درخت حوزه‌های تخصصی

برای شناسایی گونه هواهای جزیره ابوموسی، داده های روزانه 69 متغیر اقلیمی(سمت باد،تندی باد، دمای خشک، دمای تر، دمای کمینه و بیشینه، میانگین دمای روزانه، بارش، نم نسبی، فشار تراز ایستگاه، ابرناکی، دیدافقی، فشار بخارآب و ...) این ایستگاه در طول سال های 1362تا 1388 بررسی شد. ابتدا پایگاه داده ای از متغیرهای مورد بررسی در نرم افزار متلب ایجاد شد. این پایگاه داده شامل رخدادهایی بود که مقدار متغیرهای مورد بررسی به طور کامل در آن ثبت شده بودند. در مرحله بعد روی آرایه داده های استاندارد شده (69*9311) که سطرهای آن معرف تعداد روزها و ستون های آن عناصر اقلیمی می باشند یک تحلیل خوشه ای (CA) به روش ادغام «وارد» صورت گرفت و شش گونه هوا برای ایستگاه ابوموسی به دست آمد و در نهایت برای هر کدام از گونه ها یک روز به عنوان روز نماینده انتخاب و ویژگی های پیایی، رخداد و فراوانی سالانه و ماهانه آن ها محاسبه و مشخص گردید . بر این اساس گونه هوای گرم و مرطوب و شرجی به عنوان غالب ترین، همگن ترین و با ثبات ترین گونه شناخته شد.

هدف این پژوهش به دست دادن رابطه ای ساده و صحیح برای محاسبة بارش سنگین است که در همة مناطق ایران، حتی مکان های با فقر داده ای کاربرد داشته باشد. به دلیل دشواری دسترسی به آمارهای روزانه، این روش متکی بر شاخص های ماهانه است. برای تعیین بارش های سنگین از آمار روزانة بارش پنجاه سال اخیر (1961 تا 2011) چهل ایستگاه سینوپتیکی استفاده شد. مقدار بارش سنگین با استفاده از داده های روزانه، ماهانه و سالانه محاسبه و با یکدیگر مقایسه شد. از داده های سالانه برای تعیین شاخص بارش سنگین ایران و از بارشی که احتمال وقوع آن، میان بارش های ثبت شده پنج درصد بود، به مثابة معیار اولیه استفاده شد. با استفاده از روش خوشه بندی، مؤلفه های مؤثر بر بارش سنگین ایران شناسایی شد. در تحلیل عاملی از یازده مؤلفة بارشی، دو مؤلفة میانگین مجموع بارش سالانه و تعداد روزهای بارشی یک میلی متر، درمجموع 86 درصد اثر را پوشش می دهد. رابطة نهایی از نسبت میانگین مجموع بارش سالانه به میانگین تعداد روزهای بارشی یک میلی متر و بیشتر همراه یک ضریب عددی تشکیل شد. برای تعیین ضریب عددی، ایران به هفت گروه تقسیم شد و برای هر گروه، ضریب جداگانه به دست آمد. بارش سنگین محاسبه شده با معیار اولیه همبستگی زیادی (997/0) نشان داد. درنهایت، نقشة پهنه بندی ضریب عددی و بارش سنگین برای محاسبة مقدار بارش سنگین هر نقطة ایران با نرم افزار GISرسم شد.

