تحلیل دمای سالانه خاک در گستره ایران با استفاده از روش مجموعه ی مقادیر تکین

آگاهی از رژیم حرارتی خاک و نوسانات آن علاوه بر تاثیر بر توازن انرژی تابشی کره زمین، از خسارات احتمالی در بخش کشاورزی جلوگیری کرده و می‌تواند موجب افزایش بازدهی محصولات شود. در این مطالعه با بکارگیری روش تحلیل مجموعه ی مقادیر تکین (ssa)، روند‌ها و مولفه‌های نوسانی و همچنین میزان انطباق مولفه‌های متناظر سری‌های زمانی دمای خاک (st) و سری‌های زمانی دمای هوا و بارش در 28 ایستگاه هواشناسی کشور در سه کلاس حرارتی مزیک، ترمیک و هایپرترمیک، در ایران در طی سال‌های 1993-2017 مورد بررسی قرار گرفت. نتایج نشان داد بیشترین نرخ افزایش st در رژیم حرارتی مزیک و کمترین نرخ افزایش st سطحی در رژیم حرارتی ترمیک واقع شده است. نوسانات بارش در فاز معکوس نسبت به نوسانات st قرار دارند. دوره‌های بازگشت غالب در سری‌های سالانه 3/ 2 و 11-12 ساله بودند که می‌تواند مرتبط با تغییرات دو سالانه qbo و جریانات مداری و همینطور چرخه‌های 11 ساله لکه های خورشیدی باشند. با استفاده از انطباق های کوتاه و طولانی مدت مشخص شده بین روند و مولفه های نوسانی سری زمانی دمای خاک و دمای هوا، می توان به تولید و بازسازی تغییرات دمای خاک بر مبنای دمای هوا پرداخت.

Annual Soil Temperature Analysis in Iran Using Singular Spectrum

Soil temperature (ST) variation can affect the earth energy balance. Moreover, the awareness of the soil thermal regime and its thermal fluctuations can prevent possible damages to agriculture and can increase crop productivity. In this study, using the singular spectrum analysis (SSA), trends and oscillation components, as well as the degree of the coincidence of the soil temperature (ST), air temperature (AT) and precipitation time series were investigated in three thermal regime classes namely: Mesic, Thermic and, Hyper thermic, in 28 high quality weather sites during 19932017. The results showed that the highest and lowest rates of ST increases have occurred in the Mesic and the Thermic thermal regime, respectively. The precipitation fluctuations were in the opposite phase with the ST fluctuations. The dominant return periods in the annual series were 2.3 and 1112 years that could be related to quasibiennial oscillation (QBO) variations, and 11year cycles of sunspots. By the implementation of the coincidence which exists between the short and long term oscillations of ST and AT time series, one can generate and reconstruct ST data gaps based on AT.