بررسي روند فراواني روزهاي همراه با توفان هاي گرد و غبار و ارتباط آن با عناصر اقليمي (مطالعه موردي: استان لرستان)

Trend Analysis of Dusty Days Frequency and its Correlation with Climatic Variables (Case Study: Lorestan Province

در اين پژوهش جهت شناسايي و بررسي روند تغييرات فراواني روزهاي همراه با توفان هاي گرد و غبار و ميزان ارتباط آن با متغيرهاي اقليمي (دماي بيشينه و سرعت بيشينه باد)، داده هاي ساعتي و روزانه گرد و غبار و همچنين داده هاي هواشناسي 10 ايستگاه سينوپتيك استان لرستان با طول دوره آماري مشترك (2014-2000) در مقياس فصلي مورد مطالعه قرار گرفت. بدين منظور پس از بررسي تمامي سري داده ها از نظر نرمال بودن به وسيله آزمون كلموگروف-اسميرنوف، براي بررسي روند داده ها از آزمون هاي ناپارامتريك من -كندال و اسپيرمن در سطح اطمينان 95 درصد استفاده شد. هم چنين پهنه بندي آماره هاي من -كندال متغير هاي اقليمي و گرد و غبار از روش IDW در نرم افزار Arc GIS انجام شد. سپس براي بررسي ارتباط اقليمي با توفان هاي گرد و غبار، داده هاي اقليمي ايستگاه ها (به عنوان متغير مستقل) و هم چنين متغير فراواني روزهاي همراه با توفان هاي گرد و غبار آن ها (به عنوان متغير وابسته) با تكنيك همبستگي پيرسون مورد تحليل واقع شدند. از مجموع 10 سري داده هاي فصلي، ايستگاه هاي ازنا، اليگودرز و كوهدشت داراي همبستگي زيادي بين عناصر اقليمي و فراواني روزهاي همراه با توفان هاي گرد و غبار بودند؛ به طوري كه در ايستگاه ازنا متغير سرعت بيشينه باد با ضريب همبستگي 0/55 ، در ايستگاه اليگودرز متغير دماي بيشينه با ضريب همبستگي 0/78 و همچنين در ايستگاه كوهدشت، متغير سرعت بيشينه باد با ضريب همبستگي 0/82 بيشترين همبستگي را با پديده گرد و غبار داشتند.

In this research in order to find and investigate the trend of dusty day events and their relation to climatic variables (maximum temperature and maximum wind speed), hourly and daily dust data and also weather data of 10 synoptic stations with common period (2000-2014) in Lorestan province were studied. For this purpose, data normalization was examined by Kolmogorov-Smirnov test. The non-parametric Mann-Kendall and Spearman’s tests at 95 percent confidence level were used to investigate the trend of dusty events. Inverse distance weighting (IDW) method in Arc GIS software was employed for zoning Mann-Kendall indices of dust and climatic variables. In order to find a correlation between climatic variables and dust events, the weather data (as independent variables) and the frequency of dusty days (as a dependent variable) were analyzed by Pearson correlation method. Among ten series of seasonal data, Azna, Aligudarz and Kuhdasht stations had a high significant correlation between climatic variables and the frequency of dusty days. As in Azna station, the maximum wind speed variable (with 0.55 correlation coefficient), in Aligudarz station, the maximum temperature variable (with 0.78 correlation coefficient), and in Kuhdasht station, the maximum wind speed variable (with 0.82 correlation coefficient) had the highest correlation with dust events