرین محصول پایگاه داده APHRODITE تحت عنوان v1101، با قدرت تفکیک 25/0×25/0 و فرمت ".nc" NetCDF از سایت مربوطه اخذ گردید. لازم به ذکر است کنترل کیفی بر روی دادههای فوق انجام شده است. در مرحلهی بعد با استفاده از تکنیکهای زمین آمار و روش کریجینگ، یاختهای به ابعاد 15×15 کیلومتر مربع بر منطقهی مورد مطالعه گسترانیده شد. حال به جای انجام تحلیل بر روی گرهگاهای 25/0×25/0 درجه و انتساب نتایج به دست آمده به پهنهی مورد مطالعه؛ از دادههای ریزمقیاس نمایی شده با تفکیک فضایی 15×15 کیلومتر استفاده شده است.
ارزیابی روند داده‌ها
جهت برآورد شیب واقعی یک روند در یک سری زمانی، استفاده از روش ناپارامتریک سنس[18] می‌تواند یکی از روشهای مناسب در این زمینه باشد. این روش ابتدا توسط تیل در سال (1950) ارائه و سپس توسط سن در سال (1968) بسط و گسترش داده شد. روش حاضر همانند بسیاری دیگر از روشهای ناپارامتریک همچون من-کندال بر تحلیل تفاوت بین مشاهدادت سری زمانی استوار است. این روش زمانی می‌تواند مورد استفاده قرار گیرد که روند موجود در سری زمانی یک روند خطی باشد. این بدین معناست که در رابطهی (1) برابر است با:
|
رابطهی (1) |
در رابطهی (1) ، شیب‌خط روند و ، مقدار ثابت است. جهت محاسبه شیب خط روند یعنی، ابتدا بایستی شیب بین هر جفت داده مشاهداتی، با استفاده از رابطهی (2) محاسبه گردد:
|
رابطهی (2) |
در رابطهی (2) است. در این رابطه و به ترتیب دادههای مشاهداتی در زمان‌های و است. با اعمال این رابطه برای هر جفت داده مشاهده‌ای، یک شیب به دست می‌آید. با قرار دادن این شیب‌ها در کنار یکدیگر یک سری زمانی از شیب‌های محاسبه شده حاصل می‌آید. یعنی اگر تعداد در سری زمانی وجود داشته باشد (در این تحقیق) ما به اندازهی برآورد شیب خواهیم داشت. در مرحلهی بعد سری زمانی مورد مطالعه به دست می‌آید. برای این کار تعداد از ها از کوچک به بزرگ مرتب می‌شوند و سپس با استفاده از یکی از رابطههای زیر اقدام به تعیین میانهی سری زمانی می‌گردد. اگر تعداد مشاهدات سری زمانی مورد مطالعه فرد باشد، از رابطهی (3) و اگر زوج باشد از رابطهی (4) استفاده می‌گردد (ویوکاناندان[19]، 2007: 104):
|
رابطهی (3) |
|
|
رابطهی (4) |
نتیجهی حاصل از این رابطه، به دست آمدن شیب‌خط روند است. اگر شیب خط روند مثبت باشد، حاکی از صعودی بودن روند و اگر منفی باشد، دال بر نزولی بودن روند است. در گام بعدی، آزمون نمودن شیب به دست آمده در فاصله اطمینان 95 درصد است. جهت انجام این آزمون از رابطهی زیر استفاده می‌گردد:
|
رابطهی (5) |
در رابطهی (5) عبارت است از آماره توزیع نرمال استاندارد در یک آزمون دوطرفه که برای سطح اطمینان 95 درصد برابر با است و نیز واریانس پارامتر است. جهت به دست آوردن مقدار پارامتر و همچنین مراحل زیر بایستی پیموده شود:
الف) محاسبه اختلاف بین تک تک جملات سری با همدیگر و اعمال تابع و استخراج پارامتر :
|
رابطهی (6) |
در رابطهی (6) تعداد مشاهدات سری (در این تحقیق برابر با 57 سال)، و نیز به ترتیب داده‌هایام و ام سری می‌باشند.
ب) محاسبهی تابع علامت[20] (ریچارد[21]، 1987: 25) که به صورت تابع 7 قابل محاسبه است:
|
رابطهی (7) |
ج) محاسبه واریانس توسط یکی از روابط زیر. اگر تعداد دادههای سری زمانی بزرگ‌تر از 10 مورد باشد از رابطهی 8 و اگر کوچک‌تر از 10 باشد، از رابطهی 9 بهره گرفته میشود:
|
رابطهی (8) |
|
|
رابطهی (9) |
در رابـطهی 8 و 9، تعداد دادههای مشاهداتی، تعداد سریهائی است که در آنها حداقل یک دادهی تکراری وجود دارد و نیز بیانگر فراوانی دادههای با ارزش یکسان میباشد و در نهایت حدود اعتماد بالا و پایین به کمک روابط زیر محاسبه می‌گردد:
|
رابطهی (10) |
در رابطهی (10) تعداد شیبهائی است که از طریق رابطهی (2) به دست آمده است. حال امین و امین شیب‌ها را از بین شیب‌های محاسبه شده استخراج مینمائیم. در صورتی که عدد صفر در دامنهی بین دو شیب استخراج شده فوق قرار گیرد، فرض صفر پذیرفته شده و عدم وجود روند در سری داده‌ها تأیید می‌گردد. در غیر این صورت فرض صفر رد شده و وجود روند در سطح اطمینان مورد آزمون پذیرفته می‌گردد. در نهایت جهت به دست آوردن مقداردر رابطهی 1، تعداد تفاضل محاسبه میشود. سپس میانه این مقادیر، برآورد را در اختیار می‌گذارد.
در پژوهش حاضر برای ارزیابی روند دادههای بارش حوضهی آبریز هراز، از آزمون ناپارامتریک من-کندال[22] نیز استفاده شده است. این آزمون ابتدا توسط من (1945) ارائه و سپس توسط کندال (1975) تکامل یافت. این روش نیز همانند آزمون شیب خط سنس در مباحث علوم محیطی به طور گسترده‌ای کاربرد دارد. در آزمون من-کندال نمره از رابطهی 11، محاسبه می‌گردد:
|
رابطهی (11) |
در رابطه (11) نشانهی تفاوت مقادیر با یکدیگر و واریانس است:
|
رابطهی (12) |
|
|
رابطهی (13) |
که تعداد مشاهدات سری (در این تحقیق برابر با 57 سال)، و نیز به ترتیب داده‌هایام و ام سری می‌باشند. تابع علامت است که شرح آن در رابطهی (7) آمده است. عاملی مربوط به تصحیح پراش است. در صورتی‌که دادههای تکراری در اطلاعات وجود داشته باشد از رابطهی (14) استفاده میشود:
|
رابطهی (14) |
در رابطهی (14) تعداد دادههای مشاهده شده و معرف تعداد سری‌هایی است که در آنها حداقل یک دادهی تکراری وجود دارد.
