علوم آب و خاک

---

با توجه به آن که نوسانات دمای سطح آب خلیج فارس (PGSST) (Persian Gulf Sea Surface Temperature) تأثیر قابل ملاحظه‌ای بر بارش زمستانه، منابع آب و تولیدات کشاورزی نواحی جنوب غربی کشور دارد، امکان پیش بینی دمای زمستانه دمای سطح آب این گستره آبی با استفاده از مدل رگرسیون چندگانه مورد ارزیابی قرار گرفت. سری‌های زمانی PGSST برای کلیه فصول در دوره 1992-1947 به عنوان پیشگوکننده و سری زمانی این متغیر برای دوره 1993-1948 به عنوان پیشگو شونده در نظر گرفته شدند. تحلیل مؤلفه‌های اصلی (PCA) (Principal Component Analysis) به منظور استخراج مؤلفه‌های اصلی و کاهش حجم داده‌ها به کار برده شد. چهار سری زمانی جدید (PC1، PC2 ، PC3 و PC4) که 5/73% از واریانس کل را شرح دادند به عنوان مؤلفه‌های اصلی انتخاب شده و بقیه به عنوان اختلال در نظر گرفته شد. دوران واریماکس به منظور یافتن وابستگی هر مؤلفه اصلی با سری‌های زمانی اولیه PGSST استفاده شد. این دوران نشان داد که PC1، PC2 ، PC3 و PC4 به ترتیب معرف تغییرات دما در فصل زمستان، پاییز، بهار و تابستان می‌باشند. در مدل رگرسیونی، مؤلفه‌های اول، دوم و چهارم در سطح 5% معنی‌دار شدند و مؤلفه سوم معنی‌دار نگردید. نتایج نشان داد که متغیرهای معنی‌دار، 5/33% از واریانس PGSST زمستانه را شرح می‌دهند. روشن شد که جهت پیش بینی دمای زمستانه سطح آب خلیج فارس، دمای سطح آب این گستره آبی در زمستان سال قبل از اهمیت ویژه‌ای برخوردار است. در مرحله بعدی دمای پاییزه و تابستانه برای پیش‌بینی دمای زمستانه نقش دارند.

---

شاخص نوسان جنوبی (Southern Oscillation Index, SOI) و الگوهای دمای سطح آب اقیانوس (Sea Surface Temperature, SST) بر بارش بسیاری از مناطق جهان تأثیرگذار است. در این پژوهش، روابط میان بارش ماهانه و فصلی ایران با SOI و SST اقیانوس‌های آرام و هند بررسی شد. برای این منظور، از داده‌های ماهانه بارش 50 ایستگاه سینوپتیک در ایران استفاده شد. به کمک نرم‌افزار Rainman سری فصلی و ماهانه بارش هر ایستگاه با چهار روش‌ (میانگین SOI، فازهای SOI، فازهای SST اقیانوس آرام و فازهای SST اقیانوس هند) با در نظر گرفتن زمان‌پیشی (Lead-time) صفر الی سه ماه، به گروه‌های مختلف تقسیم گردید و اختلافات میان گروه‌های بارش به کمک آزمون‌های آماری ناپارامتری کروسکال- والیس و کلموگروف- اسمیرنف تحلیل شد. صحت استفاده از روابط معنی‌دار در پیش‌بینی احتمالی بارش ایران به کمک آزمون LEPS (Linear Error in Probability Space) برآورد شد. نتایج نشان داد که شاخص SOI در فصل تابستان (ژوئیه - سپتامبر) به‌طور غیرهمزمان با بارش‌های ماه اکتبر (مهر) و پائیزه (اکتبر- دسامبر) در نواحی غرب و شمال‌غرب ایران و سواحل غربی دریای خزر رابطه معنی‌دار و پایداری دارد. به‌طوری‌که فازهای النینو (منفی) و لانینا (مثبت) اغلب به‌ترتیب با افزایش و کاهش بارش در این نواحی همراه هستند. استفاده از میانگین SOI جهت پیش‌بینی بارش نواحی ذکر شده مناسب است، اما الگوهای SST اقیانوس‌های آرام و هند به‌دلیل رابطه ضعیف با بارش ایران و یا ناپایداری روابط، جهت پیش‌بینی بارش‌های ایران مناسب به نظر نمی‌رسند. بنابراین به دلیل این‌که بارش‌های ایران در تمامی فصول تنها در ارتباط با شاخص SOI و SST اقیانوس‌های آرام و هند نمی‌باشند، نرم‌افزار Rainman به عنوان ابزاری جامع برای مدیریت منابع آب ایران در کلیه فصول سال به شمار نمی‌آید. پیشنهاد می‌شود تأثیر دور سایر نوسانات اقیانوسی- اتمسفری با بارش ایران بررسی شود و براساس شاخص‌های نوسانات مؤثر بر بارش ایران، مدلی شبیه Rainman برای پیش‌بینی بارش ایران تهیه شود.