3 نتیجه برای Nino
سیدمحمدجعفر ناظم السادات، امین شیروانی،
جلد 8، شماره 1 - ( 1-1383 )
چکیده
در ایران، حدود 75% از تولیدات برنج داخلی در استان‌های گیلان و مازندران، که از پر بارش ترین نواحی کشورند، تهیه میشود. پیش‌بینی‌های فصلی بارش تأثیر مهمی در تولید محصول و کاهش خطرهای حوادث اقلیمی در این ناحیه حاصل‌خیز از کشور دارد. با به‌کارگیری مدل تحلیل همبستگی متعارف (Canonical Correlation Analysis, CCA)، امکان پیش بینی بارش زمستانه این استان‌ها براساس وضـعیت پدیده النینیو- نوسـانات جنوبی (ELNino-Southern Oscillation, ENSO ) مورد ارزیابـی قرار گرفت. سری‌های زمانی شاخص نوسان‌های جنـوبی (Southern Oscillation Index, SOI) و دمای سطح آب در نینوها (Nino's SST) به‌عنوان پیشگو کننده‌ها و بارش در بندر انزلی و نوشهر به‌عنوان پیشگو شونده در نظر گرفته شدند. به‌منظور کاهش تعداد متغیرهای پیشگو کننده اولیه به تعداد معدودی از مؤلفه‌های اصلی از روش توابع متعامد تجربی (Empirical Orthogonal Function,EOF ) اسـتفاده گـردید. از مجـمـوع بیسـت سـری زمانـی پیـش‌گـوکننـده، چـهار‌مـؤلـفه اصلـی(EOF1, EOF2, EOF3, EOF4) از مجموعه داده‌های پیشگو کننده که 92% از کل واریانس این مجموعه داده‌ها را شرح می‌دادند، انتخاب شده و بقیه مؤلفه‌ها به‌عنوان اختلال ( Noise ) در نظر گرفته شدند. بر مبنای EOF های انتخاب شده و سری‌های زمانی بارش، مدل CCA برای پیش بینی بارش زمستانه بندر انزلی و نوشهر به‌کار برده شد.
نتایج نشان داد که پیشگو کننده‌های در نظر گرفته شده در حدود 45% از کل واریانس سری زمانی بارش را شرح می‌دهند. ضرایب همبستگی بین مقادیر بارش مشاهده و شبیه سازی شده در سطح 5% معنی دار بودند. در 70% از موارد، علائم مقادیر نرمال دیده شده و شبیه‌سازی شده یکسان بودند که توانایی معقول مدل برای پیش‌بینی خشکسالی و ترسالی را نشان می‌دهد. در پیش‌بینی بارش، نوسان‌های Nino's SST (به‌خصوص (Nino4 حدود 10% موثرتر از SOI تشخیص داده شد.