آماره‌های پراکندگی
در پژوهش حاضر برای بررسی ساختار مکانی یاخته‌های بارش حوضهی آبریز هراز، از آماره‌های پراکندگی استفاده شده است. آماره‌های پراکندگی استفاده شده عبارت‌اند از: شاخص پراکندگی[23]، شاخص تجمع، شاخص گرین، شاخص فرکانس خوشه، شاخص تراکم میانگین، شاخص لکه‌ها و شاخص موریسیتا. شاخص پراکندگی نسبت واریانس به میانگین را بررسی میکند. اگر دادههای مورد مطالعه از توزیع تصادفی پیروی کنند انتظار می‌رود ID برابر یک باشد. این آماره از توزیعبا درجه آزادی پیروی میکند (رابطهی 15 را ملاحظه نمایید). شاخص تجمع[24] (دیوید و مور[25]، 1954: 50) تابع مستقیم از شاخص پراکندگی است. اگر دادههای مورد مطالعه از توزیع تصادفی پیروی کنند، انتظار می‌رود این شاخص برابر صفر باشد. مقادیر ارزشی مثبت در این آماره حاکی از خوشهای بودن داده‌ها و مقادیر ارزشی منفی بیانگر ناخوشه بودن داده‌ها میباشد (رابطهی 16). آماره گرین[26] (گرین[27]، 1966) در حقیقت اصلاح شده شاخص تجمع میباشد که مستقل از N است. در این آماره ارزش عددی صفر برای توزیع‌های تصادفی و مقادیر ارزشی یک برای توزیع‌های با حداکثر خوشه است (رابطهی 17):
|
رابطهی (15) |
|
|
رابطهی (16) |
|
|
رابطهی (17) |
شاخص فرکانس خوشه[28] (داگلاس[29]، 1975: 403) معیاری برای اندازه‌گیری خوشه بر اساس تابع K با استفاده از توزیع دوجمله‌ای منفی است (رابطهی 18). شاخص تراکم میانگین[30] (لوید[31]، 1967: 9) متوسط تعداد نقاط موجود در منطقهی مورد مطالعه است که به طور تصادفی از یک نقطه سنجش میشود (رابطهی 19):
|
رابطهی (18) |
|
|
رابطهی (19) |
شاخص لکه‌ها[32] (لوید، 1967: 14) شدت الگوی تأثیرپذیر را مورد مطالعه قرار میدهد (رابطهی20). شاخص موریسیتا[33] (موریسیتا[34]، 1959: 13) احتمال مقیاسبندی خوشه‌های دو یاخته از کل یاخته‌های مورد مطالعه را مورد ارزیابی قرار میدهد (رابطهی 21):
|
رابطهی (20) |
|
|
رابطهی (21) |
علاوه بر موارد فوق، ضریب چولگی (g1) و ضریب درجهی اوج (g2) نیز برای هر یک از ماههای مورد مطالعه به طور جداگانه با استفاده از رابطهی 22 محاسبه شده است:
|
رابطهی (22) |
تکنیک تحلیل طیفی (تحلیل سری‌های فوریه[35])
برای بـررسی چرخه‌های بارش حوضهی آبـریز هراز از روش تحلیل طیفی استفاده شد. در تـکنیک تحلیل
طیفی ابتدا سری‌های زمانی به تابع فرکانسی (به صورت تابعی دوره‌ای[36] با دامنه[37] و فراوانی[38]) تبدیل شد. روشهای پرشمار و متنوعی برای تبدیل سری‌های بسامد وجود دارد (عساکره و رزمی، 1391: 152). یکی از روشهای ساده و کارآ، روش همسازهاست. در این روش سری زمانی به طول ، به فرم یک مدل فوریه و به شکل رابطهی (23) نوشته میشود (ماسلن و روکمور[39]، 1997: 200).
|
رابطهی (23) |
که در آن و ضرایب فوریه خوانده می‌شوند و از طریق روش کمترین مربعات خطا قابل برآورد هستند. و فراوانی تکرار مشاهدات (عکس دوره بازگشت) است و با نشان داده میشود. واریانس برای فرکانس و طول دوره آماری از رابطهی (24) به دست می‌آید:
|
رابطهی (24) |
نموداری که مقادیر را در مقابل نشان میدهد، دوره نگار[40] نامیده می‌شد. از آنجا که دوره نگار نسبتی از توزیع واریانس در فرکانس‌های بنیادی و برآوردی پر افت و خیز از طیف است، برای کاهش واریانس، اریبی و ایستاسازی این برآورد، باید آن را در مجاورت فرکانس مورد نظر و به وسیلهی صافی‌های مناسب هموار ساخت. به عبارت دیگر دوره نگار هموار شده، برآوردی از طیف جامعه است که حاصل میانگین موزن مقدار راست و چپ فرکانس مورد نظر میباشد (گلدسته، 1377: 245-246). یکی از روشهای ساده و مناسب برای هموارسازی دادههای سالانه به وسیلهی میتچل و همکاران[41] (1966: 34) معرفی شد. در این رویه، دوره نگار با یک میانگین متحرک موزون سه‌جمله‌ای هموار میشود.
بحث و نتایج
مشخصات آماری بارش حوضهی آبریز هراز
جدول (1) بعضی از مشخصات آماری بارش را طی ماههای مختلف نشان میدهد. مطابق این جدول بیشترین میانـگین بارش با 99/54 مـیلی‌متر در ماه مارس رخ داده است. کـمترین مـقدار بـارش بـه میزان 46/16 میلیمتری در ژوئیه اتفاق افتاده است. این در حالی است که بیشترین ضریب تغییرات بارش نیز با 66/102 در ماه ژوئیه اتفاق افتاده است. چولگی و توزیع ضریب چولگی (g1) بارش در همهی ماه‌ها مثبت بوده است. سامانههای بارشزا با توجه به شرایط دینامیک و ترمودینامیک و بسته به موقعیت جغرافیایی خود، در برخورد با شرایط متفاوت محلی می‌توانند نواحی بارشی متفاوتی ایجاد کنند (غیور و همکاران، 1390: 19). لذا مقدار بارش دارای شاخص‌های آماری متفاوتی خواهد بود. همان‌طور که در جدول (1) نیز مشخص میباشد، بیشترین مقدار عددی شاخص g2 (ضریب درجه اوج) مربوط به ماه ژوئیه (26/10) و کمترین مقدار آن متعلق به ماه سپتامبر (32/5) بوده است. ضریب درجهی اوج نشاندهندهی تفاوت مکانی بارش میباشد. دلیل بالاتر بودن شاخص درجه اوج در ماه ژوئیه ناشی از تفاوت مکانی بالای بارش میباشد. علت کاهش شدید شاخص با شروع فصل پاییز را میتوان با فرارفت رطوبت بیشتر همزمان با تقویت و نفوذ زبانه‌های پرفشار سیبری نسبت داد که با مطالعات علیجانی (1389) نیز همخوانی دارد. همرفت محلی در منطقهی مورد مطالعه در فصول انتقالی که رطوبت حاصل از سامانههای مدیترانهای هنوز در محیط وجود دارد، نیز می‌تواند در تغییرات مکانی بارش منطقه موثر باشد. اطلاعات کامل مشخصه‌های آماری هر یک از ماههای سال در دورهی آماری 57 ساله در جدول (1) آمده است.
