بررسی روند فراوانی روزهای همراه با توفان‌های گرد و غبار و ارتباط آن با عناصر اقلیمی(مطالعه موردی: استان لرستان)

در این پژوهش جهت شناسایی و بررسی روند تغییرات فراوانی روزهای همراه با توفان های گرد و غبار و میزان ارتباط آن با متغیرهای اقلیمی (دمای بیشینه و سرعت بیشینه باد)، داده های ساعتی و روزانه گرد و غبار و همچنین داده های هواشناسی 10 ایستگاه سینوپتیک استان لرستان با طول دوره آماری مشترک (2014-2000) در مقیاس فصلی مورد مطالعه قرار گرفت. بدین منظور پس از بررسی تمامی سری داده ها از نظر نرمال بودن به‌وسیله آزمون کلموگروفاسمیرنوف، برای بررسی روند داده ها از آزمون های ناپارامتریک من-کندال و اسپیرمن در سطح اطمینان ٩٥ درصد استفاده شد. هم چنین پهنه بندی آماره های من-کندال متغیر های اقلیمی و گرد و غبار از روش idw در نرم افزار arc gis انجام شد. سپس برای بررسی ارتباط اقلیمی با توفان های گرد و غبار، داده های اقلیمی ایستگاه ها (به‌عنوان متغیر مستقل) و هم چنین متغیر فراوانی روزهای همراه با توفان های گرد و غبار آن‌ها (به‌عنوان متغیر وابسته) با تکنیک همبستگی پیرسون مورد تحلیل واقع شدند. از مجموع ١٠ سری داده های فصلی، ایستگاه‌های ازنا، الیگودرز و کوهدشت دارای همبستگی زیادی بین عناصر اقلیمی و فراوانی روزهای همراه با توفان های گرد و غبار بودند؛ به‌طوری که در ایستگاه ازنا متغیر سرعت بیشینه باد با ضریب همبستگی ٥٥/ ٠، در ایستگاه الیگودرز متغیر دمای بیشینه با ضریب همبستگی ٧٨/ ٠ و همچنین در ایستگاه کوهدشت، متغیر سرعت بیشینه باد با ضریب همبستگی ٨٢/ ٠، بیشترین همبستگی را با پدیده گرد و غبار داشتند.

Trend Analysis of Dusty Days Frequency and its Correlation with Climatic Variables (Case Study: Lorestan Province)

In this research in order to find and investigate the trend of dusty day events and their relation to climatic variables (maximum temperature and maximum wind speed), hourly and daily dust data and also weather data of 10 synoptic stations with common period (20002014) in Lorestan province were studied. For this purpose, data normalization was examined by KolmogorovSmirnov test. The nonparametric MannKendall and Spearman’s tests at 95 percent confidence level were used to investigate the trend of dusty events. Inverse distance weighting (IDW) method in Arc GIS software was employed for zoning MannKendall indices of dust and climatic variables. In order to find a correlation between climatic variables and dust events, the weather data (as independent variables) and the frequency of dusty days (as a dependent variable) were analyzed by Pearson correlation method. Among ten series of seasonal data, Azna, Aligudarz and Kuhdasht stations had a high significant correlation between climatic variables and the frequency of dusty days. As in Azna station, the maximum wind speed variable (with 0.55 correlation coefficient), in Aligudarz station, the maximum temperature variable (with 0.78 correlation coefficient), and in Kuhdasht station, the maximum wind speed variable (with 0.82 correlation coefficient) had the highest correlation with dust events.