پیش‌بینی فصلی بارش بر مبنای ارتباط با سیگنال‌های هواشناسی در ایستگاه سینوپتیک یزد

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران.

2 استادیار ، بخش مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز، شیراز، ایران.

3 دانش آموخته دکتری علوم و مهندسی آبخیزداری، دانشگاه یزد، یزد، ایران.

10.29252/aridbiom.2020.1823

چکیده

پیش­ بینی بارش در برنامه ­ریزی‌های منابع آب خصوصاً در مناطق خشک کشور بسیار حائز اهمیت است. در این مقاله به بررسی تعیین ارتباط بین بارش فصلی با سیگنال­ های هواشناسی شامل شاخص چند متغیره انسو یا MEI، NINO’s SST (NINO1+2، NINO3، NINO4 و NINO3.4)، NAO و SOI در ایستگاه هواشناسی سینوپتیک یزد طی دوره 1986 تا 2017، پرداخته شده است. تعیین همبستگی­ ها در دو سطح صورت گرفت. سطح اول شامل بررسی همبستگی بین بارش­ های فصلی با ایجاد یک سال تأخیر در سری زمانی فصلی سیگنال­ های هواشناسی است. درحالت دوم بدون ایجاد تأخیر صورت پذیرفت. در ادامه و با استفاده از روش رگرسیون بر مبنای مدل حداقل مربعات جزئی (PLSR)، اقدام به پیش­ بینی بارش فصلی گردید. نتایج نشان داد مقادیر همبستگی قابل توجهی بین بارش فصل زمستان با مقادیر فصلی سیگنال­ های هواشناسی در فصل زمستان با یکسال تأخیر از پارامترهای MEI، SOI، NINO1+2، NINO3 و NINO3.4 وجود دارد. حداکثر ضریب همبستگی مربوط به NINO1+2 برابر 0/68+ می­ شود. گفتنی است این مقدار برای SOI زمستان در سال قبل برابر 0/61- می­باشد که نشان­ دهنده رابطه معکوس این پارامتر با بارش فصل زمستان با یک سال تأخیر است. برای سری ­های بدون ایجاد تأخیر، همبستگی قابل توجه بارش فصل زمستان با مقدار شاخص NAO در فصل پاییز و تابستان مشاهده گردید. در رابطه با پیش ­بینی بارش­ های فصلی، نتایج نشان دهنده عملکرد مناسب روش PLSR با توجه به ماتریس­ های ورودی است. در رابطه با داده‌های ورودی با تأخیر یکساله، بارش­های فصل زمستان، تابستان ، بهار و پاییز با مقدار RMSE به ترتیب برابر با 12، 9/9، 0/85 و 6/2 میلیمتر تخمین زده شده­اند. شاخص NS برای فصول مذکور به ترتیب برابر با 69/0، 22/0، 2/0 و 72/0 می‌باشد. مقادیر R برای این همین فصل­ها به ترتیب برابر با 0/83، 0/46، 0/45 و 0/85 بوده است. در کل، بارش‌ها در فصول سرد با دقت بیشتری برآورد شدند. توسعه و استفاده از مدل هایش پیش‌بینی می‌تواند برنامه‌ریزی‌های مدیریت منابع آب را با موفقیت بیشتری همراه سازد.