آماره‌های پراکندگی بارش در حوضهی آبریز هراز
جدول (2) مشخصات آماره‌های پراکندگی بارش را طی ماههای مختلف نشان میدهد. بر اساس شاخص ID ماههای ژوئیه و اکتبر بالاترین مقادیر عددی را نشان دادهاند. این شاخص به‌خوبی ناهنجاری مکانی بارش حوضهی مورد مطالعه را نشان داده است، به طوری که در ماههای نامبرده ایستگاه کره سنگ به نمایندگی از مناطق شمالی حوضه در مقایسه با ایستگاه پلور به نمایندگی از مناطق جنوبی حوضه در یک فاصله کمتر از 60 کیلومتری، اختلاف 10 میلیمتری دارند. همان‌گونه که در جدول (2) نشان داده شده است، شاخص ICS برای هر 12 ماه مورد مطالعه مثبت و بالای 4 بوده است که نشاندهندهی الگوی خوشهای بالای بارش در حوضه میباشد. شاخص‌های GI تبیین‌کنندهی همین امر میباشد. شاخص ICF نیز اندازهی خوشه را نشان میدهد. بر اساس این شاخص در فصل زمستان بزرگ‌ترین خوشه‌های بارش در حوضهی آبریز هراز ایجاد می‌شوند که نشاندهندهی نظم نسبی بارش در منطقهی مورد مطالعه میباشد. شاخص‌های IP و GI نشاندهندهی تفاوت مکانی خوشه‌های بارش می‌باشند که فصل تابستان بالاترین مقادیر تفاوت مکانی خوشهای را به خود اختصاص داده است. شاخص MI نیز مقدار تعدیل‌شده شاخص IPمیباشد که مبین تفاوت ساختار مکانی بارش میباشد.
جدول (1) مشخصات آماری بارش برای هر یک ماههای سال در حوضهی آبریز هراز
|
نوع آماره |
ژانویه |
فوریه |
مارس |
آوریل |
مه |
ژوئن |
|
ضریب تغییرات |
37/09 |
46/58 |
45/34 |
54/28 |
49/84 |
67/51 |
|
واریانس |
219/37 |
415/54 |
621/80 |
615/93 |
338/18 |
132/36 |
|
میانگین |
39/93 |
43/77 |
54/99 |
45/72 |
36/90 |
17/04 |
|
میانه |
39/21 |
41/34 |
48/19 |
36/95 |
34/82 |
13/91 |
|
مد |
14/25 |
7/93 |
12/00 |
7/69 |
4/26 |
1/38 |
|
انحراف معیار |
14/81 |
20/38 |
24/94 |
24/82 |
18/39 |
11/50 |
|
انحراف از میانگین |
1/96 |
2/70 |
3/30 |
3/29 |
2/44 |
1/52 |
|
چولگی |
0/65 |
0/71 |
1/12 |
1/13 |
0/36 |
0/83 |
|
کشیدگی |
0/66 |
0/61 |
0/68 |
1/40 |
-0/25 |
0/19 |
|
دامنه تغییرات |
69/11 |
93/37 |
110/98 |
116/75 |
76/35 |
45/86 |
|
کمینه |
14/25 |
7/93 |
12/00 |
7/69 |
4/26 |
1/38 |
|
بیشینه |
83/36 |
101/30 |
122/98 |
124/44 |
80/61 |
47/24 |
|
g1 |
0/64 |
0/70 |
1/12 |
1/13 |
0/35 |
0/82 |
|
g2 |
6/99 |
6/94 |
7/01 |
7/73 |
6/08 |
6/52 |
|
نوع آماره |
ژوئیه |
اوت |
سپتامبر |
اکتبر |
نوامبر |
دسامبر |
|
ضریب تغییرات |
102/66 |
66/85 |
48/53 |
60/21 |
46/04 |
38/80 |
|
واریانس |
285/71 |
101/39 |
128/01 |
584/27 |
443/23 |
265/04 |
|
میانگین |
16/46 |
15/06 |
23/31 |
40/15 |
45/73 |
41/95 |
|
میانه |
8/97 |
11/99 |
22/83 |
35/97 |
44/92 |
39/61 |
|
مد |
0/81 |
0/43 |
3/70 |
5/01 |
1/35 |
14/69 |
|
انحراف معیار |
16/90 |
10/07 |
11/31 |
24/17 |
21/05 |
16/28 |
|
انحراف از میانگین |
2/24 |
1/33 |
1/50 |
3/20 |
2/79 |
2/16 |
|
چولگی |
1/96 |
0/95 |
0/17 |
1/10 |
0/47 |
0/37 |
|
کشیدگی |
3/93 |
0/51 |
-1/01 |
0/97 |
-0/22 |
-0/50 |
|
دامنه تغییرات |
76/86 |
44/18 |
41/11 |
109/09 |
96/60 |
66/74 |
|
کمینه |
0/81 |
0/43 |
3/70 |
5/01 |
1/35 |
14/69 |
|
بیشینه |
77/67 |
44/60 |
44/82 |
114/11 |
97/95 |
81/43 |
|
g1 |
1/96 |
0/94 |
0/16 |
1/09 |
0/46 |
0/36 |
|
g2 |
10/26 |
6/84 |
5/32 |
7/301 |
6/11 |
5/83 |
جدول (2) مشخصات آماره‌های پراکندگی بارش حوضهی آبریز هراز
|
شاخص‌های پراکندگی |
ژانویه |
فوریه |
مارس |
آوریل |
مه |
ژوئن |
|
ID |
49/5 |
49/9 |
30/11 |
47/13 |
16/9 |
76/7 |
|
ICS |
49/4 |
49/8 |
30/10 |
47/12 |
16/8 |
76/6 |
|
GI |
08/0 |
15/0 |
18/0 |
22/0 |
14/0 |
12/0 |
|
ICF |
88/8 |
51/5 |
33/5 |
66/3 |
51/4 |
51/2 |
|
IMC |
42/44 |
26/52 |
2308/65 |
19/58 |
06/45 |
80/23 |
|
IP |
11251/1 |
19408/1 |
18741/1 |
27274/1 |
22127/1 |
39712/1 |
|
MI |
11059/1 |
19075/1 |
18419/1 |
26806/1 |
21749/1 |
39055/1 |
|
شاخص‌های پراکندگی |
ژوئیه |
اوت |
سپتامبر |
اکتبر |
نوامبر |
دسامبر |
|
ID |
35/17 |
73/6 |
