TY - JOUR T1 - Detection of relationship between snowy days in Ardabil province with bi-seasonal fluctuations of large-scale Atmospheric-Oceanic circulation patterns of Atlantic & pacific oceans TT - آشکارسازی ارتباط تغییرات روزهای برفی استان اردبیل با نوسانات دوفصلی الگوهای بزرگ‌مقیاس گردش‌های جوّی – اقیانوسی اقیانوس‌های اطلس و آرام JF - geospace JO - geospace VL - 22 IS - 77 UR - http://geographical-space.iau-ahar.ac.ir/article-1-3578-fa.html Y1 - 2022 SP - 139 EP - 159 KW - Ardabil province KW - Atmospheric oceanic patterns KW - Multiple regression KW - Snow days. N2 - مقدمه پدیده­های کلان‌مقیاس جوّی-اقیانوسی، دگرگونی‌های اقلیمی زیادی را در جهان سبب شده­اند. الگوهای کلان‌مقیاس جوّی – اقیانوسی متغیری مناسب برای پیش­بینی عناصر اقلیمی بخصوص روزهای برفی هستند. بارش‌های برفی سبک و نیمه­سنگین تا سنگین استان اردبیل، علاوه بر تأثیرپذیری از عوامل محلّی، با پدیده­های کلان‌مقیاس گردش­های جوّی – اقیانوسی نیز در ارتباط هستند. با تعیین میزان ارتباط بارش‌های برفی استان اردبیل با پدیده­های کلان‌مقیاس گردش­های جوّی – اقیانوسی می­توان پیش­بینی­های لازم در خصوص وقوع روزهای برفی در این استان را به عمل آورد. مواد و روش ﭘﮊوهش در این پژوهش، با استفاده از داده­های مربوط به فراوانی روزهای برفی ایستگاه‌های سینوپتیک استان اردبیل به‌عنوان نمونه­ای از اقلیم شمال غرب ایران، خصوصیات آماری روزهای برفی این استان مورد مطالعه قرار گرفت. دوره­ی آماری مورد استفاده در ایستگاه­های سینوپتیک اردبیل، خلخال، مشکین­شهر و پارس­آباد به ترتیب از سال 1355، 1366، 1375 و 1364 تا 1396 به ترتیب 42، 31، 22 و 33 ساله بوده است. برای مقایسه میانگین دوره‌های روزهای برفی ایستگاه‌های مورد بررسی، از آزمون T دو نمونه‌ای مستقل استفاده شد. در این مطالعه، علاوه بر تحلیل­های توصیفی، از روش­ همبستگی اسپیرمن، تحلیل روند خطی و پلی­نومیال درجه­ی شش و تحلیل رگرسیون چندگانه به روش پس­رونده برای توجیه درصد تغییرات تبیین شده­ی روزهای برفی استان اردبیل توسط 27 الگوی کلان‌مقیاس گردش­های جوّی – اقیانوسی اقیانوس­های آرام و اطلس استفاده شد. داده­های مربوط به شاخص‌های پدیده­های کلان‌مقیاس گردش­های جوّی – اقیانوسی که در این مطالعه مورد استفاده قرار گرفته است، از وب‌سایت https://www.psl.noaa.gov/data/climateindices اخذ شده است که عبارتند از: SOI، SENSO، EOF،MEI،NINA1، NINA3، NINA4، NINA3.4، ONI، PWP، TNI، EPO، NOI، NP، PDO، PNA، WP، AO، AMM، AMON، ATLTRI، CAR، NTA، TNA، TSA، WHWP و NAO. یافته­های پژوهش نتایج نشان داد که در مقیاس سالانه در ایستگاه اردبیل، به طور متوسط حدود 35 روز برفی وجود دارد. تعداد روزهای برفی در ماه‌های ژانویه، فوریه، مارس، دسامبر و نیز در مقیاس سالانه، از توزیع تقریباً نرمالی برخوردار است. نرمال بودن نسبی توزیع تعداد روزهای برفی در مقیاس سالانه و شباهت آن به ماه‌های دسامبر تا مارس ایستگاه اردبیل، به دلیل سهم بسیار زیاد تعداد روزهای برفی این ‌ماه‌ها در تشکیل تعداد روزهای برفی سالانه‌ی ایستگاه اردبیل است. ضریب تغییرات اغلب ایستگاه‌ها نیز در ماه‌های می و اکتبر بیش از سایر ماه‌هاست. نتایج روند خطی تغییرات