پایان نامه ارشد درباره اقلیم شناسی بارش و شاخص های اقلیمی

Singh (2000) در زمینه تاثیر ENSO(ال نینو- نوسانات جنوبی) بر بارش های مونسونی ، از شاخصی به نام (Multivariate Enso Index)MEI برای پیش بینی دراز مدت بارش های مونسونی هند استفاده کرد. وی هند را به زیر بخش هایی تقسیم کرد و نوسانات جنوبی را با استفاده از این شاخص که مجموعه ای ازچندین شاخص شناخته شده نوسانات جنوبی است، مشخص ساخت.
Widget not in any sidebars

Chia Chou and J.David Neelin(2002) محدوده مکانیسم مونسونهای تابستانی شمالی را در سراسر امریکای شمالی، آسیا وافریقا بررسی کردند. آنها مناطق همگرایی مونسون تابستان را در میان مدل اتمسفری مورد آزمایش قرار دادند. مشاهدات آنها با استفاده از مدل ساده زمینی ولایه های مختلط اقیانوس نشان داد که عوامل ترمودینامیک با جریانات گرم داخلی ستون اتمسفر ، مرتبط هستند.
Rowell- Hoskins مکانیسم هایی را برای پوشش دادن جنوب امریکا ، با استفاده از رطوبت و تهویه خاک واثر متقابل آنها مورد آزمایش قرار داد. در امریکای شمالی رطوبت و درجه حرارت خاک باعث تهویه و در نهایت موجب بارش در قسمت شرقی و خشکی در غرب می شود. افریقا به دلیل (albedo) بازتابش سطح بالا متفاوت از دیگر قاره هاست.
Sperber et al, 2002 با بررسی همزمان اطلاعات ماهواره ای وبرداشت های زمینی بارش ، رابطه بین تغییرات فصلی وسالانه بارش های موسمی تابستانه آسیا را بررسی کردند. آنها با رد این فرضیه که برای پیش بینی بارش موسمی نیاز به مدل سازی دقیق مولفه های اقلیمی همان فصل می باشد، فرضیه جدیدی را مبنی بر اینکه تغییرات بارش های موسمی از مدل هایی با دوره یک ساله اثر می پذیرد، آزمایش کردند.
LI Jianping et al, 2002 شاخص های جدیدی را برای مونسونها وتوصیف جغرافیایی از مونسونهای جهانی توصیف کردند. آنها با استفاده از شاخص DNS (گردش عادی فصول) تغییرات بین دو فصل وتغییر پذیری داخلی سالیانه از مناطق مونسونهای مختلف توضیح دادند. انها همچنین حدود جغرافیایی از سیستمهای مونسونی جهانی را توصیف کردند. این شاخص برای مطالعه اختلاف ، ارتباط و فعل وانفعال ماهیانه مونسونها بسیار مورد توجه قرار گرفت.
آگاهی از ویژگی ها و تأثیرعلم مونسون جزء کلیدی واصلی از سیستمهای اقلیمی زمین است که زندگی بیش از 60% از جمعیت جهان به آن وابسته است .
Lim. (2004) با بررسی مولفه های درون فصلی مونسون تابستانی آسیا (Aisan Summer ASM Monsoon) تاثیر آنها را بر بارش های مونسونی مناطق مختلف بررسی کرد. وی همچنین مطالعات گسترده ای را در زمینه تاثیر ENSO بر بارش های مونسونی تابستانی آسیا وهمچنین مونسون زودرس تابستانی انجام داد.