49/5 |
55/14 |
69/9 |
31/6 |
|
ICS |
35/16 |
73/5 |
49/4 |
55/13 |
69/8 |
31/5 |
|
GI |
29/0 |
10/0 |
08/0 |
24/0 |
15/0 |
09/0 |
|
ICF |
00/1 |
62/2 |
19/5 |
96/2 |
26/5 |
89/7 |
|
IMC |
81/32 |
79/20 |
80/27 |
70/53 |
42/54 |
27/47 |
|
IP |
99326/1 |
38046/1 |
19263/1 |
33759/1 |
19009/1 |
12674/1 |
|
MI |
97687/1 |
37423/1 |
18940/1 |
33181/1 |
18683/1 |
12457/1 |
ارزیابی روند داده‌ها
از آنجا که مبانی زندگی انسان با بارش هماهنگ شده است؛ وجود روند کاهشی یا افزایشی در بارش به معنای تغییر شکل زندگی خواهد بود. لذا جهت شناسایی روندهای کاهشی یا افزایشی در بارش‌های حوضهی آبریز هراز از دو روش ناپارامتریک برآوردکنندهی شیب سنس و من-کندال استفاده گردید. نتایج حاصل از این روشها نشان داد هر چند نشانه‌هایی از روند کاهشی (سه ماه فوریه، مارس و آوریل در آزمون من-کندال و شیب سنس) و افزایشی (9 ماه دیگر سال) در بارش‌های حوضه مشاهده میشود، اما از بین این روندهای کاهشی و افزایشی تنها دو ماه سپتامبر و اکتبر از نظر آماری در سطح معنیدار 5 درصد معنیدار بوده‌اند. اطلاعات هر یک از روندها در سطوح 5 و 1 درصد در جدول (3) آمده است.
جدول (3) نتایج حاصل از آزمون سنس و من-کندال در سطوح احتمالاتی 5 و 1 درصد برای بارش ماهانه حوضهی آبریز هراز
|
آماره‌های روند تغییرات |
ژانویه |
فوریه |
مارس |
آوریل |
مه |
ژوئن |
|
نمره Z در آزمون من-کندال |
1/07 |
-0/21 |
-0/23 |
-1/49 |
0/20 |
1/23 |
|
آماره Q در آزمون شیب سنس |
0/12 |
-0/06 |
-0/05 |
-0/24 |
0/03 |
0/10 |
|
Qmin99 |
-0/21 |
-0/49 |
-0/57 |
-0/67 |
-0/40 |
-0/14 |
|
Qmax99 |
0/49 |
0/42 |
0/36 |
0/24 |
0/43 |
0/34 |
|
Qmin95 |
-0/11 |
-0/37 |
-0/44 |
-0/55 |
-0/30 |
-0/07 |
|
Qmax95 |
0/41 |
0/35 |
0/27 |
0/10 |
0/35 |
0/28 |
|
B |
35/96 |
43/08 |
49/67 |
44/14 |
33/54 |
10/92 |
|
Bmin99 |
45/37 |
55/04 |
68/00 |
56/76 |
48/53 |
18/98 |
|
Bmax99 |
27/57 |
29/52 |
38/70 |
32/92 |
20/47 |
5/62 |
|
Bmin95 |
41/82 |
52/28 |
62/66 |
52/93 |
46/05 |
15/50 |
|
Bmax95 |
29/31 |
31/50 |
42/06 |
35/68 |
22/44 |
7/14 |
|
آماره‌های روند تغییرات |
ژوئیه |
اوت |
سپتامبر |
اکتبر |
نوامبر |
دسامبر |
|
نمره Z در آزمون من-کندال |
0/68 |
0/31 |
1/96 |
1/96 |
0/72 |
0/53 |
|
آماره Q در آزمون شیب سنس |
0/05 |
0/02 |
0/19 |
0/32 |
0/11 |
0/08 |
|
Qmin99 |
-0/14 |
-0/15 |
-0/06 |
-0/12 |
-0/41 |
-0/29 |
|
Qmax99 |
0/28 |
0/29 |
0/47 |
0/73 |
0/64 |
0/48 |
|
Qmin95 |
-0/09 |
-0/11 |
0/00 |
0/00 |
-0/28 |
-0/20 |
|
Qmax95 |
0/21 |
0/22 |
0/40 |
0/62 |
0/51 |
0/37 |
|
B |
8/09 |
11/78 |
17/11 |
25/38 |
41/07 |
38/36 |
|
Bmin99 |
13/63 |
16/31 |
23/01 |
39/43 |
54/52 |
47/98 |
|
Bmax99 |
2/99 |
7/73 |
10/09 |
11/88 |
23/42 |
25/57 |
|
Bmin95 |
12/13 |
15/19 |
22/83 |
36/01 |
50/89 |
45/41 |
|
Bmax95 |
4/49 |
8/96 |
12/11 |
14/01 |
26/44 |
30/60 |
نتایج به دست آمده نشان میدهد یاخته‌هایی که روند کاهشی در آنها مشاهده شده است، همگی در بخشی جنوبی حوضه و اطراف قله دماوند واقع شده‌اند که می‌تواند نشانه‌هایی از تغییر شرایط بارش در این قسمت از ایران باشد. هر چند اثبات وجود روند معنیدار در یک سری زمانی بارندگی نمی‌تواند به تنهایی دلیلی قاطع بر وقوع تغییر اقلیم در یک منطقه باشد، اما فرض رخداد آن را می‌تواند تقویت کند. لذا همین تغییرات رخ داده می‌تواند حائز اهمیت باشد. به طور کلی بارش حوضهی آبریز هراز در مقیاس سالیانه بر اساس نتایج آزمون شیب سنس افزایش 67/7 میلیمتری در هر دهه داشته است. بر این اساس در طول دورهی 57 ساله به رقم باور عمومی مبنی بر کاهش بارش در سطح کشور و منطقه، بارش سالانه حوضهی آبریز هراز افزایش 719/43 میلیمتری داشته است. بر این اساس میتوان برای روند تغییرات بارش در سطح حوضهی آبریز هراز رابطه‌ای به شکل ارایه داد. شکل (1) برازش نمودار خط سنس بر سری زمانی دادههای میانگین یاختهای بارش حوضهی آبریز هراز را در دورهی زمانی مورد مطالعه نشان میدهد.