روزهای برفی ایستگاه اردبیل، حاکی از افزایش آرام تعداد روزهای برفی ایستگاه مورد مطالعه در طول دوره‌ی آماری است. روزهای برفی اغلب ایستگاه‌های مورد مطالعه، دارای همبستگی معنی‌دار در سطح خطای 1 و 5 درصد با یکدیگر بودند و این مسأله، بیان کننده­ی فراگیری بارش‌های برفی در سطح ایستگاه‌های استان اردبیل است. در ایستگاه­های خلخال، مشکین‌شهر و پارس‌آباد، کاهش نسبی در تعداد روزهای برفی در مقیاس سالانه دیده می‌شود. مدل پلی­نومیال مرتبه‌ی 6، روزهای برفی ایستگاه اردبیل را بهتر پیش­بینی کرد. نتایج آزمون T دو نمونه مستقل برای روزهای برفی ایستگاه‌های مورد مطالعه نشان داد که مقدار sig در آزمون لون بیشتر از 05/0 است لذا فرض برابری واریانس­ها رد نمی­شود. مقدار sig آزمون T برای برابری میانگین‌ها حاکی از این است که در ایستگاه‌های اردبیل و خلخال، فرض برابری میانگین‌ها مورد تأیید است ولی در ایستگاه‌های خلخال و پارس‌آباد فرض مذکور رد می‌شود. در ایستگاه پارس‌آباد، تعداد روزهای برفی با الگوهای جوّی اقیانوسی اقیانوس اطلس همبستگی معکوس ناقص معنی‌دار داشت. بررسی­ها نشان دادند که روزهای برفی ایستگاه‌های استان اردبیل، با الگوهای جوّی – اقیانوسی اقیانوس آرام همبستگی بیشتر و معنی‌دارتری دارند تا الگوهای جوّی – اقیانوسی اقیانوس اطلس. در ایستگاه اردبیل، خلخال، مشکین‌شهر و پارس‌آباد، به ترتیب 48، 90، 99 و 49 درصد از تغییرات روزهای برفی، توسط الگوهای جوّی – اقیانوسی اقیانوس اطلس تبیین می­گردند. نتایج نشان دادند که در ایستگاه اردبیل، الگوهای NINO3.4، ONI، TNI و NINO1+2، در ایستگاه مشکین‌شهر، الگوی NP و در ایستگاه پارس‌آباد الگوهای NEI، PNA، NP، NINO3.4 و NINO1+2، بیشترین درصد از تغییرات تعداد روزهای برفی این ایستگاهها را با الگوهای جوّی – اقیانوسی اقیانوس آرام راتبیین کردند. نتایج همچنین نشان دادند که در ایستگاه اردبیل، الگوهای WHWP، NTA و AMM، در ایستگاه خلخال، الگوهای WHWP، TSA و AMM، AMO، CAR و TNA ، در ایستگاه مشکین‌شهر، الگوهای WHWP، ATLTRI، AMM و TNA و در ایستگاه پارس‌آباد، الگوی AMO بیشترین درصد از تغییرات تعداد روزهای برفی این ایستگاهها را با الگوهای جوّی – اقیانوسی اقیانوس اطلس راتبیین کردند. نتیجه­گیری و بحث نتایج نشان داد که در بین ایستگاه‌های مورد مطالعه، ایستگاه خلخال همبستگی بیشتر و معنی‌دارتری با الگوهای جوّی- اقیانوسی اقیانوس آرام دارد. در استان اردبیل، الگوهای جوّی – اقیانوسی اقیانوس اطلس، تغییرات روزهای برفی ایستگاه‌های سینوپتیک خلخال و مشکین‌شهر را بیشتر از ایستگاه‌های اردبیل و پارس‌آباد توجیه می‌کنند. نتایج آزمون T دو نمونه مستقل نشان داد که اختلاف میانگین روزهای برفی در تمامی ایستگاه‌های مورد بررسی در دو دوره مطالعاتی اختلاف چندانی با یکدیگر ندارند و نمی‌توان ادعا کرد که تعداد روزهای برفی در ایستگاه‌های مورد بررسی دستخوش تغییر اقلیم شده است. پراکنش مقادیر همبستگی روزهای برفی ایستگاه‌های مورد مطالعه با الگوهای جوّی – اقیانوسیِ اقیانوس اطلس و آرام نشان داد که در اغلب الگوهای مورد بررسی، میزان همبستگی روزهای برفی با الگوهای منتخب مورد مطالعه از جنوب به شمال استان افزایش می­یابد. کلیدواژه‌ها: استان اردبیل – روزهای برفی – الگوهای جوّی اقیانوسی- همبستگی چندگانه. M3 ER -