تأثیر الگوهای دورپیوند بر بارش و خشکسالی حوضة دریاچة ارومیه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموخته کارشناسی ارشد، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران

2 دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران

چکیده

داشتن شناخت لازم از اثر الگوهای دورپیوند و پیش‌بینی آنها خصوصاً در دوره‌های خشکسالی، کمک به‌سزایی در جهت برنامه‌ریزی دقیق‌تر در حوضة آبخیز خواهد داشت. هدف تحقیق حاضر، تأثیر الگوهای دورپیوند بر خشکسالی و بارش ایستگاه‌های همدیدی حوضة دریاچة ارومیه می‌باشد. در این پژوهش تغییرات بارندگی، تبخیر تعرق و خشکسالی هواشناسی با استفاده از روش‌های ناپارامتریک من کندال و شیب سن مورد بررسی قرار گرفت. مطالعة داده‌های 8 ایستگاه همدیدی حوضة دریاچة ارومیه نشان داد که تبخیر تعرق همواره روند صعودی و معنی‌داری (به‌جز تکاب) دارند؛ اما بارندگی و خشکسالی رفتاری متفاوت در ایستگاه‌ها دارند به‌طوری‌که بارندگی در ایستگاه‌های تبریز، ارومیه و تکاب روند صعودی و در سایر ایستگاه‌ها روند نزولی و غیرمعنی‌داری داشته است.با استفاده از تحلیل همبستگی موجکی، حرکت دوبه‌دوی بین الگوهای دور پیوند (SOI، NAO، EA) با بارندگی و خشکسالی SPEI برای بازة زمانی1990 تا 2018 با دورة ماهانه مورد بررسی قرار گرفت. نتایج این بررسی‌ها نشان داد که شاخص NAO داری بیشترین همبستگی مثبت با بارش بوده، و بیشترین تأثیر بر بارش و خشکسالی حوضة دریاچة ارومیه داشته که در فاز مثبت بارندگی زیاد شده است. همچنین دو شاخص EA،SOI  داری همبستگی منفی و معکوس با بارش و خشکسالی SPEI بوده است، بنابراین نتایج نشان داد تغییرات الگوهای دور پیوند بر تغییرات سری زمانی بارش و خشکسالی مؤثر بوده است. این یافته‌ها از تغییرات و تأثیر الگو‌های دور پیوند بر بارش و خشکسالی می‌تواند در مدیریت ریسک خشکسالی و برنامه‌ریزی برای کاهش خسارات خشکسالی به مدیران اجرایی مفید باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The effect of teleconnection patterns on rainfall and drought in the Urmia Lake basin

نویسندگان [English]

  • Ayub Mirzayi Hasanlo 1
  • Hirad Abghari 2
  • Mahdi Erfanian 2
1 M.Sc. Graduated, Department of Range and Watershed Management, Faculty of Natural Resources, Urmia University, Urmia, Iran
2 Associate Professor, Department of Range and Watershed Management, Faculty of Natural Resources, Urmia University, Urmia, Iran
چکیده [English]

Rainfall is one of the most important meteorological quantities, and a decrease in its mean natural value over a period of time causes drought. Therefore, understanding the annual and intra-decade changes is important to improve water resources planning and management. One of the main approaches for preventing climate crises is to analyze the causes and factors that cause such climate variations and be aware of and anticipate the occurrence of climate hazards. Climate patterns are defined as the simultaneous relationship between the oscillations of the climatic elements of a place with changes in pressure patterns and sea surface temperature at other geographical locations. The aim of this study is to investigate rainfall and drought identification of Urmia Lake basin and the effect of some teleconnections patterns (NAO, EA, SOI) on climatic conditions and climatic factors such as rainfall and SPEI drought using wavelet correlation. In this study, 8 synoptic stations of Urmia Lake basin are selected in a period of 29 years, then the trends of rainfall and drought are determined using non-parametric tests. Then the effects of teleconnection patterns (NAO, EA, SOI) on rainfall and drought in Urmia Lake basin are determined using wavelet correlation.