|
|
|
شکل (1) برازش نمودار شیب سنس بر سری زمانی دادههای میانگین یاختهای بارش حوضهی آبریز هراز
در نگاه اول به نظر می‌رسد نتایج حاضر دور از واقعیت است، چرا که با افزایش دمای متوسط جهانی باور عمومی مبنی بر کاهش مقدار نزولات جوی است، اما نتایج پژوهش حاضر نشان داده است که مقدار بارش در 57 سال اخیر در حوضهی آبریز هراز افزایش یافته است. بررسی‌ها نشان داده است که این افزایش بارش بیشتر به شکل رگباری بوده و بارش‌های آخر فصل سرد و فصول گرم سال در حال افزایش است. چنین افزایشی نه تنها سودمند نیست، بلکه موجب وقوع رخداد وقایع فرین اقلیمی همچون سیل شده است. روند مشاهده شده در حوضهی آبریز هراز به خوبی با گزارش‌های سازمان‌های مختلف حاکی از تغییرات جدی در اقلیم همخوانی دارد؛ به طوری که بر اساس گزارش‌های ارایه شده از تغییرات آب و هوایی (IPCC[42],2013: 18)، از نیمهی دوم قرن بیستم روند بارش سنگین (بارش‌های رگباری) در نـقاط مختلف جهان رو به افزایش است. نتایج سایر مطالعات در سطح جهانی تأییدی بر نتایج حاضر است، زیرا بررسی دادههای بارندگی بیش از ۸ هزار ایستگاه هواشناسی در سطح جهان و در فاصلهی زمانی بین سال‌های ۱۹۰۰ تا ۲۰۰۹ نشان داده است که در این دورهی زمانی گرمای جو زمین به اندازهی یک درجهی سانتیگراد زیاد شده و در نتیجه آن تعداد بارندگی‌های شدید نیز افزایش یافته است (وسترا و همکاران[43]، 2013: 3904). ساز و کار این امر را نیز میتوان به گونهای تشریح کرد که با افزایش گازهای گلخانه‌ای و افزایش گرما، مقدار رطوبت بیشتری در جو می‌ماند و بارش‌ها شدیدتر میشود. به ازای هر یک درجه گرمایش جو زمین، شدت باران ۷ درصد افزایش می‌یابد و انتظار می‌رود دمای کرهی زمین در انتهای قرن جاری ۳ تا ۵ درجه سانتیگراد افزایش یابد و تغییرات آب و هوا شدت بارندگی انتهای قرن را نیز به میزان قابل توجهی افزایش دهد (همان، 3916). مهم‌ترین ساز و کاری که میتوان بر اساس آن به تبع وجود روند افزایشی دما، مقادیر مثبت بارش را در حوضهی آبریز هراز توجیه نمود، مکانیسم «مرطوب‌ترشدن گرم‌تر[44]» (تن و همکاران[45]، 2015: 451) است که بر اساس آن هر چه دمای سطحی منطقه بالاتر باشد، مقدار بارندگی بیشتر است. در دهه‌های اخیر روند چشمگیری در بارش اکثر ماههای سال مشاهده نشده است و تنها شاهد تغییر و تنوع سالانه بارندگی‌ها هستیم و حتی در برخی از موارد با گرم‌تر بودن سال‌ها بارندگی نیز بیشتر صورت گرفته است. در توجیه این تغییر و تنوع سالانه میتوان به نقش بارز پدیدهی النینو اشاره کرد. تلفیق پدیدهی گرمایش زمین و پدیدهی النینو و خروجی آن دو تحت مدل‌های عددی در سطح جهان نشان داده است که، بارندگی در مناطق مرطوب، بیشتر و در مناطق خشک، کمتر میشود (وسترا و همکاران[46]، 2013: 3916). این تأییدی بر مکانیسم مرطوب‌تر شدن مرطوب[47] است که در حوضهی آبریز هراز با توجه به مرطوب بودن منطقه قابل تعمیم است. ادغام ساز و کار «مرطوب‌ترشدن گرم‌تر» و «مرطوب‌تر شدن مرطوب» حدود ۸۰ درصد تغییرات بارندگی ناشی از گرمایش زمین را توضیح میدهد که در حوضهی آبریز هراز نیز مکانیسم مرطوب‌تر شدن گرم‌تر و مرطوب‌تر شدن مرطوب مشاهده گردید.
تحلیل همسازهای بارش حوضهی آبریز هراز
برای تحلیل دقیق‌تر تغییرات بارش حوضهی آبریز هراز چرخه‌های حاکم در هر ماه و فصل با استفاده از تحلیل طیفی مورد بررسی قرار گرفت. اساس روشهای تحلیل طیفی، تقسیم‌بندی تغییرپذیری سری‌های زمانی به اجزاء یا بخش‌های حاوی دوره‌های مختلف یا فرکانس است که به عنوان یکی از روشهای استخراج و تحلیل نوسانات آشکار و نهان طول موجهای مختلف، مطرح میباشد. جداول (4 تا 9) دوره نگار، طیف و فاصله اطمینان را برای سری‌های زمانی بارش حوضهی آبریز هراز در دوره‌های مختلف ارائه دادهاند.
