بررسي ارتباط پديده انسو (ENSO) با مقادير حدي بارش‌هاي فصلي در استان‌هاي خراسان

The Relationship Between ENSO Index and Seasonal Extreme Rainfalls in Khorasan Provinces

به‌طور عموم وقوع پديده‌هاي حدي جوي- اقليمي نظير بارش‌هاي سنگين و تغييرات ناگهاني بيشترين دامنه خسارت وارده به منابع آب، كشاورزي و حتي زندگي روزمره مردم را به خود اختصاص داده‌است. كاهش اثرات منفي ناشي از بروز اين پديده‌ها جز با پايش درست و منظم آن‌ها ميسر نخواهد بود. بنابراين هدف از انجام اين پژوهش بررسي عوامل تاثيرگذار بزرگ مقياس اقليمي از جمله انسو بر چگونگي وقوع و تغيير شدت پديده‌هاي حدي بارش‌‌هاي فصلي در محدوده استان خراسان مي‌باشد. به اين منظور داده‌هاي روزانه بارندگي در يك دوره 44 ساله در چهار ايستگاه خراسان رضوي و جنوبي مورد استفاده قرار گرفتند. ارزيابي تحليل‌هاي آماري فراواني و شدت وقايع حدي بارش، روند طولاني مدت خاصي را در بروز اين پديده‌ها نشان ‌نداد. نتايج همبستگي شاخص نوسان جنوبي (انسو) با وقايع حدي نشان ‌داد كه شاخص‌هاي بارش فصل بهار و پاييز بيشترين همبستگي در وقفه زماني 1 ماهه به‌دست مي‌دهند در حالي‌كه شاخص‌هاي بارش فصل زمستان بيشترين همبستگي رابراي وقفه زماني يك ساله نشان داد. همچنين بيشترين همبستگي براي وقايع غيرقابل انتظار بارش در فصل زمستان مانند تعداد بارش‌هاي بيشتر از 50 ميلي‌متر، در وقفه زماني 5 تا 6 ماهه به‌دست آمد.

Generally, Climatic extreme events, like the heavy rain falls and sudden changes cause the greatest range of damages to water resources, agriculture and even human daily life. Therefore, correct and regular monitoring reduces their negative effects. This study evaluates the effects of large-scale climate factors such as ENSO, on how occurrence and severity of seasonal precipitation changes in Southern and Razavi Khorasan provinces. The data of 44-year period in four stations is used. Statistical analysis showed that extreme precipitations frequency and intensity has no long-term trend. The results of the correlation between Southern oscillation index and extreme precipitations pointed out high value with one month lag for spring and fall precipitation indices and with one year lag for winter precipitations. Also, a five-six months lag for unexpected rainfall events in winter season such as the number of rainfall more than 50 mm yielded the highest correlation.