واكاوي نقش شاخص هاي پيوند از دور اقليمي بر بارش استان كردستان

Analysis the Impact of Climatic Signals on Kurdistan Precipitation

براي انجام اين پژوهش از داده­هاي روزانه­ي بارش 188 پيمونگاه همديد، اقليمي و باران­سنجي داخل و خارج از استان كردستان طي بازه­ي زماني1/1/1340 تا 29/12/1388(21/3/1961 تا 19/1/2011) استفاده شد. به كمك روش زمين آمار كريگينگ مقادير بارش بر روي ياخته­هاي 6×6 كيلومتر ميان­يابي شد. براي هر روز يك نقشه­ي رقومي تهيه شد. مقادير بارش بر روي 811 ياخته­ي داخل استان كردستان استخراج شد و يك پايگاه داده(گاه­جاي) در ابعاد 811×18203ايجاد شد كه بر روي سطرها روز(زمان) و بر روي ستون­ها مكان(ياخته­ها) قرار داشت. مقادير مجموع ماهانه­ي بارش براي هر ياخته حساب شد. طي بازه­ي زماني ياد شده مقادير عددي مربوط به 10 سيگنال­ اقليمي از تارنماي NCEP/NCAR برگرفته شد. ارتباط بين سيگنال­هاي اقليمي با بارش استان كردستان به كمك رگرسيون خطي در سطح اطمينان 95 درصد آزمون شد. يافته­ها نشان داد كه بين سيگنال­هاي اقليمي با بارش استان كردستان طي دوره­ي مورد مطالعه ارتباط معناداري ديده مي­شود. گستره­ و شدت ارتباط معنادار بين سيگنال­ها و بارش استان، در فصل پاييز به اوج مي­رسد. در فصل پاييز نقش سه سيگنال اقليمي شاخص نوسان جنوبي(SOI)، شاخص درياي شمال-خزر(NCP) و شاخص شرق اقيانوس اطلس- غرب روسيه (EAWR) بر بارش استان پررنگ­تر است. شاخص نوسان جنوبي ارتباط معكوس و دو شاخص درياي شمال-خزر و شرق اقيانوس اطلس- غرب روسيه ارتباط مستقيمي با بارش در فصل سرد سال دارند. در فصل گرم سال ارتباط دو شاخص اخير با بارش استان معكوس است. بطور كلي مي­توان گفت كه در فصل سرد سال افزايش فشار تراز دريا و ارتفاع ژئوپتانسيل در تراز 500 هكتوپاسكال بر روي غرب اروپا و كاهش آن بر روي مديترانه­ي شرقي، درياي خزر و شمال درياي خزر منجر به افزايش بارش در استان كردستان مي­شود. در فصل گرم سال(بويژه تابستان) افزايش فشار تراز دريا و ارتفاع ژئوپتانسيل بر روي بخش­هاي شمالي درياي خزر منجر به افزايش بارش­هاي فصل گرم سال خواهد شد.

To doing this research, daily precipitation data from 188 synoptic, climatology and rain gauges stations in and out of Kurdistan province during 21/3/1961 to 19/1/2011 have been used. Daily precipitation interpolated on 6*6 km pixels by Kriging spatial statistic over Kurdistan province. One matrix with dimension 18203*811 has been created that located time (days) on the rows and column were pixels. For each pixels total monthly precipitation has been calculated. Data of ten teleconnection patterns extracted from NCEP/NCAR. Linear regression has been used to detection correlation between precipitation and teleconnection patterns. The correlation tested in 95% confidence level. The results showed that correlation between precipitation and teleconnection patterns is significant in 95% confidence level. The extent and intensity of significant correlation go to head in autumn season. The impact of South Oscillation Index (SOI), North Sea Caspian Pattern (NCP) and East Atlantic and West Russia (EAWR) is high in autumn. In cold seasons, SOI has negative correlation while NCP and EAWR have positive correlation with precipitation. In warm seasons two recent indices have negative correlation with precipitation. In total, increase sea level pressure and geopotential height in 500 hPa over Western European parts and decrease over eastern Mediterranean, Caspian Sea and north Caspian result in increase precipitation in Kurdistan province during cold seasons. In contrast, increase sea level pressure and geopotential height in 500 hPa over northern part of Caspian Sea result in increase precipitation during warm seasons.