جدول (4) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 99 درصد در مقیاس ماهانه
|
ماه |
شماره منحنی چرخهی معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
ژانویه |
28 |
49/0 |
2 |
|
فوریه |
3 |
05/0 |
19 |
|
مارس |
19 |
33/0 |
3 |
|
آوریل |
- |
- |
- |
|
می |
12 |
21/0 |
5 |
|
26 |
45/0 |
2 |
|
|
ژوئن |
- |
- |
- |
|
ژولی |
4 |
07/0 |
14 |
|
25 |
43/0 |
2 |
|
|
اوت |
4 |
07/0 |
14 |
|
سپتامبر |
1 |
017/0 |
57 |
|
23 |
40/0 |
2 |
|
|
اکتبر |
- |
- |
- |
|
نوامبر |
- |
- |
- |
|
دسامبر |
2 |
03/0 |
28 |
جدول (5) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 99 درصد در مقیاس سالانه و فصلی
|
دوره |
شماره منحنی چرخه معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
بهار |
- |
- |
- |
|
تابستان |
25 |
43/0 |
2 |
|
پاییز |
28 |
49/0 |
2 |
|
زمستان |
- |
- |
- |
|
سالانه |
28 |
49/0 |
2 |
تغییرات چرخه‌های بارش نشان میدهد که در فصول تابستان و پاییز در سطح اطمینان 99 درصد چرخه‌های 2 ساله بر بارش حوضهی مورد مطالعه حاکم بوده است این در حالی است که در فصول بهار و زمستان بارش در حوضهی آبریز هراز هیچ‌گونه چرخه‌ای نداشته است. بررسی چرخه‌های بارش برای متوسط سالیانه نیز حاکی از چرخه کوتاه‌مدت 2 ساله بوده است. تحلیل همسازهای بارش در حوضهی آبریز هراز در سطوح اطمینان 95 و 90 درصد نشان داد که علاوه بر چرخه‌های 2 ساله، چرخه‌های بلندمدت 5، 8، 14، 25 و 28 ساله هم بر بارش این منطقه از کشور حاکم بوده است. در مجموع میتوان گفت که بارش هراز در شمارهی چرخه‌های 5 و 8 با احتمال 49/0 دارای دورهی بازگشت کوتاه‌مدت 2 ساله است.
جدول (6) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 95 درصد در ماههای مختلف
|
ماه |
شماره منحنی چرخه معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
ژانویه |
6 |
10/0 |
9 |
|
14 |
24/0 |
4 |
|
|
22 |
38/0 |
2 |
|
|
28 |
49/0 |
2 |
|
|
فوریه |
3 |
05/0 |
19 |
|
4 |
07/0 |
14 |
|
|
مارس |
19 |
33/0 |
3 |
|
25 |
43/0 |
2 |
|
|
آوریل |
10 |
05/0 |
19 |
|
15 |
33/0 |
3 |
|
|
24 |
43/0 |
2 |
|
|
می |
12 |
21/0 |
4 |
|
26 |
45/. |
2 |
|
|
ژوئن |
3 |
05/0 |
19 |
|
22 |
38/0 |
2 |
|
|
26 |
45/0 |
2 |
|
|
ژولای |
4 |
07/0 |
14 |
|
25 |
43/. |
2 |
|
|
اوت |
4 |
07/0 |
14 |
|
سپتامبر |
1 |
01/0 |
57 |
|
4 |
07/0 |
14 |
|
|
23 |
40/0 |
2 |
|
|
اکتبر |
9 |
15/0 |
6 |
|
16 |
28/0 |
3 |
|
|
28 |
49/0 |
2 |
|
|
نوامبر |
1 |
01/0 |
57 |
|
7 |
12/0 |
8 |
|
|
دسامبر |
2 |
03/0 |
28 |
|
27 |
47/0 |
2 |
جدول (7) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 95 درصد در مقیاس فصلی و سالانه
|
دوره |
شماره منحنی چرخه معنیدار |
بسامد(احتمال) |
دوره بازگشت (سال) |
|
بهار |
11 |
19/0 |
5 |
|
26 |
45/0 |
2 |
|
|
تابستان |
4 |
07/0 |
14 |
|
25 |
43/0 |
2 |
|
|
پاییز |
2 |
03/0 |
28 |
|
7 |
12/0 |
8 |
|
|
28 |
49/0 |
2 |
|
|
زمستان |
3 |
05/0 |
19 |
|
14 |
24/0 |
4 |
|
|
سالانه |
28 |
49/0 |
2 |
در بین نتایج ارایه شده آنچه بیش از همه خودنمایی می‌نماید، چرخه‌های 2-3 ساله هستند. بررسی‌های یاخته‌های مورد نظر نشان میدهد که غالباً این چرخه‌ها در ارتفاعات دماوند و دامنههای مرتفع آن قابل رؤیت هستند. بیشتر دانشمندان این چرخه‌ها را به ال نینو- نوسانات جنوبی (ENSO[48])، تغییرات دوسالانه (QBO[49]) الگوی بزرگ‌مقیاس گردش عمومی جو، جریانات مداری و سایر فرایندهای جوی- اقیانوسی نسبت دادهاند. برای مثال، کانه و تگزیرا[50] (1991: 89) چرخه‌های 2-3 ساله در بارش ماساچوست، هارتمن و همکاران[51] (2002: 161) چرخه‌های 2-3 ساله را در چین و لانا و همکاران[52] (2005: 193) چرخه‌های 6/4 و 1/2 ساله بارش در ایستگاه فابرا[53] در شمال شرق اسپانیا را به تغییرات دوسالانه (QBO) و چرخه‌های 2/9 و 5/5 ساله را به نوسانات اطلس شمالی (NAO[54]) و چرخه‌های 8/11 ساله را به فعالیت لکه‌های خورشیدی نسبت دادهاند.