احمد فاتحی مرج، علیرضا برهانی داریان، محمد حسین مهدیان،
جلد 10، شماره 3 - ( 7-1385 )
چکیده
حوزه آبریز دریاچه ارومیه از نقطه نظر منابع آب و محیط زیست یکی از مناطق مهم کشور به حساب می‌آید. در این حوزه بارندگی، نقش عمده‌ای در منابع آب‌های سطحی و زیرزمینی دارد و بیشترین بارندگی به‌ترتیب در فصل بهار، زمستان و پاییز به وقوع می‌پیوندد. با توجه به این‌که این حوزه از نظر اقلیمی نیمه خشک محسوب میشود، پیش‌بینی بارندگی برای برنامه‌ریزی منابع آب مخصوصاً دوره‌های خشکسالی و جلوگیری از خسارات ناشی از آن می‌تواند نقش اساسی داشته باشد. بررسی‌های موجود نشان می‌دهد که پدیده‌های ارتباط از دور (Teleconnections patterns) بر میزان نزولات جوی نقش تعیین کننده‌ای دارند. در این مقاله تأثیر چند پدیده مهم اقلیمی بر بارندگی حوزه دریاچه ارومیه مورد تحقیق قرار گرفته است تا با استفاده از روابط بین آنها، بارندگی در فصول مورد نظر پیش‌بینی گردد. از میان ایستگاه‌های بارندگی در حوزه، تعداد 18 ایستگاه که آمار بارندگی آنها بیش از 35 سال بود انتخاب و شاخص SPI تهیه گردید. از بین شاخص‌های اقلیمی، شش شاخص NOI (North Oscillation Index), NINO3.4, NAO (North Atlantic Oscillation), PNA (Pacific North America), PDO (Pacific Decadal Oscillation), SOI (Southern Oscillation Index) که به عنوان شاخص‌های تأثیر گذار در فواصل دور مطرح هستند، انتخاب شدند. با یک روش جدید و با استفاده از فاز مثبت و منفی شاخص‌ها، تأثیر پدیده‌های اقلیمی بر بارندگی دقیق‌تر بررسی شد. بدین صورت که فاز مثبت و یا منفی یکی از شاخص‌ها در یک فصل خاص در نظر گرفته شد و سپس ارتباط هم‌زمان آن و بقیه شاخص‌ها با بارش بررسی گردید. نتایج نشان داد هرگاه از ترکیب هم‌زمان دو شاخص استفاده شود همبستگی بیشتری بین بارندگی و شاخص‌ها حاصل می‌گردد. هم‌چنین، نتایج این تحقیق نشان می‌دهد که بارندگی پاییزه بیشتر تحت تأثیر SOI و بارندگی زمستانه بیشتر تحت تأثیر شاخص NAO است. بنابراین بارندگی هر دو فصل با استفاده از شاخص‌های اقلیمی فصل قبل قابل پیش‌بینی است.
علی اکبر سبزی پرور، سجاد ابراهیم زاده، مهرانه خدامرادپور،
جلد 21، شماره 4 - ( 11-1396 )
چکیده
مهم‌ترین عامل در تخمین نیاز آبی گیاه تبخیر و تعرق می‌باشد. در اغلب روش‌های تعیین میزان تبخیر و تعرق، ابتدا با استفاده از یک سری فرمول‌های نسبتاً پیچیده، مقدار تبخیر و تعرق گیاه مرجع تخمین زده میشود و سپس از روی آن تبخیر و تعرق گیاه تعیین میشود. از جمله پارامترهای مورد استفاده در این روش‌ها، تابش، سرعت باد و رطوبت نسبی هوا می‌باشند. متأسفانه در ایران و بسیاری از کشورها، داده‌های بلند مدت این پارامترها به سهولت در دسترس نمی‌باشند. هدف از این پژوهش محاسبه نمایه گرمابی سلیانینف، که فقط به داده‌های بارندگی و دمای روزانه احتیاج دارد، و ارزیابی ارتباط آن با تبخیر و تعرق پتانسیل و نیاز آبی برخی محصولات نمونه در ایران می‌باشد. ابتدا نمایه سلیانینف برای مقادیر متوسط بارندگی و دمای روزانه (طی دوره آماری 20 ساله) در فصل رشد محصولات کشاورزی محاسبه شد و با تبخیر و تعرق پتانسیل و نیاز آبی، ارتباط داده شد. نتایج نشان دهنده معادلات نمایی و چند جمله‌ای درجه دوم معکوس و قوی بین پارامترهای همبسته بود. ضریب تعیین معادلات چند جمله‌ای درجه دوم (به‌طور متوسط 84/0) در تمام 10 محصول بیشتر از ضریب تعیین معادلات نمایی (به‌طور متوسط 72/0) بود. همبستگی نمایه سلیانینف با نیاز آبی، نشان داد مقادیر ضریب تعیین، در هر دو نوع معادلات نزدیک به‌هم می‌باشد (متوسط83/0 برای معادلات چند جمله‌ای و 82/0 برای معادلات نمایی).