با توجه به نقش اساسی تبخیر- تعرق در بیلان آب، برآورد دقیق آن در بسیاری از پروژه ها و مطالعات علمی در زمینه هیدرولوژی، کشاورزی، صنعت، مهندسی آب و سایر علوم وابسته، برای مدیریت کارآمد منابع آبی و طراحی سازه های هیدرولیکی مورد نیاز است. روش های سنتی برآورد تبخیر-تعرق واقعی که عمدتاً متکی بر لایسیمترها می باشد علاوه بر مشکلات خاص نگهداری و ثبت داده ها، فقط به صورت نقطه ای استخراج می گردند و با توجه به نیاز مبرم برای محاسبات در سطح، تعمیم دادن آن به ویژه در مناطق کوهستانی نادرست است. در سال های اخیر با گسترش کاربرد تصاویر ماهواره ای در برآورد تبخیر- تعرق واقعی، روش هایی ابداع شده است که از جمله آن ها می توان به روش سبال[1] اشاره نمود. در تحقیق انجام یافته مدل سبال برای برآورد تبخیر- تعرق واقعی در منطقه مورد مطالعه (شهرستان مشگین شهر) انتخاب گردید. این مدل در بسیاری از کشورها اجرا شده و نتایج قابل قبولی از آن به دست آمده است. این مدل عموماً برای مناطق مسطح طراحی شده و تأثیر عوامل ارتفاع، شیب و جهت شیب در محاسبه نادیده گرفته شده است. در این تحقیق با دخالت دادن عوامل مذکور در مدل، نوع جدیدی از این مدل به نام «سبال کوهستانی» معرفی گردیده است. منطقه مشگین شهر در شمال غربی ایران با توجه به داشتن خصوصیات مناسب برای اجرای این مدل، انتخاب و با انجام محاسبات بر روی ورودی های این مدل که عبارتند از: لایه DEM، شیب، جهت شیب، کسینوس زاویه فرودی خورشید، رادیانس طیفی، انعکاس طیفی، آلبیدوی سطحی، تابش فرودی، شاخص پوشش گیاهی به هنجار شده، گسیلمندی سطحی، دمای سطح، تابش موج بلند خروجی، تابش موج بلند فرودی، شار گرمای خاک، شار گرمای محسوس و شار گرما نهان موفق به محاسبه تبخیر- تعرق واقعی لحظه ای در منطقه مورد مطالعه شده ایم. با مقایسه دمای سطح و شاخص پوشش گیاهی به هنجار شده (NDVI) همبستگی 969/0- بین آن ها مشاهده گردید. هم چنین مقایسه بین تبخیر-تعرق واقعی محاسبه شده و شاخص پوشش گیاهی، نشانگر انطباق این دو عامل با یکدیگر بوده است (همبستگی مثبت 81/0) به طوری که مناطق با تراکم پوشش گیاهی با مناطق با تبخیر- تعرق واقعی بالا منطبق هستند. از طرف دیگر مقایسه تصاویر دمای سطح و تبخیر- تعرق واقعی نیز عدم انطباق آن ها را تأئید می کند به طوری که مناطق با دمای سطح بالا از میزان تبخیر- تعرق پائین برخوردار هستند.

در این پژوهش به منظور تحلیل مکانی- زمانی پرفشار جنب حاره ای، از داده های دوباره واکاوی شده ارتفاع-ژئوپتانسیل تراز میانی وردسپهر از پایگاه داده ی(NCEP/NCAR) با تفکیک افقی 5/2 درجه قوسی بهره گرفته شد. بازه ی زمانی مورد بررسی، 60 ساله(1327 تا 1386 شمسی) و بازه ی مکانی، نیمکره شمالی است و شامل 5184 یاخته می باشد که به صورت سامانه تصویر استریوگرافیک قطبی ترسیم شده است. برای مقایسه میانگین ها، از آزمون تی- تست با نمونه های جفت شده در دوره های 30 ساله و جهت تشخیص و آشکارسازی روند مثبت یا منفی(افزایشی یا کاهشی)، از آزمون روند کندال تاو استفاده شده است. نتایج نشان داد که درتمام ماه ها، مساحت سامانه پرفشار جنب حاره ای، روند افزایشی داشته است. بیشترین میزان روند مربوط به مردادماه و کمترین مقدار روند، از آنِ فروردین ماه می باشد. همچنین، حد شمالی این سامانه(پربند 5840 ژئوپتانسیل متر) در نیمه ی گرم سال، عموماً در عرض های جغرافیایی بالا و بیشترین وسعت را در تیرماه دارد. اما با شروع دوره سرد سال، این پربند نیز به سمت عرض های جغرافیایی پایین کشیده شده و کمترین مساحت را در بهمن ماه، از آنِ خود می کند. به طور کلی، تغییر اقلیم ناشی از گرمایش جهانی، باعث گسترش بیشتر از حد نرمال سامانه پرفشار جنب حاره گردیده و به تبع آن، وسعت تاوه ی قطبی نیز کاهش بیشتری یافته است.

حوضة خضرآباد در فاصلة 30 کیلومتری جنوب غربی شهر یزد واقع شده است. در این حوضه، ژئوفرم هایی وجود دارد که به احتمال در دورة اقلیمی متفاوتی نسبت به زمان حال به وجود آمده است که با تحلیل آنها، برای بازسازی اقلیم گذشته تلاش شده است. برای بررسی وضعیت اقلیمی گذشته، در این پژوهش از نقشه های توپوگرافی، عکس های هوایی، تصاویر ماهواره ای، پژوهش های میدانی، سامانة GPS و داده های اقلیمی ایستگاه های هواشناسی استفاده شد. برحسب همبستگی بین ارتفاع و متوسط دمای سالانه و ارتفاع و مقدار بارش سالانه، گرادیان حرارتی و رطوبتی محاسبه شد. یافته های پژوهش نشان می دهد خط برف مرز دایمی با روش های رایت و پورتر، در ارتفاع 2100 تا 2200 متر واقع می شده است. باتوجه به این خط و افت آهنگ دما به مقدار 65/0 و 8/0 درجه به ازای هر 100 متر ارتفاع، مقدار تفاوت دمای کنونی با گذشته، به ترتیب معادل 92/12 و 4/13 درجة سانتی گراد محاسبه شد. نتایج نشان داد که مقدار بارش سالانه در زمان گذشته 52/176 میلی متر نسبت به میانگین امروزی بیشتر بوده است. به علاوه، خط تعادل آب و یخ معادل 8/4 درجه، در ارتفاع 1560متری واقع شده است.