جدول (8) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح90درصد در ماههای مختلف
|
ماه |
شماره منحنی چرخه معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
ژانویه |
- |
- |
- |
|
فوریه |
3 |
05/0 |
19 |
|
4 |
07/0 |
14 |
|
|
22 |
38/0 |
2 |
|
|
23 |
40/0 |
2 |
|
|
مارس |
3 |
05/0 |
19 |
|
19 |
33/0 |
3 |
|
|
25 |
43/0 |
2 |
|
|
آوریل |
1 |
01/0 |
57 |
|
7 |
12/0 |
8 |
|
|
10 |
17/0 |
5 |
|
|
15 |
26/0 |
3 |
|
|
24 |
42/0 |
2 |
|
|
27 |
47/0 |
2 |
|
|
می |
12 |
21/0 |
4 |
|
26 |
45/0 |
2 |
|
|
ژوئن |
3 |
05/0 |
19 |
|
22 |
38/0 |
2 |
|
|
26 |
45/0 |
2 |
|
|
ژولای |
4 |
07/0 |
14 |
|
7 |
29/0 |
3 |
|
|
12 |
43/0 |
2 |
|
|
اوت |
4 |
07/0 |
14 |
|
سپتامبر |
1 |
01/0 |
57 |
|
4 |
07/0 |
14 |
|
|
23 |
40/0 |
2 |
|
|
25 |
43/0 |
2 |
|
|
اکتبر |
3 |
05/0 |
19 |
|
9 |
15/0 |
6 |
|
|
16 |
28/0 |
3 |
|
|
28 |
49/0 |
2 |
|
|
نوامبر |
1 |
01/0 |
57 |
|
2 |
03/0 |
28 |
|
|
7 |
12/0 |
8 |
|
|
12 |
21/0 |
4 |
|
|
20 |
35/0 |
2 |
|
|
28 |
49/0 |
2 |
|
|
دسامبر |
2 |
03/0 |
28 |
|
15 |
26/0 |
3 |
|
|
27 |
47/0 |
2 |
جدول (9) مشخصات آماری چرخه‌های بارش طی دورهی مورد مطالعه (2007-1951 میلادی) در سطح 90 درصد در مقیاس فصلی و سالانه
|
دوره |
شماره منحنی چرخه معنیدار |
بسامد (احتمال) |
دوره بازگشت (سال) |
|
بهار |
- |
- |
- |
|
تابستان |
4 |
07/0 |
14 |
|
15 |
26/0 |
3 |
|
|
25 |
43/0 |
25 |
|
|
پاییز |
2 |
03/0 |
28 |
|
7 |
12/0 |
8 |
|
|
24 |
42/0 |
2 |
|
|
28 |
49/0 |
2 |
|
|
زمستان |
3 |
05/0 |
19 |
|
4 |
07/0 |
14 |
|
|
14 |
24/0 |
4 |
|
|
19 |
33/0 |
3 |
|
|
سالانه |
28 |
49/0 |
2 |
تورنس و وبستر[55] (1999: 2679) چرخه‌های 2-7 ساله را در بارش موسمی هند، گارسیا[56] و همکاران (2002: 78) چرخه‌های 7/2 ساله را در بارش شبه‌جزیره ایبری و آزاد و همکاران (2010: 2290) چرخه‌های 3-5 ساله را در بارش موسمی هند ناشی از تأثیر پدیده انسو دانسته‌اند. سلوام و جلوشی[57] (1995: 613) چرخه‌های 7-2 ساله و چرخه‌های 3-2 ساله را در دمای سطح زمین کشف کردند. ایشان به ترتیب این چرخه‌ها را به انسو و تغییرات دوسالانه نسبت دادهاند. همان‌طور که مشاهده شد، چرخه‌های کوتاه‌مدت 2 تا 4 ساله و 3-5 ساله بیشترین حاکمیت را بر بارش حوضهی آبریز هراز داشته‌اند که این نوع چرخه‌ها را میتوان به رخداد النینو نسبت داد. بیشتر پژوهشگران چرخه‌های 2 تا 4 ساله را به النینو- نوسانات جنوبی (ENSO) (هولرینگ و کومار، 2003؛ اسچیبورت و همکاران[58]، 2009) و تغییرات دوسالانه (QBO) الگوی بزرگ‌مقیاس گردش عمومی جو و جریانات مداری و سایر فرایندهای جوی- اقیانوسی نسبت دادهاند (گارسیا[59] و همکاران، 2002: 77-95، هارتمن[60] و همکاران، 2008:156 ، کوک و همکاران[61]، 2011a,b).
بررسی چرخه‌های بارش طی دوره‌های مورد مطالعه (2007-1951 میلادی) در سطوح اطمینان سه‌گانهی 90، 95 و 99 درصد نشاندهندهی چندین الگوی مختلف بارش میباشد که یکی از آنها، چرخه‌های 11-5 ساله میباشد. بر این اساس در سطح 99 درصد ماه می با دوره بازگشت 5 ساله؛ در سطح 95 درصد ماه ژانویه با دورهی بازگشت 9 ساله، اکتبر با دوره بازگشت 6 ساله و نوامبر با دورهی بازگشت 8 ساله و در سطح 90 درصد ماه آوریل دارای دوره‌های بازگشت 8 و 5 ساله، اکتبر دارای دورهی بازگشت 6 ساله و نوامبر دارای دورهی بازگشت 8 ساله میباشد. تغییرپذیری درون دهه‌ای (دهه به دهه) فقط برای ماه‌ها و یا فصولی که چرخه‌های 11 سال به بالا دارند، قابل‌مشاهده است (مانند ماههای ژولای، اوت و سپتامبر در سطح اطمینان 99 درصد). مـطالعهای که توسط جهانـبخش و عدالتدوست (1387) در شـمال غرب ایران انـجام شده است
نشان داده است که چرخه‌های نامبرده مبین تأثیر فعالیت لکه (کلف)های خورشیدی است که با نتایج پژوهش حاضر نیز همخوانی دارد. نتایج نشان میدهند نوسانات اطلس شمالی تابعی از عملکرد لکه‌های خورشیدی است. همچنین بررسی‌ها مؤید این امر است که چرخه‌های غیرسینوسی (روند) نیز در سری زمانی بارش منطقهی مورد مطالعه با توجه به مشاهده چرخه‌های درون دهه‌ای 20 تا 40 ساله در پهنهی مورد مطالعه قابل استنباط است.
ارزیابی چرخه‌های بارش حوضهی آبریز هراز نشان داد که مقدار بارش تحت تأثیر نوسانات کوتاه‌مدت است؛ همچنین مشخص شد که تغییرات غیرخطی نوسانات بارش به عنوان تابعی از جریان جو، میزان بارش را تحت تأثیر قرار میدهد. تغییرات بارش حوضهی آبریز هراز همچون تغییرات بارش تمامی پهنهی سیاره از الگوی زمانی- مکانی متنوعی پیروی میکند. بررسی‌های چرخه‌ها نشان داده است پدیده‌های النینو- نوسانات جنوبی و تغییرات دوسالانه بیشترین تأثیر را بر بارش‌های جنوب حوضهی آبریز هراز و به طور کلی جنوب استان مازندران داشته‌اند که با نتایج مریانجی (1391) همخوانی دارد. همچنین مشخص‌شده است ترابری رطوبت و کوه‌های البرز به عنوان مهم‌ترین ساز و کار بارش و تغییرات آن در منطقه است.
