| تعداد نشریات | 45 |
| تعداد شمارهها | 1,553 |
| تعداد مقالات | 18,934 |
| تعداد مشاهده مقاله | 63,565,033 |
| تعداد دریافت فایل اصل مقاله | 23,270,213 |
واکاوی توزیع مکانی و زمانی ابرهای میانی در استان خوزستان | ||
| جغرافیا و برنامهریزی | ||
| دوره 30، شماره 96، شهریور 1405، صفحه 374-348 اصل مقاله (1.91 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/gp.2025.67295.3406 | ||
| نویسندگان | ||
| فاطمه ساقی1؛ محمد بافقی زاده* 2؛ جبرائیل قربانیان3؛ رضا برنا3 | ||
| 1گروه جغرافیا. واحد اهواز. دانشگاه آزاد اسلامی. اهواز. ایران | ||
| 2استادیار، گروه جغرافیا، دانشگاه پیام نور، صندوق پستی 3697-19395 تهران، ایران | ||
| 3گروه جغرافیا، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران | ||
| چکیده | ||
| مقدمه: ابرها از مهمترین عناصر اقلیمی تأثیرگذار بر سامانههای جوی و هیدرولوژیکی زمین هستند و نقش کلیدی در بیلان انرژی و چرخه هیدرولوژیک دارند. شناخت الگوهای فضایی و زمانی ابرهای میانی به دلیل تأثیر آنها بر بارش، دما و توازن تابشی، برای مدیریت منابع آب، کشاورزی و پیشبینیهای جوی اهمیت ویژهای دارد. هدف: این پژوهش با هدف بررسی الگوی توزیع فضایی و روند بلندمدت (۳۰ ساله، 1990–2020) ابرهای میانی در استان خوزستان و تحلیل تغییرات آنها در دورههای گرم و سرد سال انجام شد. روش تحقیق: دادههای ابرهای میانی از پایگاه بازتحلیل ERA5 با رزولوشن فضایی 0.25 درجه برای دوره ۳۰ ساله دریافت شد. تحلیلها شامل محاسبه میانگین فضایی و فصلی ابرناکی، بررسی روند سری زمانی با استفاده از تخمینگر شیب Sen و آزمون ناپارامتریک من کندال و تجسم دادهها با استفاده از نرمافزار GIS بود. یافتهها: نتایج نشان داد که ابرهای میانی در دوره سرد سال سهم بیشتری از ابرناکی کل استان دارند، به طوری که میانگین ابرناکی در دوره سرد حدود 37 درصد و در دوره گرم تنها حدود 0.5 درصد بوده است. توزیع فضایی ابرها نیز متفاوت بوده و بخشهای شمالی و شمالشرقی بیشترین میزان ابرناکی و بخشهای جنوبی و جنوبشرقی کمترین میزان را داشتهاند. روند ۳۰ ساله نشان داد که نوسانات سالانه ابرناکی وجود دارد، اما روند معنیدار بلندمدت مشاهده نشد. نتیجهگیری: شناخت الگوهای فضایی و زمانی ابرهای میانی میتواند در مدیریت منابع آب، برنامهریزی کشاورزی، پیشبینی بارش و کاهش خطر خشکسالی مفید باشد. با این حال، محدودیتهایی نظیر خطاهای مکانی و زمانی دادههای بازتحلیل و عدم لحاظ نوسانات کوتاهمدت وجود دارد. پژوهشهای آینده میتوانند با دادههای ایستگاهی و ماهوارهای با رزولوشن بالاتر تحلیل دقیقتری ارائه دهند | ||
تازه های تحقیق | ||
در این پژوهش، الگوی توزیع فضایی و روند بلندمدت ابرهای میانی در استان خوزستان طی دوره ۳۰ ساله (1990–2020) بررسی شد. یافتهها نشان داد که ابرهای میانی در دوره سرد سال سهم قابل توجهی در ابرناکی کل استان دارند، در حالی که در دوره گرم سال سهم آنها بسیار کمتر است. همچنین توزیع فضایی ابرها در استان دارای تفاوتهای قابل توجه مکانی بوده است؛ بخشهای شمالی و شمالشرقی بیشترین میزان ابرناکی را داشتهاند و بخشهای جنوبی و جنوبشرقی کمترین میزان را نشان دادهاند. اطلاعات حاصل از این مطالعه کاربردهای عملی مهمی دارد. نتایج میتواند در مدیریت منابع آب و سدها، برنامهریزی کشاورزی، پیشبینی بارش و کاهش خطر خشکسالی، و صدور هشدارهای جوی منطقهای مورد استفاده قرار گیرد. تحلیل روندهای بلندمدت ابرها همچنین میتواند به درک بهتر اثرات تغییرات اقلیمی و گرمایش جهانی بر سیستمهای جوی و هیدرولوژیک استان کمک کند. با این حال، پژوهش حاضر محدودیتهایی دارد: دادههای ERA5 با دقت بالا، علیرغم بازتحلیل جامع، ممکن است شامل خطاهای مکانی و زمانی باشند و نوسانات کوتاهمدت روزانه یا ساعتی ابرها در این تحلیل لحاظ نشده است. پژوهشهای آینده میتوانند با استفاده از دادههای ایستگاهی، ماهوارهای با رزولوشن بالاتر، و مدلهای عددی پیشرفته تحلیل دقیقتر و جامعتری از رفتار ابرهای میانی ارائه دهند. | ||
