بررسي روند تغييرات دما، بارندگي و رطوبت نسبي در ايران

Trend Analysis of Temperature, Precipitation, and Relative Humidity Changes in Iran

اولين گام در راستاي آشكارسازي و چگونگي تغيير اقليم بررسي ناهنجاري و نوسانات ايجاد شده در پارامترهاي اقليمي مي‌باشد. در اين تحقيق به بررسي روند تغييرات پارامترهاي اقليمي دما، بارندگي و رطوبت نسبي در مقياس‌ زماني سالانه در 37 ايستگاه سينوپتيك كشور (2010-1961) با استفاده از آزمون‌هاي آماري ناپارامتريك من-كندال و تخمين‌گر شيب سن پرداخته شده است. به‌طور كلي نتايج حاكي از روند افزايشي دما و روند كاهشي بارندگي و درصد رطوبت نسبي در اكثريت نقاط كشور مي‌باشد. در كل كشور به غير از ايستگاه‌هاي مرتفع و كوهستاني شهركرد، خرم‌آباد و سقز روند افزايشي دما مشاهده شد كه بيشترين افزايش معني‌دار دما (سطح اطمينان 95درصد) در ايستگاه‌هاي مشهد، زاهدان، زابل، بم، يزد، بابلسر، كرمانشاه، آبادان، خوي و تبريز به ميزان 1.5 درجه‌ي سانتي‌گراد در طي 50 سال مي‌باشد. روند كاهش بارندگي خصوصاً در نيمه‌ي شرقي، غرب و شمال غرب كشور مشاهده گرديد كه بيشترين كاهش بارندگي معني‌دار (سطح اطمينان 95 درصد) در شمال غرب كشور و در حدود 3.2 ميلي متر در سال مي‌باشد. روند كاهش رطوبت نسبي در اغلب نواحي به غير از قسمتي در ناحيه‌ي شمال غرب و جنوب درياي خزر مشاهده شد كه بيشترين كاهش معني‌دار در سطح اطمينان 95 درصد در ايستگاه‌هاي آبادان، زاهدان و كرمانشاه در حدود 4.1 درصد در 50 سال گذشته مي‌باشد.

Introduction In the pursuit of detecting the trend and the shift in trend in hydro-meteorological variables, various statistical methods have been developed and used over the years. Of the two methods commonly used (parametric and non-parametric), the non-parametric method has been favored over parametric methods. Long term trend analysis can reveal the beginning of the trend year, trend changes over time, and abrupt trend detection in a time-series. It is expected that the findings of this study will bring about more insights on understanding the regional hydrologic behavior over the last several decades in Iran. Methodology This paper analyzes the behavior of annual and seasonal temperatures, precipitation, and relative humidity. Datasets of 37 stations in Iran were analyzed from 1961 to 2010. The pre-whitening technique was used to eliminate the effect of the autocorrelation of data series. The Mann–Kendall (MK) test and the Sen's slope estimator were applied to quantify the significance of the trend and the magnitude of the trend at a 95% confidence level, respectively. The surface interpolation technique was used to prepare a spatial temperature, precipitation, and relative humidity data map over Iran from the point data measuring stations within the ArcGIS framework. For spatial distribution of trends in maps, contours are generated using an inverse-distance-weighted (IDW) algorithm.