کارآموز و زهرایی (2004) روشی برای پیش بینی رواناب در نواحی خشک ونیمه خشک ارائه نمودند. این روند از سه مرحله تشکیل شده است. در مرحله اول برای بررسی اثر عوامل اقلیمی حوضه، فصل بندی هیدرولوژیکی انجام می شود. برای این منظور ، همبستگی بین آب معادل برف (SWE) ، تشابه در مشخصات آماری پایه جریان در ماه های مختلف ومشخصات عمومی حوضه در تعریف فصل های هیدرولوژیک ، استفاده می شوند. در مرحله بعد با استفاده از مدل (Auto Regressiv Moving ARIMA Average)، K-NN (K-Nearest Neighbour) سری زمانی پیش بینی جریان فصلی توسعه داده می شود. در مرحله آخر با استفاده از سیگنال ENSO، متوسط بودجه برفی حوضه وسری زمانی جریان ، قوانین فازی توسعه داده می شوند واز این قوانین برای اصلاح پیش بینی های آماری استفاده می شود. ایشان این روند را در حوضه آبریز رودخانه سالت در آریزونا مورد استفاده قرار داده ومشاهده نمودند که پیش بینی های فصلی آماری با این روش بهبود می یابند.
Chie Ihara et al, 2006 بارش مونسونی تابستان هند وارتباط آنها را با ENSO وشاخص های اقلیمی اقیانوس هند مورد بررسی قرار دادند. آنها چگونگی ارتباط بین اقیانوس هند استوایی، انسو وبارش مونسونی تابستان هند را با استفاده از داده های 1881تا 1998 مورد بررسی قرار دادند، ناهنجاریهای باد ناحیه ای وآنومالی (شیب) SST (درجه حرارت سطح دریا) در سراسر اقیانوس هند استوایی بکار گرفته شد.
اگر چه شاخصهای تعریف شده توسط ناهنجاریهای باد ناحیه ای همبستگی ضعیفی با بارش مونسونی تابستان هند دارد، بازسازی خطی بارش تابستانی هند با استفاده از بازگشت(سیر قهقرایی) چند گانه از NINO3 وشاخص باد دارای خصوصیات بهتری نسبت به بارش مونسونی تابستان هند که فقط با بازگشت NINO3 است دارد. با استفاده از جداول احتمالی ارتباط منفی بین طبقه بندی ها را از بارش مونسونی تابستان هند وشاخص باد پیدا کردند که ارتباط معنی داری وجود دارد در طول سالهایNino EL ،اما نه در سال های سرد La Nino.
EL Ninoو نوسانات جنوبی ENSO بوسیله نیروی بیرونی مهمی برروی ISMR(بارش مونسونی تابستان هند) شناخته شده است.
نتیجه این تحقیق ارتباط منفی قابل توجهی را نشان داد بین بارش مونسونی تابستان هند وانحرافات باد ناحیه ای در سراسر اقیانوس هند استوایی در طول رویدادهای EL Nino. تحقیقات مشابهی هم که از رابطه بین شاخص SST وبارش باران های موسمی تابستان هند به عمل آمد این ارتباط را نشان نداد.
P.Mukhopadhyay et al, 2009 اقلیم شناسی بارش مونسونی تابستان هند را در مدل اقلیمی منطقه واثر پارامترهای همرفتی را بر انحرافات سیستماتیک مورد بررسی قرار دادند. آنها برای پیش بینی هواشناسی ازWRF ، مدلی که بارش آن 45 میلیمتر است و همرفت 15 کیلومتر به وسیله سه طراح پارامتر همرفتی به نامهای Kain- Fritsh(KF); Betts-Miller-Janjic(BMJ); Grell-Devenyi(GD) با دوره زمانی 1 ماه May تا 31 Oktobr 2001-7. پیش بینی مدل با NCEP/NCAR مورد تجزیه وتحلیل قرار گرفت. همسانی وهمانندی Jun الی September متوسط بارشهای مو
نسونی سه طراح همرفتی با مشاهدات برابری می کند.