اثر تغییرات اقلیمی با ظهور دوره های برودتی به عنوان یکی از پدیده های اصلی مجموعه کواترنری مطرح است. لذا بررسی قوانین اصلی تغییرات اقلیمی در این مقطع زمانی، یعنی کواترنری اهمیت دارد که امروزه اقلیم ما را کنترل می کند. در پژوهش حاضر با ردیابی شواهد ژئومورفیک کانون های یخساز کواترنری بازسازی شرایط حرارتی و رطوبتی فاز اقل یعنی سردترین فاز دمایی حاکم در حوضه رودخانه کرج بررسی شده است. تجزیه و تحلیل داده های به دست آمده با استفاده از مدل ارتفاعی رقومی و نرم افزارهایSurfer و Global Mapper صورت گرفته است. تطبیق و مقایسه نقشه های هم دما و هم بارش گذشته نشان می دهد که در فاز اقل، حوضه رودخانه کرج شرایط اقلیمی سردتر و مرطوب تر از عهد فعلی را تحمل کرده است. میانگین دمای سالانه، حدود 7 درجه سانتیگراد کمتر از زمان حال بوده و بارش 5/1 برابر افزایش داشت. همچنین نتایج حاصل از پژوهش نشان می دهد که در فاز اقل، پایین ترین حد پیشروی زبانه های یخچالی حوضه کرج بر مرز دریاچه ای منطبق بوده که اسناد ژئومورفیک آن در دشت کرج به ویژه منطقه ماهدشت به دست آمده است. محل پارگی دریاچه در روستای شش ردیابی گردید. متروپل کرج نمونه بارزی از یک هردینگ سیستم است که تحت تأثیر جریان-های اقلیمی فاز اقل و در امتداد خط تعادل آب و یخ شکل گرفته است.

فرسایش بادی در مناطقی با بارندگی کمتر از 150 میلی متر اهمیت ویژه ای دارد. فرسایش بادی به عنوان یکی از عوامل مهم بیابان زایی، همواره مورد توجه قرار گرفته است .در این تحقیق بعد از جمع آوری اطلاعات و مطالعات پایه در منطقه و تهیه نقشه های لازم از قبیل توپوگرافی، زمین شناسی، ژئومرفولوژی، قابلیت اراضی، پوشش گیاهی و آگاهی از مطالعات هواشناسی و جهت بادهای غالب در منطقه به بازدید صحرایی پرداخته و فرم های بیابانی و پرسشنامه مردمی در منطقه تکمیل شد و سپس واحدهای کاری به روش احمدی- اختصاصی تهیه، سپس مقدارفرسایش بادی براساس مدل تجربی اریفردرهریک از واحدهای کاری تعیین شد. همچنین نقشه حساسیت اراضی به فرسایش بادی با استفاده از اریفر تهیه شد و پتانسیل رسوبدهی نیز با استفاده از رابطه بین درجه رسوبدهی وتولیدرسوب به دست آمد. نتایج نشان داد کلاس فرسایشی I (فرسایش خیلی کم) با مساحتی در حدود 21/11287 هکتار بیشترین مساحت وکلاس فرسایشی IV (فرسایش زیاد) با مساحت45/6682 هکتار در رتبه دوم از نظر مساحت می باشد. دربین رخساره های ژئومرفولوژی رخساره های مسیل (5-3-2) و اراضی زراعی (2-3-2) دارای بیشترین مقادیررسوبدهی می باشند. وجود توپوگرافی مسطح و اراضی با شیب کم در بخشهای شرقی وشمالی حوزه که مستقیماً تحت تاثیر بادهای غالب منطقه می باشند، باعث شده تا باد از قدرت تخریبی بالاتری برخوردار باشد. یکی از راهکارهای مناسب به منظور مقابله با فرسایش بادی در حوزه میاندشت احداث بادشکن در اطراف مزارع داخل و خارج منطقه با توجه به گسترش اراضی کشاورزی در اطراف منطقه مورد مطالعه و در مسیر بادهای غالب محدوده در بخشهای شرق، شمال شرق می باشد.

