شناسايي الگوهاي پيوند از دور مؤثر بر بارش حوضۀ كارون

Identify Tele-connection Patterns affecting on Rainfall in Karoon Basin

‌الگوهاي پيوند از دور جزء سازندگان كلان‌اقليم در مقياس‏ هاي منطقه ‏اي و جهاني هستند. شناخت الگوهاي پيوند از دور مؤثر بر بارش حوضۀ آبي كارون بزرگ؛ هدف اين پژوهش است. بدين‌منظور داده‏ هاي بارش فصلي ايستگاه‏ هاي موجود در حوضه طي دورۀ آماري (1956‌ـ 2012) و 12 الگوي پيوند از دور بررسي شده ‏اند. روش انجام كارِ تحليلِ داده‏ ها با تكنيك‏ هاي آماري همبستگي و تحليل مؤلفه‏ هاي اصلي است. جايگاه نخست در اين حوضه با ۴۹/۷ درصد بارش در فصل زمستان، فصل پاييز با ۳۴/۹ درصد در جايگاه دوم و فصل بهار با ۱۴/۹ درصد در جايگاه سوم قرار دارد. نتايج بررسي‏ ها نشان مي‏دهد كه بارش‏ هاي پاييزه بيشتر از الگوهاي نوسانات جنوبي NINO4، NINO1+2،NINO3.4 و SOI تأثير مي‏ پذيرند. مقادير منفي ضريب همبستگي بين بارش فصل پاييز و شاخص SOI و واريانس تبييني بيش از 77 درصد اين شاخص نشانگر آن است كه ميزان بارش‏هاي پاييزه تحت تأثير النينو قرار دارند. تحليل بارش‏هاي زمستانه و بهاره نيز بيانگر تأثير شاخص الگوي اسكانديناوي در فاز مثبت (SCAN+) بر بارش‏ها در اين دو فصل است. اين شاخص به‌دليل استقرار در محدودۀ جغرافيايي‌ـ اقليمي سامانه ‏هايي مانند پرفشار درياي سياه، جبهۀ قطبي و بادهاي غربي تا 68 درصد از تغييرات فصل سرد سال را تبيين مي‌كند. بارش‏هاي تابستانۀ حوضه عمدتاً تابع عوامل محلي هستند و پديده‏ هاي پيوند از دور در آن مؤثر نيستند.

The Tele-connection patterns are the major constituents of climate at global and regional scale(s). The Karoon Basin is of a vital stance in providing natural water supply and hydroelectric; this basin is facing major fluctuations in rainfall regime. Identifying the effect of Tele-connection on great Karoon Basin rainfall regime is the subject of this study. To accomplish this objective the seasonal-annual rainfall volumes recorded at stations related to this basin are assessed for the period of (1956-2012) through 12 Tele-connection patterns. The method applied here is the data analysis through correlation statistical techniques and analysis of the main climatic components. In this basin, 49.7% of precipitation is of the winter followed by autumn with 34.9% and spring with 14.9%. The findings of the analysis indicate that the precipitation in autumn is influenced mostly by NINO4, NINO1+2, NINO3.4 and SOI patterns. The analysis of winter and spring precipitation reveals the influence of SCAN+ phase on both these seasons. The precipitations of the basin do have a harmonized change pattern with Tele-connection pattern by addressing the delay time. It is deduced that these indicators can contribute to moist and dry cycle’s occurrence when the planning regarding this basin is of concern.