نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشدآب و هواشناسی دانشگاه تبریز

2 استاد گروه آب و هواشناسی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز

3 استادیار موسسه آموزش و ترویج کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

چکیده

دماهای فرین امروزه از مهم­ترین پارامترهای ا­قلیمی است که برای اثبات تغییر اقلیم در یک منطقه روند آن را طی سال­های گذشته مورد ارزیابی قرار می­دهند. تحلیل روند سری­های زمانی شاخص­های حدی دما سبب شناخت بهتر رفتار گذشته و حال تغییرات اقلیمی می­شود. پژوهش­های انجام شده در جهان نیز به­طور عمده نشانگر افزایش تدریجی میانگین دما است. در این تحقیق به­منظور شناسایی نوسانات اقلیمی پارامترهای دمای حداقل و روزهای یخبندان از مشاهدات ایستگاه سینوپتیک خرم­آباد در دوره آماری 2013 – 1984 استفاده شده است. هدف از این مطالعه در ابتدا آشکارسازی روند دمای حداقل به­صورت ماهانه بوده است. از طرف دیگر برای تحلیل روند، سری­های زمانی فصلی انتخاب گردید. روش­های به­کار رفته در این پژوهش برای تحلیل روند دمای حداقل استفاده از آزمون همگنی نرمال استاندارد مطلق ( SNHT ) بود. برای ترسیم نمودارهای تحلیل روند از آزمون آماری من - کندال استفاده شده است. نتایج به­دست آمده از روش­های آماری استفاده شده در این پژوهش نشان داد که  سری­های دما فاقد ناهمگنی معنی­دار بودند و فراداده ایستگاه این همگنی را تایید می­کند. بیش­ترین و کم­ترین تغییرات دمای حداقل به­ترتیب در فصل زمستان و پاییز رخ داده است. آماره T من - کندال برای دوره زمانی مورد مطالعه نشان از افزایش معنی­داری دمای حداقل در بیشتر ماه­ها داشته است. ولی روند دما در فصل پاییز دارای معنی­داری کمتری نسبت به دیگر فصول مطالعه شده می­باشد. بر همین اساس با مطالعه روند روزهای یخبندان در طول دوره آماری مورد مطالعه در فصل زمستان نتایج نشان داد که از شدت یخبندان کاسته شده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

The Clarification of Climactic Fluctuations through SNHT Method (Case Study: Khorramabad Station)

نویسندگان [English]

  • kobra baharvandi 1
  • Ali Mohammad Khorshiddoust 2
  • Mojtaba Nassaji Zavareh 3

1 Master's Student of Climatology, University of Tabriz

2 Professor, Department of Climatology, Faculty of Planning and Environmental Sciences, University of Tabriz

3 Assistant professor, institute of Agricultural Education & Extension , Agricultural Research Education and Extension Organization( AREEO), Tehran, Iran

چکیده [English]