کلیدواژه‌ها


[1]. Anderson, M.L., Kavvas, M.L.& Mierzwa, M.D. (2001). Probabilistic/ensemble forecasting: a case study using hydrologic response distributions associated with El Niño/Southern Oscillation (ENSO). Hydrology 249, 134-147.
[2]. Barnston, A. & Livezey, R.E. (1987). Classification, seasonality and persistence of low-frequency circulation patterns, Monthly Weather  Review, 115, 1083–1126.
[3]. Bjerknes, J. (1969). Atmospheric teleconnections from the equatorial Pacific, Monthly Weather  Review, 97, 163-172.
[4]. Borgaonkar, H.P., Sikder, A.B., Ram, S.& Pant, G.B. (2010). El Niño and related monsoon drought signals in 523-year-long ring width records of teak (Tectona grandis L.F.) trees from south India, Palaeogeography, Palaeoclimatology, Palaeoecology, 285, 74-84.
[5]. Chiew, F.H.S., Piechota, T.C., Dracup, J.A.& McMahon, T.A. (1998). El Nino/Southern Oscillation and Australian rainfall, streamflow and drought: Links and potential for forecasting, Hydrology, 204, 138-149.
[6]. Dai, A. (2011). Drought under global warming: A review, Wiley Interdisciplinary Reviews, Climate Change, 2, 45–65.
[7]. FAN, G., LV, F., Zhang, J.& FU, J. (2020). A possible way to extract a stationary relationship between ENSO and the East Asian winter monsoon, Atmospheric and Oceanic Science Letters.
[8]. Faraway, J.& Chatfield, C. (1998). Time series forecasting with neural networks: a comparative study using the airline data, Applied Statistics,  47, 231–250.
[9]. Gadgil, S., Rajeevan, M.& Francis, P.A. (2007). Monsoon variability: Links to major oscillations over the equatorial Pacific and Indian oceans, Current Science, 93, 182–194.
[10].Ganguli, P.& Reddy, M. (2013). Analysis of ENSO-based climate variability in modulating drought risks over western Rajasthan in India, Earth System Science, 122, 253-269.
[11].Gheiby, A.& Noorafshan, M. (2013). Case Study: ENSO Events, Rainfall Variability and the Potential of SOI for the Seasonal Precipitation Predictions in Iran. Climate Change, 2, 34-45.
[12].Hu, K., Liu, Y., Huang, G., He, Z.& Long, S.(2020).  Contributions to the Interannual Summer Rainfall Variability in the Mountainous Area of Central China and Their Decadal Changes, Advances in  Atmospheric Sciences, 37, 259–268.
[13].Jones, J.W., Hansen, J.W., Royce, F.S.& Messina, C.D. (2000). Potential benefits of climate forecasting to agriculture, Agriculture, Ecosystems & Environment, 82, 169-184.
[14].Kaastra, I.& Boyd, M.S. (1995). Forecasting futures trading volume using neural networks, Futures Markets, 15, 953–970.
[15].Khosravi, M., Ghayoor, H.& Kaviani, M.R. (2002). Impacts of El Nino/Southern Oscillation(ENSO) On The IRAN South East Summer and Autumnal precipitation Anomalies, 13th Conference on Applied Climatology.
[16].Maier, H.R.& Dandy, G.C. (2001). Neural network based modelling of environmental variables: A systematic approach, Mathematical and Computer Modelling, 33, 669-682.
[17].Matyasovszky, I. (2003). The relationship between NAO and temperature in Hungary and its nonlinear connection with ENSO, Theoretical and Applied Climatology, 74, 69–75.
[18].Moetamedi, M., Ehteramian, K.& Shahabfar, A. (2007). The Study of Teleconnection Between ENSO as a Weather Signals and Rain Fall and Temperature Fluctuation’s of the Khorasan Province, Environmental Sciences, 4, 75-90.
[19].Nazemosadat, S.M.J.& Shirvani, A. (2004). The Application of CCA for the Assessment and Comparison of the Capability of SOI and Nion’s SST for the Prediction of Winter Precipitation over the Caspian Sea Coasts. Water and Soil Science, 8, 11-25. (in Farsi)
[20].Ozger, M., Mishra, A,K.& Singh, V.P. (2009). Low frequency drought variability associated with climate indices. Hydrology, 364, 152-162.
[21].Shirmohammadi, Z., Ansari, H., Alizadeh, A.&  Mohammadian, A. (2012). The Relationship Between ENSO Index and Seasonal Extreme Rainfalls in Khorasan Provinces, Water and Soil Conservation, 19:61-79. (in Farsi)
[22].Soltani, A.& Gholipoor, M. (2006). Teleconnections Between El Nino/Southern Oscillation and Rainfall and Temperature in Iran, International Agricultural Research, 1, 603-608.
[23].Wolter, K.& Timlin, M.S. (2011). El Ni˜no/Southern oscillation behaviour since 1871 as diagnosed in an extended multivariate ENSO index (MEI.ext), international Climatology, 31, 1074–1087.
[24].Yang, Y., Xie, N.& Gao, M. (2019).The Relationship between the Wintertime Cold Extremes over East Asia with Large-Scale Atmospheric and Oceanic Teleconnections.Atmosphere,10, 13.
[25].Yu, X., Wang, Z., Zhang, H.& Zhao, S.(2019). Impacts of different types and intensities of El Niño events on winter aerosols over China, Science of the Total Environment, 655, 766 –780.
[26].Zare Abyaneh, H.& Bayat Varkeshi, M .(2011). Study of the number of rainy days and effect of ENSO phenomenon at the country level, Water and Soil Conservation, 19, 21-40. (in Farsi)
[27].Zhou, X., Liu,  F., Wang, B., Xiang , Xing, C.& Wang, H. (2019). Diffrent responses of East Asian summer rainfall to El Niño decays, Climate Dynamics, 53, 1497–1515.