واكاوي فراواني رخدادهاي گردوغبار و بارش همزمان در جنوب‌غربي ايران

Analysis of Simultaneous dustfall and rainfall events frequency in southwest of Iran

تجزيه‌و‌تحليل سري‌هاي زماني پارامترهاي اقليمي، راهكارهاي جديدي را در تحليل فراواني منطقه‌اي و برآورد روابط متغيرهاي اقليمي فراهم كرده است. در اين مقاله، پردازش ويژگي‌هاي رقومي براي تعيين طول دوره چرخه روزانه گردوغبار و بارش در 12 ماه سال به‌كار برده شد تا با استفاده از پريودوگرام هاي همبستگي و تحليل سري‌ زماني روزانه دو متغير يادشده استفاده شود. براي تحقق اين هدف سري‌ زماني دو متغير فراواني گردوغبار و ميزان بارش براساس دوره مشترك آماري بلندمدت (2016-1986) در مورد 45 ايستگاه سينوپتيك واقع در جنوب‌غربي ايران بررسي شد. به‌منظور درك رابطه همبستگي، ابتدا نمودار تغييرات روزانه چرخه‌هاي گردوغبار و بارش در هر ماه از سال به‌طور جداگانه نمايش داده شد. سپس براي اطمينان از نرمال بودن آمار، داده‌ها با استفاده از آزمون آماري كولموگراف- اسميرنوف بوسيله نرم‌افزار SPSS آزمايش گرديد. نتايج آزمون نشان داد كه كليه داده‌هاي پارامترهاي مورد نظر نرمال بودند. نتايج حاصل از محاسبه ضرايب همبستگي در 12 ماه سال پيرسون بيانگر معني‌دار بودن همبستگي داده‌ها در سطح يك درصد است. نتايج بدست‌آمده مبتني بر اين يافته است كه در منطقه مورد بررسي عمدتا در ماه‌هاي سرد سال (ژانويه، فوريه، مارس، آوريل، مي، نوامبر و دسامبر) رابطه همبستگي معني‌دار در سطح اعتماد 95% و 99% وجود دارد و در پنج ماه دوره گرم (ژوئن، ژوئيه، اوت، سپتامبر و اكتبر) همبستگي معني‌دار مشاهده نمي‌شود. همچنين اين تحقيق نشان داد كه رابطه مقدار فراواني رخدادهاي گردوغبار با مقادير بارندگي روزانه در منطقه مورد بررسي رابطه‌اي منفي است و اين امر نشان مي‌دهد كه گردوغبار مي‌تواند به‌طور قابل توجهي به‌عنوان عامل كاهنده يا سركوب كننده ميزان بارندگي در منطقه عمل كند.

This paper was carried out to determine the cycle of dust storm in relation with precipitation in 12 months of the year, using processing of digital time series and their correlation with two variables mentioned above. Hence to accomplish the aim of the paper, the frequency of time series for dust storm and rainfall have been analyzed for the long time statistical data collected from 45 synoptic stations(1986-2016), located in the south east of Iran. In order to understand whether or not any correlation with these two variables, firstly a diagram of the daily changes in dust storm and rainfall cycles was drawn for each month separately. Then, to make sure that the statistics data are normal, the data were analyzed using Kolmogorov-Smirnov test in SPSS software. The results of data normality showed that all statistical data of the parameters used in this research were normal. The results of calculating the correlation coefficients of each month during the course of thirty years, indicated that the correlation of data are significant at (P<0.01 & P<0.05) only in the cold months of the year (January, February, March, April, May, November and December). Also, this study showed that the relationship between the amounts of daily precipitation with an abundance of dust events in the area was negative, and this indicates that the dust could be significantly as reducer or repressive downpours in the region.