Introduction
The purpose of this study is to analyze the temperature trend in Khorramabad station, and an attempt has been made to provide a suitable method to ensure the accuracy of the data, which is the first time that this station is used. The statistical years (2013-2013) have been that the data in these years have been recorded in a coherent and regular manner and this data has been easier to access. In view of the above, this study intends to identify and modify possible inhomogeneity as much as possible in the first stage while examining the accuracy of data homogeneity before analyzing the trend. In the second stage, the analysis evaluates the trend of minimum temperature over 30 years.
Data and Method
The SNHT (Standard Normal Homogeneity Test) method is one of the most common methods for examining the homogeneity of temperature and precipitation data, which has been used by many researchers around the world. This method has been proposed by various researchers and for more accurate detection of atmospheric fluctuations from heterogeneity by non-atmospheric factors, this test is used by considering the reference series. In this method, the tested time series is based on the stability of the difference of parameter d between the temperature in the tested station and the reference series. Heterogeneity in the test series is revealed by changes in the d series. To reduce the spatial effect on temperature values, the relation (t ˍˍ t is used, where t is the average temperature value and r is the correlation coefficient between the subject and reference station (for example (t io ˍˍ to) and t jr ˍˍ tj)), respectively, temperature values It is in the test station and in each reference station. The parameter d in each time step i for k reference station is calculated based on the following equation. This test is performed by two methods of absolute standard normal homogeneity and relative normal standard homogeneity. Here, considering that only the time series of a station is examined, the absolute standard normal homogeneity method is used. In fact, this method is a necessity for climate research that must be done before any calculations, and after confirming the homogeneity of the data by the test, the rest of the research studies can be continued (Nassaji Zavareh, 1392: 58).
Results and Discussion
In this study, due to the lack of adjacent stations during the statistical period in the region, the absolute standard normal homogeneity method has been used to examine the homogeneity of the data. This test was used for monthly time series. The test results showed most of the monthly time series were homogeneous. In a number of months, heterogeneity was observed in the time series. Because the type of test used was an absolute test and the metadata did not confirm this heterogeneity, these heterogeneities could be attributed to natural atmospheric fluctuations. This result is consistent with the research of Peterson et al. (1998). Analysis of the plotted graphs shows that there is no heterogeneity based on this test, which is also confirmed by the metadata in Table (4). Because the meteorological station of Khorramabad city has been moved from the city centre to outside the city since 1981. Therefore, the data recorded from 1981 onwards are standard and acceptable. In this study, the length of the statistical period under study begins in 1984 and ends in 2013. Data homogenization results were performed by absolute homogeneity test for each month separately for 30 years. Altogether two results are obtained from the analyses: Two results are obtained:
1- The temperature of the minimum statistical period of thirty years has acceptable homogeneity.
2. Some inhomogeneity observed in April, May, June and July are due to weather conditions.
Conclusion
1. The results of the SNHT test on the data showed that a series of heterogeneity is seen in the data process over 30 years, but it is not related to the displacement of the station, and it is related to the weather conditions.
2 - The results of non-parametric I-Kendall test on the data and during the 30 years of the statistical period showed that the value of T-statistic is significant in most months and the trend is also positive.
3- According to the T-statistic of the non-parametric method I-Kendall, the trend of glacial intensity in Khorramabad station is decreasing, i.e. the days we had in this glacial station are decreasing and it shows the fact that the weather in Khorram-abad city has an increasing trend. The results of this study are consistent with the research of other researchers such as Rahimzadeh (2011), and Shiravand et al. (2010). In relation to answering the research questions, it should be stated that this research, according to its title, is an analysis of the trend of minimum temperature and frosty days during 30 years. It is hoped that in other studies, researchers will address this issue in a more comprehensive manner, and these responses have only been proven using the statistical methods studied, if in addition to other atmospheric factors, factors such as The heat island in the city centre, the reduction of green space, the increase of carbon dioxide, etc. have always affected the climate of different regions. Therefore, all factors should be considered in the study of climate change in a region, which in this study, according to its title, is not an opportunity to research and describe the mentioned factors.

کلیدواژه‌ها [English]