The results showed that in the studied stations, the highest rainfall is in spring, winter, autumn and summer, respectively. The annual drought study using the SPEI index in the studied stations showed that the most severe droughts occurred in 1990, 2017, 2008 and 2010 and the most severe droughts occurred in 1993, 1994 and 1995 at the basin level. The results of trend analysis showed that transpiration evaporation in all stations except Takab station has an upward and significant trend at the level of 95% and Mahabad and Tabriz stations have an increasing slope and significant compared to other stations. Also, the trend of rainfall showed that rainfall only in Tabriz, Urmia and Takab stations had an upward trend and in other stations there were downward trends that in none of the stations a significant upward and downward trend was observed. An examination of the SPEI annual drought trend showed that the drought in Urmia and Ahar stations has been on an upward trend and in other stations it has been declining. The correlation between rainfall and index (EA) in the studied stations showed that there was a negative correlation in all the studied stations on an annual scale. In the negative phases of EA, the monthly rainfall showed positive values and the EA index has changed the rainfall. Also, the results of the correlation between rainfall and NAO in the studied stations showed that there was a positive correlation in all stations. Also, for Urmia, Tabriz, Takab, Saqez, Sahand and Mahabad stations correlations were significant at 99%, and Ahar station is significant at 95%. The results showed that the NAO time series has affected the changes in the rainfall time series. The results of the correlation between rainfall and SOI showed that there was a negative correlation between the indicators, which was significant at Mahabad station at 95%. These indicate that SOI has affected the changes of rainfalls. The correlation results between SPEI drought index and teleconnection patterns showed that NAO index had positive and significant correlation and EA and SOI index had negative correlation with monthly drought values.
Due to the fact that the Urmia Lake basin is semi-arid in terms of climate, determining the relationship between rainfall and drought with the patterns of distant links plays an important role in planning water resources, especially droughts for preventing damage. In this study, the results of rain wavelet correlation with NAO, SOI, EA bonding patterns of stations studied on an annual scale indicate that NAO index has a positive and significant correlation in which rainfall decreases in its negative phase and with decreasing values of NAO index. Also in the negative phase of NAO, the high-pressure centers of Siberia and Azores and the low pressure of Iceland are weakened, which causes less pressure of the Siberian high-pressure extention to wards the basin, and consequently the amount of precipitation decreases significantly. However, the two indicators of SOI and EA have negative correlations, which have increased the negative phase of rainfall, and the changes of the two indicators are effective on the changes of rainfall. The results showed that the impact of NAO on rainfall and drought on the surface of the basin was higher than SOI and EA. Due to the fact that rainfall and drought in the Urmia Lake basin have been correlated with some of these teleconnections identifying the factors affecting rainfall and drought and predicting their total amount or trend has a significant role in planning and developing water resources.

کلیدواژه‌ها [English]

  • Telecommunication patterns
  • Continuous wavelet transform
  • cross wavelet transform
  • Drought
  • Lake Urmia
بابایی فینی، ا. و فتاحی، ا.، 1394، پیش آگاهی فصلی دبی ورودی به دریاچه ارومیه با استفاده ازسیگنال‌های بزرگ مقیاس اقلیمی، مجله جغرافیا و توسعه، 40، 109-124.
بانان‌فردوسی، ف. و دین پژوه، ی.، 1397، تحلیل نوسانات بارش‌های حوضة آبریز دریاچه ارومیه با روش SMK در دوره آماری 1986- 2015، نشریه علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، 22(3)، 197-211.
بیطاری‌خالدی، م. و فتاحی، ا.، 1392، تحلیل رابطه تراز آب دریاچة ارومیه با سیگنال‌های اقیمی، فصلنامه جغرافیای سرزمین، سال دهم، 37، 91-37.
تجربی، ع.، بابانژاد، م.، کاردل، ف. و سلیمانی، ک.، 1394، واکاوی عوامل تأثیرگذار بر خشکسالی هیدرولوژیک (مطالعه موردی: حوضه‌های آبخیز استان لرستان). مجله آمایش جغرافیایی فضا، فصلنامه علمی- پژوهشی دانشگاه گلستان، 5(16)،151-164.