| کلیدواژهها | ||
| ابرناکی؛ ابرهای میانی؛ توزیع مکانی و زمانی؛ استان خوزستان | ||
| اصل مقاله | ||
|
مقدمه: ابرها از مهمترین عناصر اقلیمی تأثیرگذار بر سامانههای جوی و هیدرولوژیکی زمین هستند و نقش کلیدی در بیلان انرژی و چرخه هیدرولوژیک دارند. شناخت الگوهای فضایی و زمانی ابرهای میانی به دلیل تأثیر آنها بر بارش، دما و توازن تابشی، برای مدیریت منابع آب، کشاورزی و پیشبینیهای جوی اهمیت ویژهای دارد. هدف: این پژوهش با هدف بررسی الگوی توزیع فضایی و روند بلندمدت (۳۰ ساله، 1990–2020) ابرهای میانی در استان خوزستان و تحلیل تغییرات آنها در دورههای گرم و سرد سال انجام شد. روش تحقیق: دادههای ابرهای میانی از پایگاه بازتحلیل ERA5 با رزولوشن فضایی 25/0 درجه برای دوره ۳۰ ساله دریافت شد. تحلیلها شامل محاسبه میانگین فضایی و فصلی ابرناکی، بررسی روند سری زمانی با استفاده از تخمینگر شیب Sen و آزمون ناپارامتریک من کندال و تجسم دادهها با استفاده از نرمافزار GIS بود. یافتهها: نتایج نشان داد که ابرهای میانی در دوره سرد سال سهم بیشتری از ابرناکی کل استان دارند، به طوری که میانگین ابرناکی در دوره سرد حدود 37 درصد و در دوره گرم تنها حدود 5/0 درصد بوده است. توزیع فضایی ابرها نیز متفاوت بوده و بخشهای شمالی و شمالشرقی بیشترین میزان ابرناکی و بخشهای جنوبی و جنوبشرقی کمترین میزان را داشتهاند. روند ۳۰ ساله نشان داد که نوسانات سالانه ابرناکی وجود دارد، اما روند معنیدار بلندمدت مشاهده نشد. نتیجهگیری: شناخت الگوهای فضایی و زمانی ابرهای میانی میتواند در مدیریت منابع آب، برنامهریزی کشاورزی، پیشبینی بارش و کاهش خطر خشکسالی مفید باشد. با این حال، محدودیتهایی نظیر خطاهای مکانی و زمانی دادههای بازتحلیل و عدم لحاظ نوسانات کوتاهمدت وجود دارد. پژوهشهای آینده میتوانند با دادههای ایستگاهی و ماهوارهای با رزولوشن بالاتر تحلیل دقیقتری ارائه دهند. | ||
| مراجع | ||
|
Ahmadi, M., Ahmadi, H., & Dadashi Roudbari, A. (2018). An analysis of the trend and spatial pattern of annual and seasonal cloudiness in Iran. Environmental Hazards Journal, 7(5), 237–254. (In Persian) Brüning, S. and Tost, H.: (2025) A machine learning-based perspective on deep convective clouds and their organisation in 3D. Part I: Influence of deep convective cores on the cloud life-cycle, EGUsphere [preprint], https://doi.org/10.5194/egusphere-2025-374, Dim, J. R., H. Murakami, T. Y. Nakajima, B. Nordell, A. K. Heidinger, and T. Takamura, (2011), The recent state of theclimate: Driving components of cloud-type variability. J. Geophys. Research., 116,1-14. Fallahi Khoshji, A., Alijani, B., Hejazi Zadeh, Z., & Nasarzadeh, M. H. (2017). Spatial pattern of frequency and intensity changes of rain-bearing low-level clouds in Iran. Environmental Hazards Journal, 6(13), 1–14. (In Persian) Houshyar, M., Sobhani, B., & Hosseini, S. A. (2018). Projection of maximum temperature changes in Urmia using statistical downscaling of CanESM2 model outputs. Geography and Planning, 22(63), 305–325. https://doi.org/4-15. (In Persian) Ibraheem, N. T., Al-Zuhairi, M. F., Al-Montaser, Z. N., & Al-Jiboori, M. H. (2025). Investigating the spatial variations of cloud cover properties over Iraq. International Journal of Environmental Sciences, 11(6), 1742. https://theaspd.com/index.php