اثر سیگنال های بزرگ مقیاس اقلیمی بر بارش در استان مازندران

     پیش آگهی از بارش، نقش بسیار تعیین کننده‎ای در مدیریت خشکسالی‎ها و برنامه ریزی منابع آب شرب و کشاورزی ایفا می‎کند و می‎توان سیاست‎های آینده را در جهت بهینه‎سازی صرف هزینه‎ها و امکانات بهره وری حداکثر طرح‎ریزی کرد. در این پژوهش، به بررسی تاثیر سیگنال‎های بزرگ مقیاس اقلیمی بر بارش استان مازندران پرداخته شد. نخست، اثر سیگنال های اقلیمی بر بارش به­صورت همزمان و با تاخیر، توسط روش‎های آماری (ضریب همبستگی پیرسون) مورد بررسی قرار گرفت و سپس با استفاده از مدل M۵Tree اقدام به مدلسازی بارش ماهانه با شاخص های مرتبط شد. به­طور کلی ضریب همبستگی بین سیگنال‎ها و بارش نشان داد که همبستگی همراه با تاخیر، مقادیر بیشتری نسبت به بررسی همزمان داشت. نتایج بررسی همبستگی بین شاخص‎های اقلیمی و بارش ماهانه با یک گام تاخیر نشان داد که در ایستگاه بابلسر، شاخص های AMM، NINO۱+۲، NINO۳، NINO۴، TNA و WHWP دارای همبستگی معنی دار با بارش بودند. شاخص­های AMM، NINO۱+۲، NINO۳، ONI، TNA و WHWP همبستگی معنی داری با بارش ایستگاه قراخیل داشتند. همچنین بر پایه یافته­ها، همبستگی بین سیگنال های اقلیمی و بارش ایستگاه نوشهر، اختلاف معنی داری با شاخص‎های AMM، NINO۱+۲، NINO۳، NINO۳.۴، TNA و WHWP داشت. همبستگی بین بارش رامسر و سیگنال های اقلیمی حاکی از ارتباط معنی دار سیگنال های AMM، NINO۱+۲، NINO۳، TNA و WHWP بود. نتایج حاصل از مدل M۵Tree حاکی از آن بود که، معمولا در گام یک، بهترین عملکرد شبیه‎سازی بارش رخ داد. همچنین مقایسه نتایج شبیه سازی با نمودار Taylor بیانگر این بود که در تمامی ایستگاه ها، مقادیر گام تاخیر یک نزدیک تر به مشاهدات بودند. پیش‎بینی با تاخیر این مزیت را دارد که می‎توان وضعیت بارش را از پیش تعریف نمود و در مدیریت بهره‎برداری از منابع آب حوزه آبخیز، دخالت داد.

کلیدواژه ها:

Climate indices ، Correlation coefficient ، Monthly rainfall ، M۵Tree model ، Taylor's diagram ، سیگنال‎های بزرگ مقیاس اقلیمی ، ضریب همبستگی ، مدل M۵Tree ، نمودار Taylor