تقوی، ف.، نیستانی، ا.، محمدی، ح. و جلیلیان، ش.، 1390، کاربرد تحلیل موجک در شناسایی رفتار بارش در مناطق غربی ایران. مجله ژئوفیزیک ایران، 5(4)، 30-13.
چهره‌آرا ضیابری، ت.، 1391، بررسی مراکز فشار مؤثر بر اقلیم ایران طی فازهای NAO و SOI. پایان‌نامه کارشناسی ارشد اقلیم شناسی. دانشکده جغرافیا. دانشگاه تهران.
خداقلی، م.، کاوسی، م.، آروین، ع. و صبوحی، ر.، 1392، بررسی ارتباط علامت‌های از دور SOI و NAO با خشکسالی حوضة آبخیز زاینده رود. علوم و مهندسى آبخیزدارى ایران، 7(21)، 41-52.
خورشیددوست، ع. و قویدل رحیمی، ی.، 1388، آشکارسازی تغییرات بارش ماهانه ایستگاه اهر در ارتباط با الگوهای دور پیوند، فصلنامه جغرافیایی سرزمین، 20، 65-81.
خورشیددوست، ع. و قویدل رحیمی، ی.، 1385، ارزیابی اثر پدیده انسو بر تغییرپذیری بارش‌های فصلی استان آذربایجان شرقی با استفاده از شاخص‌های چند متغیره انسو، پژوهش‌های جغرافیای، 15، 57-26.
خوش‌اخلاق، ف.، 1377، پدیده انسو تأثیر آن بر رژیم بارش ایران، تحقیقات جغرافیایی، 51، 121-134.
رحیمی، د.، عبدالهی، خ. و هاشمی‌نسب، س.، 1395، شناسایی الگوهای دور پیوند مؤثر بر بارش حوضة کارون. اکوهیدرولوژی، 3(1)، 95-105.
روشندل کاهو، ا. و سلاجقه، ف.، 1388، تشخیص منبع‌های گرانی با استفاده از تبدیل موجک پیوسته، م. فیزیک زمین و فضا دوره، (2)35، 1-15.
سبزی پور، ع. و شادمانی، م.، 1390، تحلیل روند تبخیر تعرق مرجع با استفاده از آزمون من-کندال و اسپیرمن در مناطق خشک، نشریه آب و خاک (علوم و صنایع کشاورزی)، 25(4)،23-834..
شایان، س. و جنتی، م.، 1386، شناسایی نوسانات مرز پیرامونی و ترسیم نقشه پراکنش مواد معلق دریاچة ارومیه با استفاده از تصاویر ماهواره‌ای، م. پژوهش‌های جغرافیایی، 62، 25-39.
عباسی‌نژاد، حسین.، گودرزی، یگانه. و مشتری دوست، ش.، 1391، آیا نوسانات حجم پول دارای اثرات حقیقی بر اقتصاد ‌می‌باشد؟، فصلنامه تحقیقات اقتصادی راه اندیشه، 2(5)،69-94.
عزیزی، ق.، چهره آرا، ت. و صفر راد، ط.،1393، اثر هم‌زمان فازهای  NAOو SOI بر آب‌وهوای ایران، جغرافیا و پایداری محیط، شماره 12، 43-56.
عزیزی، ق.، 1379، النینو و دوره‌های خشکسالی ترسالی در ایران. پژوهش‌های جغرافیایی، 38، 71-84.
عطایی، ه.و یوسفی فر، ب.، 1394، بررسی روند تغییرات دمای شبانه استان کرمان و تأثیرپذیری آن از شدت خورشیدی (TSI) طی نیم قرن اخیر، جغرافیا و توسعه شماره 40، 212-195.
علیجانی، ب.، 1375، آب‌وهوای ایران، دانشگاه پیام نور تهران.