نتیجه‌گیری
به طور کلی، تحلیلهای آماری و مکانی- زمانی رویدادهای بارش ابزار مناسبی هستند که می‌توانند شناخت خوبی از شرایط بارش منطقه ارائه کنند. برخی از یافته‌های اصلی پژوهش حاضر بدین شرح است:
علی‌رغم وجود متغیرهای بارش متفاوت در نواحی مختلف، توزیع چگالی احتمال فراوانی رویدادهای بارش در همه ماههای سال در منطقهی مورد مطالعه، دارای چولگی مثبت و کشیدگی بیشتر از نرمال است. به عبارت دیگر، تراکم نسبی رویدادها پیرامون مرکز توزیع، بیشتر است. نتایج نشان داد که وضعیت ضریب تغییرات بارش در سطح حوضه در ماههای گرم سال نسبت به دورهی سرد سال بیشتر بوده است، به طوری که ژوئیه در فصل تابستان بیشترین ضریب تغییرات بارش را با 66/102 درصد داشته است. تحلیل ماهانهی فراوانی رویدادهای بارش در این منطقه نشان میدهد که شاخص پراکندگی بارش از ماه ژانویه تا آوریل یک روند افزایشی و در ماههای دیگر (به استثنای ژوئیه و اکتبر) روندی کاهشی دارد که همین شرایط برای واریانس بارش نیز مشاهده شده است که به خوبی ناهنجاری بالای بارش در سطح حوضه را در طول سال نمایان ساخته است. نتایج شاخص ICF که اندازه خوشه‌های بارش را در سطح حوضه نشان میدهد که در فصل زمستان بزرگ‌ترین خوشه‌های بارش در حوضهی آبریز هراز ایجاد می‌شوند که نشاندهندهی نظم نسبی بارش در منطقهی مورد مطالعه میباشد. نتایج حاصل از روشهای ارزیابی روند با دو آزمون شیب سنس و من-کندال نشان داد که هر چند نشانه‌هایی از روند کاهشی (سه ماه فوریه، مارس و آوریل در آزمون من-کندال و شیب سنس) و افزایشی (9 ماه دیگر سال) در بارش‌های حوضه مشاهده میشود، اما از بین این روندهای کاهشی و افزایشی، تنها دو ماه سپتامبر و اکتبر از نظر آماری در سطح معنیدار 5 درصد معنادار بوده‌اند. به طور کلی بارش حوضهی آبریز هراز در مقیاس سالانه بر اساس نتایج آزمون شیب سنس افزایش 67/7 میلیمتری در دهه داشته است. بر این اساس در طول دورهی 57 ساله، بارش سالانه حوضهی آبریز هراز افزایش 719/43 میلیمتری داشته است. از آنجا که سه ماه فوریه، مارس و آوریل از پربارش ترین ماههای سال هستند و روند کاهشی داشته‌اند، به معنی کاهش بارش فصل سرد و افزایش بارش فصل گرم در منطقهی مورد مطالعه است و همین خود دلیل قوی بر تغییر نامطلوب بارش در حوضهی مورد مطالعه است که می‌تواند خطرات جدی برای فرسایش، سیلخیزی و مدیریت منابع آب در پی داشته باشد.
تحلیل طیفی بارش در حوضهی آبریز هراز نشان داد که بارش در این پهنه دارای چرخه‌های نوسانی معنیدار 3-2، 5-3، 11-5 و 11 سال به بالاست. چرخه‌های 11-5 ساله بیشترین گستره را در برداشته است. ورود این چرخه‌ها را به تأثیر عوامل کلان‌مقیاس جوی- اقیانوسی نسبت دادهاند. به عنوان مثال همان‌طور که در متن نیز بدان اشاره شده است، چرخه‌های 3-2 ساله را عمدتاً به تغییرات دو سالانه (QBO) الگوی بزرگ‌مقیاس گردش عمومی جو و جریانات مداری و چرخه‌های 5-3 ساله را به پدیدهی انسو نسبت دادهاند. تغییرات بارش منطقهی هراز واقع در جنوب استان مازندران همچون تغییرات بارش تمامی پهنهی سیاره از الگوی زمانی- مکانی متغیر و متنوعی پیروی میکند. روند غالب در پهنهی پژوهش حاضر را روند افزایشی تشکیل میدهد؛ که در توجیه علت این روند افزایشی میتوان به نقش ساز و کارهای مرطوب‌تر شدن گرم‌تر و مرطوب‌تر شدن مرطوب اشاره کرد. تغییرات غیرخطی نوسانات بارش به عنوان تابعی از جریان جو میزان بارش را تحت تأثیر قرار میدهد. بررسی چرخه‌های بارش مبین این امر است که رشته کوه‌های البرز به عنوان مهم‌ترین ساز و کار بارش و تغییرات آن در منطقه عمل میکند.
تقدیر و تشکر
مقالهی حاضر مستخرج از پایاننامهی مقطع کارشناسی ارشد رشته آب و هواشناسی کاربردی دانشگاه حکیم سبزواری با عنوان «ارزیابی سیلخیزی با استفاده از مدل ریاضی HEC-HMS، تحلیلهای آماری و GIS در حوضهی آبخیز هراز» میباشد. جا دارد از زحمات مسئولان زحمتکش دانشکده جغرافیا و علوم محیطی و کلیه اساتید محترم بخصوص اساتید راهنمایم آقایان غلام عباس فلاح قالهری و مختار کرمی و استاد مشاورم جناب آقای دکتر محمد باعقیده کمال تقدیر و تشکر را به عمل آورم.
[1]- Mosmann et al.,
[2]- Shifteh Some’e et al.,
[3]- Duhan and Pandey
[4]- Kahya Kalayci
[5]- Zhang et al.,
[6]- Liang et al.,
[7]- Tang et al.,
[8]- Some'e et al.,
[9]- Duhan and Pandey
[10]- Tomozeiu
[11]- Emprical Orthogonal Functions(EOF)
[12]- Emilia Romagna
[13]- Gemmer et al.,
[14]- Marengo et al.,
[15]- Tosic´ and M. Unkasevic
[16]- Aphrodite
[17]- Yatagani and et al.,
[18]- Sen’s Slope Estimator Nonparametric Method
[19]-Vivekananda
[20]- Sign Function
[21]- Richard
[22]- Mann-Kendall
[23]- Index of Dispersion (ID)
[24]- Index of Cluster Size (ICS)
[25]- David and Moore
[26]- Green’s Index (GI)
[27]- Green
[28]- Index of Cluster Frequency (ICF)
[29]- Douglas
[30]- Index of Mean Crowding (IMC)
[31]- Lloyd
[32]- Index of Patchiness (IP)
[33]- Morisita’s Index (IM)
[34]- Morisita
[35]- fourier series
[36]- Periodic
[37]- Amplitude
[38]- Frequency
[39]- Maslen and Rockmore
[40]- Periodogram
[41]- Mitchell et al.,
[42]- Intergovernmental Panel on Climate Change
[43]- Westra et al.,
[44]- warmer-gets-wetter
[45]- Tan et al.,
[46]- Westra etl al.,
[47]- wet-gets-wetter
[48]- EL Nino Southern Oscillation(ENSO)
[49]- Quasi Binomial Oscillation(QBO)
[50]- Kane and Teixeira
[51]- Hartman et al.,
[52]- Lana et al.,
[53]- Fabra
[54]- North Atlantic Oscillations(NAO)
[55]- Torrence and Webster
[56]- Garcia et al.,
[57]- Selvam and Joshi
[58]- Schubert
[59]- Garcia et al.,
[60]- Hartman et al.,
[61]- Cook and et al.,
)