Jaswal, A. K. (2017). Variability and Changes in Cloud Cover Over India During 1951–2010. (107-127). Kang, H., Wang, H., Wu, Q., & Zhang, Y. (2025). Detection and Spatiotemporal Distribution Analysis of Vertically Developing Convective Clouds over the Tibetan Plateau and East Asia Using GEO-KOMPSAT-2A Observations. Remote Sensing, 17(8), 1427. https://doi.org/10.3390/rs17081427 Karimi Ahmadabad, M., & Ghasemi, E. (2017). Examining the phenomenon of climate change with a multi-criteria decision-making approach. Geography and Planning, 21(61), Maleki Morshed, R., Salahi, B., & Saber, M. (2024). Analysis of precipitation changes in northwestern Iran over the coming decades based on GCM models. Geography and Planning, 28(90), 367–389. https://doi.org/10.22034/gp.2024.59552.3212. (In Persian) Mueller, R., Trentmann, J., Träger-Chatterjee, C., Posselt, R., & Stöckli, R. (2011). The Role of the Effective Cloud Albedo for Climate Monitoring and Analysis. Remote Sensing, 3(11), 2305-2320. https://doi.org/10.3390/rs3112305 Raeispoor, K., & Razmi, R. (2020). Estimating cloudiness over Iran using MISR multi-angle imaging spectroradiometer products. Iranian Journal of Water Resources Research, 16(36), 257–271. (In Persian) Raichijk, C. (2012). Observed trends in sunshine duration over South America. International Journal of Climatology, 32(5), 669-680 Shamohammadi, Z., Yarahmadi, D., & Mirhashemi, H. (2024). Temporal and spatial analysis of low-level cloud cover over Iran. Climate Change and Weather Hazards, 3(5), e714759. https://doi.org/10.22034/e714759 (In Persian) Wang, P. K. (2013), Physics and dynamics of clouds and precipitation. Cambridge University Press Wenjing, Z., Ning, Z., & Jianning, S. (2014). Spatiotemporal Variations of Cloud Amount over the Yangtze River Delta, China. Journal of Meteorological Research, 28(3), 371-380. World Meteorological Organization. (2008). Guide to meteorological instruments and methods of observation. Secretariat of the World Meteorological Organizatio Wu, Y.; Gao, J.; Zhao, A. (2024). Cloud properties and dynamics over the Tibetan Plateau—A review. Earth-Sci. Rev. 248, 104633. Xie, X., Ma, L., Yao, J., & Mao, W. (2025). Spatiotemporal Variability of Cloud Parameters and Their Climatic Impacts over Central Asia Based on Multi-Source Satellite and ERA5 Data. Remote Sensing, 17(15), 2724. https://doi.org/10.3390/rs17152724 Yousefi, M., Saligheh, M., & Karbalaei-Darayi, A. (2024). Analysis of cloud cover changes during the cold season in southeastern Iran. Climate Change Research, 5(20), 49–64. https://doi.org/10.30488/ccr.2024.470082.1233 (In Persian) Zarei, Y., Mohammadkhorshiddoust, A., Rezaei Banafshah, M., & Rostamzadeh, H. (2023). Assessing the effects of global climate change on climatic elements of temperature and precipitation in different climatic regions of Iran using RCP scenarios. Geography and Planning, 27(83), 63–71. https://doi.org/10.22034/gp.2023.10791. (In Persian) Zhou, C., Zelinka, M. & Klein, S. Impact of decadal cloud variations on the Earth’s energy budget. Nature Geosci 9, 871–874 (2016). https://doi.org/10.1038/ngeo2828 | ||
|
آمار تعداد مشاهده مقاله: 697 تعداد دریافت فایل اصل مقاله: 97 |
||