تحليل فضايي روابط الگوهاي پيوند از دور با دماي ماهانه شمال غرب ايران

Spatial Analysis of Relationship Between Teleconnection Patterns and Monthly Temperature of Northwest of Iran

در اين پژوهش، با هدف آشكارسازي روابط الگوهاي پيوند از دور با دماي ماهانه، رابطه بين دماهاي ماهانه 24 ايستگاه سينوپتيك شمال غرب ايران با هفده الگوي پيوند از دور با استفاده از تحليل همبستگي پيرسون و مدل رگرسيون گام‌به‌گام در دوره آماري (2011-1992) براي سنجش روابط استفاده شد و در نهايت، توزيع فضايي ميزان همبستگي الگوها با ايستگاههاي مورد مطالعه در محيط GIS با روش درون‌يابي كريجينگ پهنه‌بندي و ترسيم گرديد. نتايج اين پژوهش نشان داد كه ارتباط معني‌داري بين الگوها و دماي منطقه وجود دارد كه در اين ‌بين، الگوهاي پيوند از دور EA/WR، MEI، SOI، EP/NP و AO بيشترين رابطه را با دماي منطقه از خود نشان داده و به‌عنوان تاثيرگذارترين الگوها شناسايي شدند. با توجه به محاسبات انجام‌ شده در تاخيرهاي زماني 1 ماهه، 2 ماهه و 3 ماهه، بيشترين همبستگي متعلق به تاخير زماني 1 ماهه بوده و قويي‌ترين ارتباط معني‌دار، مربوط به ايستگاه سردشت در ماه فوريه با ضريب همبستگي 771/0- با الگوي EA/WR است.

The purpose of this paper is determining the relationships between teleconnection patterns and temperature in Northwest of Iran. The relationship between 17 teleconnection patterns and Monthly temperature of 24 stations in Northwestern Iran by using Pearson correlation analysis and Stepwise Regression Model during the statistical period of 1992-2011, were used for measuring the relations. Finally, the spatial distribution of the correlation between these patterns and temperature of stations in the study area was drawn and its zoning was prepared by use of Kriging method in GIS environment . The results showed that there is a significant correlation between teleconnection patterns and temperature of the region. So that AO, EP/NP, SOI, MEI and EA/WR patterns have the strongest correlation with the temperature of region and were identified as the most influential patterns. According to lag correlation calculations that were done on lag time of one month, two months and three months, the more significant correlation is the lag time of one month. The strongest significant correlation is related to Sardasht station and EA/WR teleconnection pattern with Correlation coefficient -0.771 in February. Keywords: Teleconnection Patterns, Temperature, Northwest of Iran, Pearson Correlation, Kriging.