Ijaz Hussin et al, 2010 درون یابی زمانی بارش را در طول دوره های مونسون در پاکستان بررسی کردند. در این تحقیق از مدل پیش بینی زمانی بارش برای کل منطقه به منظور فرایندهای آبشناسی ومدیریت منابع آب منطقه استفاده شد. دامنه تغییرات وناهماهنگی های زمانی – مکانی بارش نشان داد که پیش بینی زمانی – مکانی بارش ضرورت مهمی است. در این مقاله مدلهایی چند متغیره برای درون یابی زمانی – مکانی پیشنهاد شده است که که برای ارزیابی زمانی – مکانی بارش های ماهانه دوره هایی که مونسون اتفاق می افتد از سال 1974-2000 ومتوسط ماهانه داده های بارش 27 ساله در 51 ایستگاه در پاکستان کاربردی هستند.
حق نگهدار(1382) اثر سیگنالهای SST,SOI,NAO خلیج فارس را بر رواناب رودخانه کارون بررسی کرد و مدلی برای پیش بینی رواناب ارائه نمود. وی پس از بررسی تغییرات جریان ماهانه در رودخانه کارون،بازه ماه های اسفند و فروردین را به عنوان مهم ترین فصل جریان معین کرد و مشاهده نمود که همبستگی جریان های مطلوب با شاخص های NAOوSOI پایین است، لذا تغییرات جریان در فازهای مختلف بررسی شده است ومشاهده شده است که فاز گرم (سرد)ENSO سبب وقوع جریان بیشتر(کمتر) از متوسط می شود. این تحقیق نشان می دهد که با حرکت از فاز منفی NAO به سمت فاز مثبت آن احتمال وقوع جریان بیشتر از متوسط افزایش می یابد.
کوره پزان(1382) اثر سیگنال های SST, SOI, NAO خلیج فارس را بر بارندگی فصلی حوزه آبریز کارون و دز بررسی کرده است. وی سه فصل مختلف برای هر سیگنال و سه فصل نیز برای بارندگی در نظر گرفت. وی فصول در نظر گرفته شده برای سیگنال ها را از خرداد تا دی و فصول در نظر گرفته شده برای بارندگی را از آبان تا فروردین انتخاب کرد. سپس با انجام بررسی های نقطه ای بر روی تعدادی از ایستگاه ها و با انجام تحلیل های اولیه برای فصول تعریف شده بارندگی و سیگنال ها در 23 ایستگاه منطقه، نتایج کلی را مشاهده کرد. وی بر اساس این نتایج، تحلیل همبستگی بین سیگنال ها و بارندگی به منظور یافتن بهترین حالت ارتباط بین هر سیگنال با بارندگی بر اساس فرضیات اولیه انجام داد. برای این کار با توجه به عدم قطعیت و عدم صراحت های موجود در اطلاعات بارندگی، از منطق فازی در تحلیل ها استفاده کرد. بدین ترتیب بهترین حالت تأثیر هر سیگنال بر بارندگی استگاه های مختلف به صورت فصلی محاسبه گردید. نتایج حاصله نشان داده است که تأثیر پذیری ایستگاه های مختلف از سیگنال ها ، متفاوت بودهو همچنین نحوه تأثیر پذیری یک ایستگاه خاص از سیگنال های مختلف در فصول مختلف نیز متفاوت می باشد. وی بر اساس فصول بارندگی که هر کدام از سیگنال ها پیش بینی می کنند و همچنین با توجه به میزان خطای پیش بینی نتایج زیر را ارائه نمود:
1-SST خلیج فارس در هر دو حالت ترسالی و خشکسالی برای پیش بینی بارندگی کل سال آبی و فصول مختلف ، بهترین تخمین زننده می باشد. اما لازم به ذکر است که طول دوره آماری SST در این مطالعات 19 سال می باشد.
2-NAO برای پیش بینی خشکسالی تخمین زننده مناسبی نمی باشد، در حالیکه از این سیگنال می توان برای پیش بینی ترسالی در فصل آذر- اسفند(بارندگی زمستانه)، به خوبی استفاده نمود.
3-SOI برای پیش بینی خشکسالی و ترسالی پائیزه تخمین زننده مناسبی می باشد و هر چه به سمت زمستان و بهار می رویم، میزان تأثیر این سیگنال بر بارندگی فصلی کمتر می گردد.

Author: مدیر سایت