  • Keywords: Climate fluctuations
  • Temperature and freezing processes
  • Standard Normal Homogeneity Test (SNHT) method
  • Mann-Kendall method
  • Khorramabad
-        بهمنش، جواد، آزاد طلا تپه، نسرین، ( 1392 )، بررسی تغییرات پارامترهای هواشناسی موثر بر اقلیم ارومیه، نشریه جغرافیا و برنامه­ریزی، سال 19، شماره 51، بهار 94، صفحات 58 – 41 .
-        خورشیددوست، علی محمد؛ رسولی، علی اکبر، سلاجقه، علی و نساجی زواره، مجتبی (1395)، ارزیابی همگنی سری‌های زمانی دمای بیشینه و کمینه سالانه و فصلی (مطالعه موردی ناحیه خزر)، نشریه جغرافیا و برنامه‌ریزی، 20(57): 149-133.
-        رحیم زاده، فاطمه؛ (1390)، روش آماری در مطالعات هواشناسی و اقلیم شناسی، انتشارات سید باقر حسینی، تهران.صفحه 225
-        رضایی بنفشه، مجید، سرافروزه، فاطمه، جلالی، طاهره، ( 1389 )،  بررسی روند دما و بارش روزانه حدی در حوضه ارومیه، نشریه جغرافیا و برنامه­ریزی، سال 16، شماره 38 ، زمستان 1390، صفحات 74 - 43 .
-        شیراوند، هنگامه؛ درگاهیان، فاطمه؛ لشنی زند، مهران؛ نورالدین سپهوند؛ (1389)، بررسی روند دما وبارش ایستگاه های سینوپتیک استان لرستان طی دهه های آتی بر اساس مدل LARS - WG ، اولین کنفرانس بین المللی مدل سازی گیاه ، آب، خاک و هوا. صفحه 9 . 
-        عساکره، حسین؛ (1390)، مبانی اقلیم شناسی آماری، انتشارات طیف نگار، انتشارات دانشگاه زنجان، چاپ اول .
-        عیسی پور، مصطفی؛ (1392)، تحلیل و پیش بینی سری های زمانی دما در استان خراسان رضوی با استفاده از مدل باکس جنکینز، دوره آماری از ابتدای تاسیس ایستگاه تا سال 2011، پایان نامه، دانشگاه شهید بهشتی. صفحه 32.
-        کاویانی، محمدرضا ؛ عساکره، حسین؛ (1382) ، بررسی آماری روند بلند مدت بارش سالانه اصفهان، سومینکنفرانسمنطقه و اولین کنفرانس ملی تغییر اقلیم، دانشگاه اصفهان.صفحه 162 – 143 .
-        گزارش نیمه تفضیلی آب زیرزمینی خرم آباد، شرکت آب منطقه ای استان لرستان، سال (1391).
-        میرعباسی نجف آبادی، رسول، دین پژوه، یعقوب، ( 1392)، بررسی روند تغییرات سرعت باد در ایستگاه­های منتخب ایران، نشریه جغرافیا و برنامه­ریزی، سال 19، شماره 52، تابستان 94، صفحات 301 – 277.
-        نسا­جی زواره ، مجتبی؛ ( 1392 )، آشکار سازی تاثیر تغییرات دما و بارش بر دبی ایستگاه های منتخب ناحیه خزر، پایان نامه دکتری. دانشکده جغرافیا و برنامه ریزی. دانشگاه تبریز.صفحه 35 .
-        همتی، رسول؛ (1390)، تفسیر آزمون گرافیکی من–کندال، مرکز تحقیقات هواشناسی کاربردی اردبیل.صفحه 5 .
-        Alexandersson, H. (1986(. A homogeneity test applied to precipitation data. Journal of Climatology, 6: 661 – 675.
-        Alexandersson, H., A. M. Oberg (1997). Homogenization of Swedish temperature data. Part I: homogeneity test for liner trends. International Journal of Climatology, 24: 643 – 662.
-        Aguilar (2005). Metadata and Homogenization. WCDMP- No. WMO-TD. 1186, 55 pp., World Meteorological Organization, Geneva. PP: 1132- 1145.
-        Balling, JR, C, Idso. S, B (1999). Effects of Greenhouse Warning on Maximum Summer Temperature. Agric. for Meteorol., 53,143-147.
-        Conrad, V., and C. Pollak, (1950). Methods in Climatology.2d ed. Harvard Press University 45pp.
-        Guttman, N., (1998). Homogeneity, Data  Adjustments  and  Climatic  Normal  National  Climatic  Data  Center,  Retrieved   September  5,  (2013).  http://www. Stat. Washington. edu/peter/71MSC/Normals.pdf.PP: 245.
-        Karl, T.R. and Williams Jr., CN.(1987). An Approach to Adjusting Climatological Time Series for Discontinuous Inhomogeneity, Journal of Climate and Applied Climatology 26, 1744-1763.
-        Kendall, M, G, 1975. Rank Correlation Methods. Charles Griffin London.201.PP: 200- 222.
-        Khaliq, M. N., T. B. J. Ouarda,) 2007(. On the critical values of the Standard Normal Homogeneity Test (SNHT). International Journal Climatology, 27: 681 – 687.
-        Marengo, J. and Canmargo, C. C. (2008), Surface Air Temperature Trends in A Mediterranean Area (Valencia Region), Int. J. Climatol., 26:1051-1073.
-        Mamara, A.,   A.A.   Argiriou, M.  Anadranistakis, 2012.  Homogenization of mean monthly   temperature time series of Greece.  International   Journal of Climatology, 33: 2649 – 2666.
-        Mann, H. B. 1945. Nonparametric Tests, Econometrica 13, 245 – 259.
-        Peterson, T.C., Easterling, D.R., Karl, T.R., GroismAN, p., Nikholls, N., Torok, S.,Auer, I., Bohm, R., Gullett, D., Vincent, L.,Heino, r., Tuomenvirta, H., Mester, O., Szentimrey, T.,Salinger, J., Forland, E.J., Hanssen-Bauer, I., Alexandersson, H., Jones, P.E and Parker, D.(1998). Homogeneity adjustments of in situ atmospheric climate data: A review, International Journal of Climatology, 18, 1493 – 1517.
-        Pandžic, K., T. Likso, (2010). Homogeneity of average annual air temperature time series for Croatia. International Journal of Climatology, 30, 1215 – 1225.
-        Sueyers. R., )1990(, on the Statistical Analysis of Series of Observation, WMO, No 415, pp 2.
-        Syrakova, M., M. Stefanova,) 2009(. Homogenization of Bulgarian temperature series. International Journal of Climatology, 29:1835 – 1849.
-        Sahin, S., and H.  K. Cigizolu, (2010).  Homogeneity Analysis of   Turkish meteorological data set. Hydrological Processes, 24: 981 – 992.
-        Tiba, C, and Fraidenraich, N.)2004(. Analysis of Monthly Time Series of Solar Radiation and sunshine hours in Tropical Clim. TES. Renewable Energy, 29:1147-1160.