در این پژوهش ارتباط بین نوسان بارش در مناطق جنوبی دریای خزر و تغییرات فشار تراز دریا با استفاده از رویکردی محیطی به گردشی در دوره زمانی(1383-1339) بررسی و تحلیل گردید. در این ارتباط در بخش پایگاه داده سطحی، از داده های بارش روزانه 12 ایستگاه سینوپتیک پهنه مطالعاتی بهره گرفته شد و ماتریس سری زمانی روزهای بارشی آنها تهیه گردید. در بخش پایگاه داده های جوی نیز از داده های فشار تراز دریا موجود در پایگاه داده NCEP/NCAR در محدوده 0 تا 120 درجه شرقی و 0 تا 80 درجه شمالی استفاده گردید. در ادامه، ماتریس اولیه شامل مقادیر بارشی روزانه هر ایستگاه و مقادیر میانگین فشار روزانه تراز دریا(slp) متناظر با سری زمانی روزهای بارشی برای(1617=33×49) یاخته شبکه ای در محدوده انتخابی تهیه شد. محاسبه ضریب همبستگی میان مقادیر بارش روزانه با مقادیر میانگین روزانه فشار تراز دریا بر روی یاخته های محدوده مطالعاتی و ترسیم نقشه های ضریب همبستگی بارش - فشار ایستگاهها آشکار نمود که رخداد و تغییرات بارش در کرانه های جنوبی دریای خزر در سطح تراز دریا متأثر از استیلای یک الگوی گردشی فشار بر روی دریاهای خزر، سیاه و مدیترانه است. بر این اساس، نوسان بارش در کرانه های جنوبی دریای خزر با کاهش و افزایش میزان فشار در عرصه کنش این الگو مرتبط و همزمان می باشد.

بارش از جمله عناصر اقلیمی است که در بُعد زمان و مکان دارای تغییرات بسیاری است. در این بین مطالعه بارش های حدی به سبب اثرات مخرب و زیانبار آن، دارای اهمیت بسزائی است. هدف اصلی مقاله، بررسی تغییرات درون سالانه مقادیر حدی بارش در ایران با استفاده از تکنیک تحلیل هارمونیک است. برای رسیدن به نتیجه مطلوب، داده های بارش از آمار 40 ایستگاه سینوپتیک کشور با دوره آماری 2010-1966 (45 ساله) استخراج گردید. تحلیل هارمونیک به واسطه عمل در فضای طیفی، دارای قابلیت زیادی در بررسی تغییرپذیری بارش است. تحلیل هارمونیک نشان داد که در بیشتر مناطق کشور، عمدتاً تغییرات مقادیر حدی بارش دارای الگوی سالانه بوده و PVR(1) بیشترین سهم را در توضیح و تبیین واریانس داده ها بر عهده دارد. بیشترین میزان PVR(1) در بخش های مرکزی و جنوب غربی (به میزان بیش از 80% به طور مثال در ایستگاههای دزفول و کاشان) مشاهده شد. در سواحل جنوبی دریای خزر و سواحل جنوبی ایران، هارمونیک اول از میزان قابل توجهی (بیش از 70%) برخوردار بوده است. به طورکلی دو هارمونیک اول، واریانس داده ها را به میزان زیادی در بیشتر نواحی ایران توضیح داده و نیاز به هارمونیک های بیشتر وجود ندارد. به عبارتی دیگر، تغییرپذیری سالانه و شش ماهه، مهمترین تغییرات در بارش های حدی ایران می باشند. بدین ترتیب نقش پدیده های بزرگ مقیاس جوی در ایجاد بارش های حدی بیشتر از سایر عوامل است. در بخش-هایی از شمال غرب و جنوب شرق هارمونیک دوم نقش بیشتری در توضیح واریانس دارد. میزان متفاوت T1 بارشهای حدی ایران نیز حکایت از تفاوت های زمانی و مکانی بسیار بالای رخداد های حدی بارش در این منطقه دارد.

در این پژوهش، جهت بررسی روند تغییرات بارش جمهوری آذربایجان از داده های بارش روزانه پایگاه داده آفرودایت که دارای تفکیک مکانی 25/0 * 25/0 درجه است، در یک دوره 57 ساله (1951-2007) استفاده شده است. نخست برای واکاوی مکانی داده ها، با روش نزدیک ترین همسایگی در نرم افزار سورفر نقشه های همبارش سالانه، فصلی و ماهانه تهیه گردید. پس از بررسی نقشه سالانه، میانگین یاخته ای بارش سالانه آذربایجان 410 میلیمتر تعیین شد. بیشینه بارش در قسمت های شمالی (ارتفاعات شاه داغ و بازاردوزو)، جنوب خاوری (منطقه لنکران) و باختری (منطقه خان کندی) آذربایجان بوده است. بیشینه و کمینه فصلی بارش به ترتیب در بهار و زمستان بوده که تقریباً تمامی مناطق را تحت پوشش قرار داده است. در الگوی پراکندگی بارش ماهانه، بیشینه بارش در برج خرداد بوده که قسمت های شمالی (ارتفاعات شاه داغ و بازاردوزو) و باختری (منطقه خان کندی) آذربایجان بیشترین بارش را دریافت کرده و کمینه بارش در برج مرداد بوده که ارتفاعات شمالی (ارتفاعات شاه داغ و بازاردوزو) و باختری (منطقه خان کندی)و جنوب خاوری (منطقه لنکران) بیشترین بارش را دریافت کرده است. برای تحلیل روند زمانی بارش، سری های زمانی ماهانه، فصلی و سالانه محاسبه گردید و سپس با آزمون ناپارامتری من-کندال روند افزایشی یا کاهشی با سطح اطمینان 95% و 99% آزمون شد. در سری زمانی سالانه آذربایجان در هر دو سطح اطمینان بارش دارای روندی معنادار کاهشی است. در سریهای زمانی فصلی،فصول تابستان و زمستان روندی معنادار کاهشی دارند ولی در فصول بهار و پائیز فرض وجود روند تأیید نشد. در بین سریهای زمانی ماهانه، فقط برجهای خرداد و اسفند دارای روند معنا دارکاهشی هستند و بقیه برجها فاقد روند می باشند.

