Geographical Space

fa آشکارسازی ارتباط تغییرات روزهای برفی استان اردبیل با نوسانات دوفصلی الگوهای بزرگ‌مقیاس گردش‌های جوّی – اقیانوسی اقیانوس‌های اطلس و آرام Detection of relationship between snowy days in Ardabil province with bi-seasonal fluctuations of large-scale Atmospheric-Oceanic circulation patterns of Atlantic & pacific oceans تخصصي Special پژوهشي Research 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 <a href="https://www.psl.noaa.gov/data/climateindices">https://www.psl.noaa.gov/data/climateindices</a>  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.   Introduction Atmospheric-oceanic macro scale phenomena have caused much of the worldchr('39')s climate change. Atmospheric-oceanic macro scale patterns are a suitable variable for predicting climatic elements, especially snowy days. In Ardebil province, light, semi-heavy and heavy snowfalls, in addition to local factors, are also related with Large-scale Atmospheric-oceanic circulation patterns. Forecasts for snow days in Ardabil province can provide by determinatiom of relationship between snowfalls and macro-scale phenomena of atmospheric-oceanic circulations in this province.   Materials & Methods In this research, by snow days data of synoptic stations of Ardabil province as sample of climate of North West of Iran, statistical characteristics of snow days of this province was studied. The statistical period used in Ardebil, Khalkhal, Meshkinshahr and Pars Abad synoptic stations were 42, 31, 22 and 33 years from 1976, 1987, 1996 and 1985 to 2017, respectively. Independent two-sample T-test was used to compare the mean snow days of the stations under study. In this research, In addition to descriptive analysis, spearman correlation, order 6 polynomial and linear trend, multiple regression analysis based on backward method for determine of variability of snow days in Ardabil province by using 27 Large-scale Atmospheric-oceanic circulation pattern of Atlantic and Pacific oceans. Indicators of macro-scale atmospheric-ocean circulation phenomena used in this study were obtained from <a href="https://www.psl.noaa.gov/data/climateindices">https://www.psl.noaa.gov/data/climateindices</a>  which include: 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 and NAO.   Discussion of Results The results showed that there is an average of about 35 days of snow at Ardabil station on an annual scale. The number of snow days in January, February, March, December, as well as annual scale, has an almost normal distribution. In Ardebil station, the relative normality of the distribution of the number of snow days on an annual scale and its similarity to December to March is due to the high share of snow days in these months in the composition of the number of annual snow days in this station. The coefficient of variation of most stations is also higher in May and October than in other months. Result of linear trend of snow days variability in Ardabil synoptic station shows a slow increase of snow days of this station. Snow days in most of the stations under study had significant correlations at 1% and 5% error levels by each there, which reflects the prevalence of snowfall at Ardabil province stations. In Khalkhal, Meshkinshahr and Parsabad stations, annual decrease in number of snow days is observed in annual scale. The 6th-order polynomial model predicted snow days in Ardabil station rather than other models. T-test results of two independent samples for snow days of the studied stations showed that significant value in Levenechr('39')s test was greater than 0.05, so the assumption of equality of variances cannot be rejected. The significant value of T test for equality of means indicates that in Ardebil and Khalkhal stations, the assumption of equality is confirmed, but in Khalkhal and Parsabad stations the assumption is rejected. At Parsabad station, the number of snowy days was significantly inversely correlated with the Atlantic oceanenic-atmospheric patterns. Results showed that the snowy days in synoptic stations of Ardabil province have a higher and more significant correlation with atmospheric-oceanic patterns of the Pacific Ocean than atmospheric-oceanic patterns of the Atlantic Ocean. At Ardabil, Khalkhal, Meshkinshahr and Parsabad stations, 48%, 90%, 99% and 49% of the changes in snowy days were explained by the atmospheric-oceanic patterns of the Atlantic Ocean, respectively. The results showed that in Ardabil station, NINO3.4, ONI, TNI and NINO1+2 patterns, in Meshkinshahr station, NP pattern and in Parsabad station, NEI, PNA, NP, NINO3.4 and NINO1+2 patterns, explained the highest percentage of changes by the number of snowy days of these stations with atmospheric-oceanic patterns of the Pacific Ocean. The results also showed that in Ardabil station, WHWP, NTA and AMM patterns, in Khalkhal station, WHWP, TSA and AMM patterns, AMO, CAR and TNA, in Meshkinshahr station, WHWP, ATLTRI, AMM and TNA patterns and in Parsabad station, The AMO pattern explained the highest percentage of changes by the number of snowy days of these stations with atmospheric-oceanic patterns of the Atlantic Ocean     Conclusions Among synoptic station of Ardabil provinec, Khalkhal station has more significant correlation with Atmospheric-ocemic patterns of Pacific ocean. In Ardabil provinec, Atmosphoric-oceanic patterns of Atlantic ocean, determine variability of snowdays of Khalkhal and Meshkinshahr synoptic stotions more than Ardabil and Parsabad synoptic stations. The results of T-test of two independent samples showed that the difference of mean of snow days in all the studied stations in the two study periods were not significantly different from each other and it can not be claimed that the number of snow days in the studied stations has been affected by climate change. Distribution of correlation values of snow days in the studied stations with Atlantic and Pacific atmospheric patterns showed that in most of the studied models, correlation of snow days with selected patterns increased from south to north of Ardabil province. استان اردبیل – روزهای برفی – الگوهای جوّی اقیانوسی- همبستگی چندگانه. Ardabil province, Atmospheric oceanic patterns, Multiple regression, Snow days. 139 159 http://geographical-space.iau-ahar.ac.ir/browse.php?a_code=A-10-1303-6&slc_lang=fa&sid=1 Bromand Salahi برومند صلاحی bromand416@yahoo.com 100319475328460020678 100319475328460020678 Yes University of Mohaghegh Ardabili گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی