بررسي روند تغييرات مقادير حدي دما در استان خوزستان

Investigating the Trend of Changes in Temperature extreme in Khuzestan Province

افزايش غلظت گازهاي گلخانه اي به دليل فعاليت هاي انساني منجربه گرمايش جهاني شده و در نتيجه سبب تغيير در نمايه هاي حدي اقليمي مي شود. جهت انجام اين تحقيق از داده‌هاي سازمان هواشناسي كشور در مقياس روزانه و ماهانه شامل داده‌هاي ميانگين دما، كمينه دما، بيشينه دما براي ايستگاه‌هاي سينوپتيك استان خوزستان، براي يك دوره 30 ساله(2016- 1987) استفاده شده است. محاسبه شاخص هاي مربوط به دما كه توسط گروه كارشناسي ETCCDMI تعريف شده، با نرم افزار RClimdex برآورد شد. همچنين از آزمون ناپارامتري من كندال براي بررسي روند تغييرات پارامترهاي اقليمي استفاده شد. جهت تخمين آمارمكاني داده هاي دما از روش كريجينگ معمولي و ساده با مدل هاي مختلف استفاده شد. با توجه به نتايج بدست آمده، روش كريجينگ معمولي با مدل درجه دوم منطقي با كمترين ميزان خطا نسبت به ساير روش ها انتخاب گرديد. دامنه تاثير تغيير نمايه هاي برازش شده بر مقادير متوسط دماي ماهانه بين 250 تا 314 كيلومتر متغير است. نتايج تجزيه و تحليل دما نشان داد شاخص هاي حدي گرم روند افزايشي دارند كه اين روند براي شاخص هايي مانند روزهاي تابستاني، شب هاي گرمسيري، روزها و شب هاي گرم در سطح 5 درصد معنا دار بود. شاخص هاي سرد در دوره مورد مطالعه روند كاهشي دارند. نتايج تجزيه و تحليل دما، با گرم شدن منطقه مطابقت داشته و از كاهش شدت و فراواني رويدادها و روزها و شب هاي سرد حكايت دارد.

Investigation and prediction of climatic extreme values especially temperature is necessary for identifying climatic bottlenecks and opportunities in an area. The increase in greenhouse gas concentrations due to human activities has resulted in global warming and consequently changes in climate extreme indices. For conducting this research, the daily meteorological data of the Iranian Meteorological Organization, including mean temperature, minimum temperature, maximum temperature data for the Khuzestan synoptic stations, for a period of 30 years (1987-2016) were used. Calculation of temperature indices as defined by 1ETCCDMI Expert Group was estimated using RClimdex software. Mann-Kendall nonparametric test was also used to investigate the trend of climate change. Regular and simple kriging method with different models was used to estimate the spatial statistics of temperature data. According to the obtained results, the conventional kriging method with Logical Quadratic Model 2 with the least error rate was selected. The effect of changing the fit indices on the mean monthly temperature ranges from 250 to 314 km. The results of temperature analysis showed that warm indices had an increasing trend which was significant for indices such as summer days, tropical nights, warm days and nights at 5% level. Cold indices have a decreasing trend over the period under study. The results of temperature analysis correspond to the warming of the area and show the decrease in intensity and frequency of cold days and nights.