اهداف: افزایش درجة حرارت یکی ازمسائل مهم زیست محیطی بشر است که در سال-های اخیر، مطالعات زیادی را به خود اختصاص داده است . هدف از محاسبة روند درجة روز گرمایش در ایران، می تواند دیدی کلی از تغییرات نیاز گرمایش و تغییرات مکانی- زمانی این فراسنج، به خصوص در فصول سرد و گرم سال برای مدیریت منابع انرژی ارائه کند. روش: روند و شیب روند ماهانة درجة روز گرمایش ایران، با پایة دمایی 18 درجه با استفاده از میانگین دمای روزانة هوا، درطی دورة آماری 44 ساله (1383-1340) از پایگاه شخصی داده های دکتر مسعودیان در دانشگاه اصفهان استخراج و محاسبه شد. سپس، به کمک آزمون ناپارامتری من کندال روند و شیب روند جمع ماهانة درجة روز گرمایش در سطح معنی داری 05/0، برای هرکدام از یاخته ها در نرم افزار مطلب محاسبه گردید. ابعاد ماتریس به دست آمده 44×7187 می باشد. درنهایت، نقشه های روند و شیب روند این فراسنج درنرم افزار سورفر ترسیم شد و واکاوی گردید. یافته ها/ نتایج: نتایج، بیانگر روند مثبت نیاز گرمایشی در شمال کردستان و زنجا صول بهار و پاییز است. روند منفی نیاز گرمایشی نیز در چاله های داخلی، دامنه های زاگرس شمالی و جنوبی و کوهپایه های ن، غرب شهرکرد، ارتفاعات ماکو و کوهپایه های غربی بجنورد است که بیانگر کاهش دمای این نقاط در ف کرمان و خراسان نمایان است که روند افزایش دمای این مناطق را در ماه های سرد سال نشان می دهد. نتیجه گیری: بیشترین گسترة مکانی روند منفی نیاز به گرمایش، در دی ماه است که 54% از وسعت ایران را در برگرفته است که نمایانگر گرم ترشدن هوا در این ماه از سال در نیمی از کشور می باشد. بلوک لوت و تهران در فرودین ماه به میزان 2- تا 4- درجة روز در سال، بیشینة شیب روند منفی نیاز به گرمایش را دارا هستند.

خطاهای ممکن در پیش بینی یک طوفان حاره ای می تواند از شدت بیش از واقعیت طوفان قبل از بارش زمینی، پارامتر سازی ناکارآمد تبادل گرما، رطوبت و اندازه حرکت بین سطح اقیانوس با اتمسفر و به صورت کلی ناتوانی در پیش بینی دقیق شدت طوفان سرچشمه گیرد. به منظور برآورد این خطاها، چندین پارامترسازی برای تعیین دقیق تبادل گرما، رطوبت و اندازه حرکت بین سطح با اتمسفر در تفکیک های افقی مختلف طراحی و با به کاربردن مدل AHW(Advanced Hurricane WRF) مورد آزمایش قرارگرفته شده است. طوفان حاره ای شدید گونو، تشکیل شده در شمال اقیانوس هند (دریای عرب) برای برآورد این خطاها انتخاب گردید و اطلاعات بهترین مسیرحرکت طوفان گونو به منظور راست آزمایی با شبیه سازی های انجام گرفته در این تحقیق، از سازمان هواشناسی هند (IMD) دریافت شده بود. نتایج شبیه سازی های صورت گرفته، حساسیت پیش بینی های شدت طوفان در عبارت های بیشینه سرعت باد و کمینه فشار مرکزی طوفان به انواع پارامتر سازی های تعیین شده برای تبادل گرما، رطوبت و اندازه حرکت بین سطح با اتمسفر و همچنین تفکیک افقی را نشان داده است. حساسیت سنجی ها نشان داد که با رساندن تفکیک افقی تا 9 کیلومتر، با انتخاب پارامترسازی دونلن برای تبادل اندازه حرکت و پارامترسازی لارج- پوند برای تبادل گرما و رطوبت، شدت پیش بینی شده طوفان به طور قابل توجهی بهبود پیدا کرده است. همچنین نتایج شبیه سازی ها نشان داد که مسیر پیش بینی شده برای طوفان مورد نظر، بر خلاف شدت پیش بینی شده با افزایش تفکیک افقی، ارتقای محسوسی پیدا نکرده و گاهی افت نشان داده و برای انواع پارامترسازی های شارهای سطحی حساسیت معنی داری نشان نداده بود.

