تاثیر شاخص‌های دمایی انسو بر خشکسالی هواشناسی در نیمۀ غربی ایران

خشکسالی پدیده‌ای اقلیمی است که در اثر کمبود رطوبت ناشی از کاهش بارندگی در مناطق مختلف اتفاق می‌افتد. لذا شناخت و بررسی عوامل مهم موثر بر کمبود بارش و به تبع آن ایجاد خشکسالی دارای اهمیت ویژه‌ای است. انسو جزو پدیده‌های دور پیوند اقلیمی است که می‌تواند آب و هوای مناطق مختلف سطح کرۀ زمین را تحت‌الشعاع قرار دهد و بر خشکسالی نیز تاثیرگذار باشد. هدف از انجام مطالعۀ حاضر، بررسی تاثیر شاخص‌های دمایی انسو بر خشکسالی هواشناسی در ایستگاه‌های سینوپتیک در نیمۀ غربی ایران است. در این راستا برای دست‌یابی به هدف مورد نظر، ابتدا شاخص spi در مقیاس‌های زمانی مختلف محاسبه شد. در مرحلۀ بعد، با استفاده از نرم‌افزارهای آماری، رابطۀ هم‌بستگی هم‌زمان و غیرهم‌زمان بین شاخص‌های دمایی انسو با spi و سپس مدل‌سازی رگرسیون بررسی شد. تحلیل نتایج نشان داد که رابطۀ با معناداری بیش‌تر در فصول پاییز و بهار و به‌ترتیب در شاخص‌های nino4، nino3.4، nino3 و  nino1+2 وجود دارد که در حالت غیرهم‌زمان بهتر از حالت هم‌زمان بود. با بررسی معادلات رگرسیون و روابط همبستگی بر مبنای وجود هم‌بستگی سطوح معناداری 1 درصد و 5 درصد در بین شاخص‌های مذکور مشخص شد که معناداری بهتر رابطة غیرهم‌زمان نسبت به هم‌زمان حاکی از تاثیر حالت غیرهمزمان این شاخص بر آب و هوا و به تبع آن، خشکسالی در ایران است. لذا، نتایج حاصل نشان‌دهنده هم‌بستگی بالای این شاخص‌ها با خشکسالی است که می‌تواند در پیش بینی شرایط اقلیمی، خشکسالی، بروز سیلاب، برنامه‌ریزی و مدیریت بحران برای آن در حوزه‌های آبخیز کشور موثر باشد.

Effect of Enso indices on meteorological drought in the midwest of Iran

Introduction Drought occurs due to lack of humidity and deficiency in precipitation amount. Therefore, it is important to recognize and investigate the effective factors on precipitation deficiency and consequently drought occurrence. Enso is a phenomenon of climatic teleconnection that can affect weather in different regions of the world. Enso is one of the important largescale phenomena affecting the temporal and spatial distribution of rainfall and consequently the drought that occurs in the tropical Pacific. The objective of this research was to investigate the effect of Enso on meteorological drought in the midwest of Iran.Materials and Methods First, precipitation data of synoptic stations in 14 locations were obtained in the west of Iran. Then, SPI values was calculated at different time scales of 1, 3, 6, 9, 12, 15, 18, 24, and 48 month using the spisl6.exe software package. In the next step, using the data of Enso including Nino1+2, Nino3, Nino3.4, and Nino4, the Spearman correlation test was simultaneously performed in the Minitab16 program. Then, the asynchronous relationship was investigated with the crosscorrelation function between Enso and SPI in time series of months 1 to 48 in SPSS16. Finally, linear regression modeling was performed. Multivariate regression test with simultaneous and delayed states of 16, 12, 24, and 48 months was used based on the stepwise method.Results and Discussion Results are presented in three sections: simultaneous, asynchronous relations, and regression equations. Results showed a high correlation between seasons of autumn and spring with indices of Nino4, Nino3.4, Nino3, and Nino1+2. In addition, the asynchronous relationship was better than the simultaneous mode. Better significance in the asynchronous mode is due to the effect of Enso on weather and drought in Iran. Considering the pvalue <0.05, it was shown that the highest significance was observed between Enso indices and drought index in Bushehr station. In addition, in a number of stations, including Arak, Urmia, Shiraz and Hamedan, no significant relationship was observed in their simultaneous state. The regression analysis showed that Nino4, Nino3.4, Nino3 and Nino1+2 indices had the highest effect in different time series of SPI with the highest positive and negative coefficients of atmospheric oceanic index in all stations. The results showed that high correlation between Enso and SPI can affect predicting climatic conditions, drought, floods, planning, and crisis management in watershed scale.Conclusion Enso can be used as predictors of longterm climatic factors such as precipitation and temperature. Enso phenomenon in Nino1 + 2, Nino3, Nino3.4 and Nino4 regions can be used as predictors of climatic factors such as rainfall for longterm forecast of precipitation and finally drought and wet season in different parts due to the universal Enso phenomenon. It seems that due to the mechanism of the Enso phenomenon and its relationship with natural disasters, further studies can be effective in predicting climatic conditions, drought and floods in Iran which ultimately can be used in predicting hydroclimatic events.