غیور، ح.، خسروی، م.، 1380، تأثیر پدیده انسو بر ناهنجاری‌های بارش تابستانی و پاییزی منطقه جنوب‌شرق ایران، فصلنامه تحقیقات جغرافیایی، 32، 141-174.
فاتحی مرج، ا.، برهانی داریان، ع .و مهدویان م.ح.، 1385، پیش‌بینی فصلی جریان رودخانه‌های دریاچه ارومیه با استفاده از شاخص‌های اقلیمی، پژوهش و سازندگی (در منابع طبیعی)، 71، 41-51.
فرج‌زاده اصل، م.، احمدی، م.، علیجانی، ب.، قویدل رحیمی، ی.، مفیدی، ع. و بابائیان، ا.،1392 ، بررسی وردایی الگوهای پیوند از دور و اثر آنها بر بارش ایران، نشریه پژوهش‌های اقلیم شناسی، سال چهارم، شماره پانزدهم و شانزدهم، پاییز و زمستان، 31-45.
قاسمیه، ه.، بذرافشان، ا. و بخشایش منش، ک.، 1396، پیش‌بینی بارش ماهانه با استفاده از الگوهای پیوند از دور و شبکه عصبی مصنوعی (مطالعه موردی: حوضة فلات مرکزی ایران)، م. فیزیک زمین و فضا، (2)43، 405-418.
مدرس‌پور، آ.، 1376، تأثیر رویداد ENSO (النینو- نوسان جنوبی) بر بارندگی و دمای ایران، نیوار، 33، 66-76.
منتصری، م.، امیر عطایی، ب. و رضایی، ح.، 1396، تحلیل منطقه‎ای و استخراج منحنی بزرگی-مساحت- فراوانی خشکسالی با استفاده از توابع مفصل در حوضة آبریز دریاچه ارومیه، نشریه آب و خاک (علوم و صنایع کشاورزی). 31(4)، 1277- 1260.
Addison, P. S., 2002, The illustrated wavelet transform handbook: IOP Publishing Ltd, 351pp.
Aguiar-Conraria, L., Azevedo, N. and Soares, M. J., 2008, Using wavelets to decompose the time-frequency effects of monetary policy. Physica A: Statistical Mechanics and its Applications, 387, 2863–2878.
Alijani, B., Yarnal, B. and Brien, J. O., 2008, Spatial analysis of precipitation intensity and concentration in Iran. Theoretical and Applied Climatology, 94, 107–124.
Allen, J., 2017, El Nin˜o-like teleconnection increases California precipitation in response to warming, nature communications, 1-15.
Cai, W., Whetton, P.H. and Pittock, A.B., 2001, Fluctuations of the relat ionship between ENSO and northEAst Australian rainfall. Climate Dynamics, 17, 421-432.
Changnon, S. A., 2004, Temporal behaviour of levels of the GrEAt Lakes and climate variability. J. GrEAt Lakes Res, 30(1), 184–200.
Chen, H., Guo, S., Xu, C. Y. and Singh, V. P, 2007, Historical Temporal Trends of Hydro-Climatic Variables and Runoff Response to Climate Variability and Their Relevance in Water Resource Management in the Hanjiang Basin. Journal of Hydrology, 344, 171-184.
Davies, R. B., 1987, Hypothesis testing when a nuisance parameter is present only under the alternative. Biometrika, 74, 33–43.
Ghil, M., Allen. M. R., Dettinger, M. D., Ide, K., Kondrashov, D., Mann, M. E., Robertson, A. W., Saunders, A., Tian, Y., Varadi, F. and Yiou, P., 2002, Advanced Spectral Methods For Climatic Time Series. Reviews of Geophysics, 1-1, 1-41.
Gibson, J. J., Prowse, T. D. and Peters, D. L., 2006, Partitioning impacts of climate and regulation on water level variability in GrEAt Slave Lake, Journal of Hydrology, 329, 196– 206.
Goupillaud, P., 1984, Grossman , A., and Morlet., 1948, Cycle- octave and related transform in seismic signal analysis : Geoxploration, 23, 85-102.