ناحیه بندی توسط عناصر و عوامل اقلیمی یکی از مهمترین موضوعاتی است که به دلایل گوناگون از جمله اهمیت آن در کشاورزی و معماری یک منطقه مورد توجه می باشد. اقلیم هر منطقه نتیجه ی عملکرد عناصر و عواملی است که در محیط حاکم هستند. در این مقاله ناحیه بندی بر اساس میانگین ماهانه دما و بارش در 16ایستگاه سینوپتیک منطقه زاگرس که دارای کامل ترین آمار از بدو تأسیس تا سال2005 بودند با استفاده از 4 روش تحلیل مؤلفه اصلی، نمره Z فصلی دما و بارش، انحراف معیار دمای ماهانه، فصلی و ضرایب اقلیمی (ضریب خشکی دومارتن) و (کلیموگرام پگی) انجام شد. نتایج نمره Z با استفاده از آزمون تحلیل واریانس تست شد. در 3روش ابتدایی، پهنه بندی با استفاده از روش وارد صورت گرفت. یافته ها 3 مؤلفه اصلی که 84/91درصد از واریانس متغیرها را توجیه می کرد شناسایی کرد و 5 ناحیه بدست آمد. نمره Z فصول در بهار و پاییز 5 و در تابستان و زمستان4 ناحیه بارشی و برای دما در تابستان4 ناحیه و در دیگر فصول 3 ناحیه را نشان داد. آزمون تحلیل واریانس این بخش فرض محقق (عدم برابری بین نواحی)را تأیید نمود. براساس انحراف معیار داده های دما 5 ناحیه اصلی بدست آمد. با استفاده از ضریب خشکی دومارتن و کلیموگرام پگی به ترتیب 4و3 ناحیه تأیید شد. در انتها نقشه های نواحی بارشی و دمایی زاگرس با روش Inverse Distans Weighted در محیط نرم افزار جی ای اس تهیه شد.

در دوره ی سرد سال، ریزش برف سنگین باعث بروز مشکلات و خسارات زیادی می شود. وسعت خسارات ناشی از ریزش برف های بسیار سنگین در بخش های مختلف پیامدهای دارد، از جمله تخریب ساختمان ها و تاسیسات، اختلال در بخش هایی نظیر حمل و نقل و توزیع سوخت و انرژی در فعالیت های بخش صنعتی و کشاورزی. همچنین، وقوع پدیده ی یخبندان در چنین شرایطی باعث تشدید خسارات می شود. در دوره ی سرد سال، لزوم شناخت و آگاهی از مکانیسم تشکیل چنین پدیده ای، که ریشه در الگوهای گردش جوی در مقیاس سینوپتیکی دارد، می تواند نقش موثری در مدیریت خطر و بحران داشته باشد. هدف اصلی این مطالعه شناسایی الگوهای گردش جوی مربوط به روزهای همراه با ریزش برف سنگین در حوضه های غرب ایران است. در این مطالعه، روزهایی را که حداقل 15 سانتیمتر برف طی 24 ساعت داشتند و ریزش برف در سطح فراگیری گزارش شده بود به منزله ی روز با ریزش برف سنگین انتخاب شد. سپس، برای شناسایی و طبقه بندی الگوهای گردشی مربوط به روزهای فوق، داده های روزانه مربوط به تراز 500 هکتوپاسکال و فشار تراز دریا ی روزها مذکور از مرکز داده های NCEPتهیه شد. برای طبقه بندی الگوهای روزهای همراه با برف سنگین از روش تحلیل مولفه های اصلی و خوشه بندی استفاده شد. سرانجام، الگو های گردش اصلی ریزش برف سنگین در منطقه ی مطالعه شناسایی شد. الگوهای به دست آمده می تواند در امر پیش بینی روزهای همراه با برف سنگین کارایی داشته باشد.

