اثر سيگنال‌هاي بزرگ مقياس اقليمي بر بارش در استان مازندران

پيش‌آگهي از بارش، نقش بسيار تعيين كنندهاي در مديريت خشكساليها و برنامه‌ريزي منابع آب شرب و كشاورزي ايفا ميكند و ميتوان سياستهاي آينده را در جهت بهينهسازي صرف هزينهها و امكانات بهره‌وري حداكثر طرحريزي كرد. در اين پژوهش، به بررسي تاثير سيگنالهاي بزرگ مقياس اقليمي بر بارش استان مازندران پرداخته شد. نخست، اثر سيگنال‌هاي اقليمي بر بارش به­صورت همزمان و با تاخير، توسط روشهاي آماري (ضريب همبستگي پيرسون) مورد بررسي قرار گرفت و سپس با استفاده از مدل M5Tree اقدام به مدلسازي بارش ماهانه با شاخص‌هاي مرتبط شد. به­طور كلي ضريب همبستگي بين سيگنالها و بارش نشان داد كه همبستگي همراه با تاخير، مقادير بيشتري نسبت به بررسي همزمان داشت. نتايج بررسي همبستگي بين شاخصهاي اقليمي و بارش ماهانه با يك گام تاخير نشان داد كه در ايستگاه بابلسر، شاخص‌هاي AMM، NINO1+2، NINO3، NINO4، TNA و WHWP داراي همبستگي معني‌دار با بارش بودند. شاخص­هاي AMM، NINO1+2، NINO3، ONI، TNA و WHWP همبستگي معني‌داري با بارش ايستگاه قراخيل داشتند. همچنين بر پايه يافته­ها، همبستگي بين سيگنال‌هاي اقليمي و بارش ايستگاه نوشهر، اختلاف معني‌داري با شاخصهاي AMM، NINO1+2، NINO3، NINO3.4، TNA و WHWP داشت. همبستگي بين بارش رامسر و سيگنال‌هاي اقليمي حاكي از ارتباط معني‌دار سيگنال‌هاي AMM، NINO1+2، NINO3، TNA و WHWP بود. نتايج حاصل از مدل M5Tree حاكي از آن بود كه، معمولاً در گام يك، بهترين عملكرد شبيهسازي بارش رخ داد. همچنين مقايسه نتايج شبيه‌سازي با نمودار Taylor بيانگر اين بود كه در تمامي ايستگاه‌ها، مقادير گام تاخير يك نزديك‌تر به مشاهدات بودند. پيشبيني با تاخير اين مزيت را دارد كه ميتوان وضعيت بارش را از پيش تعريف نمود و در مديريت بهرهبرداري از منابع آب حوزه آبخيز، دخالت داد.

Rainfall prognosis plays an important role in drought management, planning of drinking water and agricultural water resources. Also, Future policies can be tailored to optimize spending and maximum productivity. In this study, the effect of large-scale climatic signals on rainfall in Mazandaran province was investigated. The first, the effect of climatic signals on precipitation simultaneously and with delay was studied by statistical methods (Pearson correlation coefficient) and then, using the M5Tree model, monthly rainfall was compared with related indices. Generally, the correlation coefficient between signals and precipitation showed that correlation with delay was greater than the coincidence. The results of the correlation study between climate indices and monthly precipitation with a one-step delay showed that there was a significant correlation with, AMM, NINO1 + 2, NINO3, NINO4, TNA and WHWP indices and rainfall in the Babolsar station. Also, AMM, NINO1 + 2, NINO3, ONI, TNA and WHWP indices had a significant correlation with rainfall at the Gharakhil station. Based on the findings, correlation between climatic signals and rainfall in Noshahr station, was significantly different with AMM, NINO1 + 2, NINO3, NINO3.4, TNA and WHWP indices. The correlation between Ramsar precipitation and climatic signals showed a significant difference with AMM, NINO1 + 2, NINO3, TNA and WHWP indices. The results of the M5Tree model indicated that, generally, in one-step delay, the best simulation performance will occur. Also, comparing the simulation results with Taylor's diagram showed that at all stations, the one-step delay values were closer to the observations. The advantage of delayed prediction is that the rainfall situation canbe pre-determined and used to manage the water resources of the watershed.