Grinsted, A., 2009, Exploring linkages between time series: Wavelet coherence and Phase-aware influenced by climatic change. Ann. Geophys, 15, 1489-1497.
Kelly, A., Paul, S. and Ruscher, H., 2014, Large Scale Climate Oscillations and Mesoscale Surface Meteorological Variability in the Apalachicola-Chattahoochee-Flint River. Journal of Hydrology, 25, 55-67.
Kousari, M. and Ahani, H., 2011, An investigation on reference crop Evapotranspiration trend from 1975 to 2005 in Iran. International Journal of Climatology, 32(15), 2387-2402.
Labat, D., 2005, Recent advances in wavelet analyses: Part I. A review of concepts, J. Hydrol, 314(1-4), 275–288.
Li, Z. L., Xu, Z. X., Li, J. Y. and Li, Z. J., 2008, Shift trend and step changes for runoff time series in the  Shiyang River basin, northwest China.
Luterbacher, J., Xoplaki, E., Dietrich, D., Jones, P. D., Davies, T. D., Portis, D., Gonzalez-Rouco, J.F., von Storch, H., Gyalistras, D., Casty C. and Wanner, H., 2001, Extending North Atlantic Oscilation reconstruction back to 1500. Atmospheric Science Letters, 2,114- 124.
Mariotti, A., Zeng, N. and Lau, K- M., 2002, Euro MediterranEAainfalland Enso–sEAsonally Varing Relationship,Geophysical resEArch letters, Vol 29, Issue 12, 1-59.
Mavromatis, T., 2007, Drought index evaluation for assessing future whEAt production in Greece, International J. of Climatology, 27, 911-924.
Muggeo, M., 2003, Estimating regression models with un- known brEAk-points. Statistics in Medicine, 22, 3055–3071.
Nourani, V., Nezamdoost, N., Samadi, M. and Daneshvar Vousoughi, F., 2015, Wavelet based trend analysis of hydrological processes at different timescales. Journal of Water and Climate Change, 6, 414-435.
Pasquini, A. I., Lecomte, K. L. and Depetris, P. J., 2008, Climate change and recent water level variability in Patagonian proglacial lakes, Argentina,Global and Planetary Change, 63, 290–298.
Polderman, N. J. and Pryor S. C., 2004, Linking synoptic-scale climate phenomena to lake-level variability in the Lake Michigan-Huron Basin. J. GrEAt Lakes Res, 30(3), 419–434.
Rimkus, E., Kazys, J. and Valiukas, D., 2013, The atmospheric circulation patterns during dry periods in Lithuania, OCEANOLOGIA, 56 (2), 223–239.
Sen, P. K., 1968, Estimates of the Regression Coefficient Based on Kendall's tau. Journal of the American Statistical Association, 63, 1379-1389.
Tabari, H., Shifteh Somee, B. and Rezaeian Zadeh, M., 2011, Testing for long-term trends in climatic variables in Iran, Atmospheric ResEArch, 100, 132-140.
Thiel, H., 1950, A Rank-invariant Method of LinEAr and Polynomial Regression Analysis, Part 3. Proceedings of Koninalijke Nederlandse Academic van Weinenschatpen A, 53, 1397-1412.
Thornthwaite, C. W., 1948, An approach toward rational classification of climate, Geographical Review, 38, 55-94.
Torrence, C. and Webeter, J., 1999, Interdecadal changes in the ENSO-Monsoon system JOURNAL of CLIMATE, Volume 12, 2679-2690.
Torrence, C. H. and Compo, G. P., 1998, A practical guide to wavelet analysis : Bull Am Meteor Soc, 79, 61-78
Upperbrink, J., 1997, SEAsonal climate prediction’ Science, 277, P 1952.
Vicente-Serrano, S. M., Begueria, S. and Lopezmoreno, J. I., 2010, A multi-scalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index-SPEI, J. of Climate, 23(7), 1696-1718.
Wallace, J. M., Guzzler, D. S., 1981, Teleconnections in the Geo-potential Height Field during the Northern Hemisphere Winter. Monthly Weather Review, 109, 784-812.