در حاشیه دریاهای گرم، بر اثر افزایش دما و رطوبت نسبی پدیده ی اقلیمی شرجی رخ می دهد که سبب سلب آسایش و بروز مشکلاتی در زندگی روزمره ی انسان می شود. در این مطالعه، طبقه بندی روزهای شرجی در نیمه ی جنوبی ایران بررسی شد و پهنه بندی ویژگی های آماری روزهای شرجی با استفاده از سامانه ی اطلاعات جغرافیایی صورت گرفت. برای دستیابی به این اهداف، داده های ساعتی و روزانه فشار جزئی بخار آب برای یک دوره ی 15 ساله (2009 - 1995) مربوط به 13 ایستگاه منتخب از سازمان هواشناسی کشور اخذ گردید. سپس، روزهای شرجی براساس آستانه ی فشار جزئی بخار آب 8/18 هکتوپاسکال استخراج و در قالب هشت طبقه ی جداگانه تقسیم شد و پهنه بندی ویژگی های آماری روزهای شرجی با روش میانیابی کریجینگ صورت گرفت. نتایج این مطالعه نشان داد که بیشترین روزهای شرجی در مقیاس ماهانه در دو ماه ژوئن و ژولای و کمترین آن در ماه ژانویه اتفاق می افتد. در مقیاس فصلی، نیز بیشترین تعداد روزهای شرجی متعلق به فصل تابستان و کمترین آن مربوط به فصل زمستان است. از لحاظ مکانی نیز جنوب شرق ایران در مقایسه با جنوب غرب بیشترین تعداد روزهای شرجی را دارد. طبقه بندی روزهای شرجی نیز نشان داد که ایستگاه چابهار با بیشترین تعداد روزهای شرجی طبقه ی هشت (کل 24 ساعت شبانه روز دارای شرایط شرجی) حادترین ایستگاه در بین ایستگاه های مورد مطالعه بوده و ایستگاه هایی همچون کرمان، زاهدان و شیراز با داشتن کمترین روز شرجی طبقه ی هشت بهترین شرایط را دارا بوده اند.

توفان های تندری یکی از پدیده های اقلیمی هستند، که به دلیل همراهی با تندر، آذرخش، جست باد، باران شدید و غیره علاوه بر آثار مثبتی که می تواند داشته باشد، موجب آسیب های فراوانی درنقاط مختلف دنیا شده است. موقعیت جغرافیایی فلات ایران در عرض های جغرافیایی میانی باعث ورود سامانه های برون حاره، جنب حاره و حاره ای در زمان های خاصی می شود. ورود برخی از این سامانه ها فراوانی رخداد این پدیده را به شدت تحت تأثیر قرار می دهد. علاوه بر این به دلیل تغییر دمای سطح زمین در طول شبانه روز میزان رخداد این پدیده در ساعت های خاصی به شدت کاهش و یا افزایش می یابد. بنابراین واکاوی زمانی توفان های تندری، می تواند کمک شایانی در جهت بهبود پیش بینی پدیده باشد. بدین منظور، داده های ساعتی هوای حاضر (ww) مربوط به توفان های تندری بدون بارش یا همراه با بارش (کدهای 17و29)، توفان تندریِ ملایم و آرام و بدون تگرگ اما در بعضی اوقات همراه با برف و باران و توفان تندریِ ملایم و آرام، همراه با تگرگ (کدهای 95و96)، توفان تندریِ متلاطم، بدون تگرگ اما همراه با باران و برف و توفان تندریِ سنگین، همراه با تگرگ (کدهای 97و99) و توفان تندری ترکیبی از شن و گرد و غبار (کد98) جهت 46 ایستگاه همدید تهیه گردید. این داده ها که مربوط به یک دوره ی آماری 23 ساله (1388-1365) می باشد. فراوانی رخدادشان در مقیاس ماهانه و ساعتی محاسبه گردید. نتایج این محاسبات نشان می دهد که بیشترین فراوانی رخداد کدهای 17 و 29 مربوط به خردادماه ساعت 00:30 محلی، کدهای 95 و 96 مربوط به اردیبهشت ماه ساعت 15:30 محلی، کدهای 97 و 99 مربوط به خردادماه ساعت 03:30 محلی و کد 98 مربوط به مهرماه ساعت 18:30 محلی می باشد.

آب وهوا یکی از مهم ترین عوامل جغرافیایی تأثیرگذار بر امور دفاعی و نظامی است که همواره باید توسط طراحان حوزه دفاعی و نظامی در انتخاب دکترین ها، تاکتیک ها و حتی در انتخاب نوع نیروهای نظامی، تجهیزات نظامی، البسه، آماد، تعمیر و نگهداری، ساخت تأسیسات مدنظر قرار گیرد. یکی از دغدغه های فرماندهان راهبردی برای برنامه ریزی دراز مدت، آگاهی و شناخت از ویژگی های اقلیمی مناطق مختلف می باشد. برای ارزیابی و پهنه بندی شرایط اقلیم دفاعی در نیمه غربی کشور، 45 ایستگاه سینوپتیک موجود در منطقه که دارای دوره آماری بالای 20 سال بودند، انتخاب شده و داده های اقلیمی مربوط به پارامترهای دما، رطوبت نسبی، سرعت و جهت باد، ابرناکی، میدان دید، بارش باران و برف در دوره روزانه و ماهانه از سازمان هواشناسی دریافت گردید. سپس آستانه های عناصر اقلیمی تأثیرگذار در عملیات نظامی تعیین و احتمالات وقوع پارامترهای تأثیرگذار بر عملیات نظامی محاسبه شد و در نهایت با استفاده از روشAHP وزن دهی و رتبه بندی پارامترها صورت گرفته و شاخص اقلیم دفاعی به دست آمد. نتایج حاصل از این پژوهش نشان داد که نیمه غربی کشور از بعد اقلیم دفاعی به سه بخش شمالی، میانی و جنوبی تقسیم می گردد. بخش شمالی شامل منطقه آذربایجان (آذربایجان شرقی، آذربایجان غربی، زنجان و اردبیل)، کردستان و همدان، بخش میانی شامل لرستان، کرمانشاه و شمال ایلام و بخش جنوبی شامل خوزستان و جنوب ایلام می باشد. در مناطق مرتفع و نسبتاً مرتفع بخش های شمالی و میانی در بین ماه های اردیبهشت تا آبان شرایط مناسب اقلیم دفاعی(خوب تا عالی) و در بین ماه های آذر تا فروردین شرایط نامناسب اقلیم دفاعی حاکم است. در مناطق کم ارتفاع بخش های میانی و شمالی در ماه های تیر، مرداد، دی و بهمن شرایط نامناسب و در بقیه ماه های سال شرایط مناسب اقلیم دفاعی وجود دارد. در بخش های جنوبی منطقه (خوزستان و جنوب ایلام) در بین ماه های اردیبهشت تا مهر شرایط نامناسب، در ماه های آذر، دی و بهمن شرایط قابل قبول و در ماه های آبان، اسفند و فروردین شرایط مناسب از بُعد اقلیم دفاعی حاکم است.

این پژوهش با هدف شناسایی ناهنجاری های مکانی- زمانی فشار تراز دریا در بخشی از نیمکره شمالی انجام شد. برای این منظور از داده های شش ساعته فشار تراز دریا در محدوده صفر تا 80 درجه جغرافیایی طول شرقی و صفر تا 60 درجه جغرافیایی عرض شمالی استفاده شد. در این محدوده، 825 یاخته به اندازه 5/2 در 5/2 درجه جغرافیایی قرار داشت. بنابراین پایگاه داده ای به اندازه 825* 90520 ایجاد شد. در این ماتریس 825، تعداد یاخته های محدوده مورد مطالعه و 90520 نیز تعداد دیده بانیهای شش ساعته فشار تراز دریا در 62 سال(2009-1948) است. با استفاده از این داده ها، ناهنجاری های ماهانه فشار تراز دریا برای هر یاخته بدست آمد. فراوانی مقادیر کمتر و بیشتر از میانگین بلندمدت هر یاخته تحت عنوان ناهنجاری های منفی و مثبت فشار تراز دریا محاسبه شد. برای هر ماه نقشه فراوانی ناهنجاری های منفی فشار تراز دریا ترسیم شد. نتایج نشان داد که فراوانی ناهنجاری های منفی فشار تراز دریا، تقریباً از ماه نوامبر تا آوریل در بیشتر بخش های کشور بیش از 50 درصد بوده و از ماه می تا اکتبر نیز کمتر از 50 درصد بوده است.

گرمایش جهانی و به تبع آن تغییر اقلیم، موضوع مهمی است که در دهه های اخیر توسط محققین در سرتاسر دنیا موردمطالعه قرارگرفته است. در این مطالعات تغییرات پارامترهای اقلیمی موردبررسی قرار می گیرد. با توجه به عدم قطعیت فراوان دخیل در برآورد این پارامترها، بهتر است شیوه ای اتخاذ گردد تا تحلیل ها با بررسی باند ناشی از منابع مختلف عدم قطعیت، صورت پذیرد. بدین منظور در این مطالعه تلاش شد با بررسی باند عدم قطعیت ناشی از 15 مدل AOGCM تحت تأثیر سه سناریو انتشار A1B، A2 و B1 به بررسی تغییرات پارامترهای حداقل دما، حداکثر دما و بارندگی در ایستگاه سینوپتیک مشهد واقع در حوضه قره قوم پرداخته شود. از مدل LARS-WG به منظور ریزمقیاس نمایی استفاده گردید. توانایی بالای مدل LARS-WG در شبیه سازی پارامترهای اقلیمی در دوره پایه تأیید شد؛ به طوری که مقادیر مدل نسبت به مقادیر مشاهده شده در تمامی ماه ها دقت خوبی را دارا بوده است. نتایج حاکی از وجود بیشترین باند عدم قطعیت در برآوردهای مربوط به سناریو A1B بود، ولی در مورد کمترین باند عدم قطعیت در مورد پارامترهای مختلف نتایج متفاوتی به دست آمد که برای حداقل دما و بارندگی سناریو B1 و برای حداکثر دما سناریو A2 معرفی گردید.