واکاوی نقش شاخص های پیوند از دور اقلیمی بر بارش استان کردستان

برای انجام این پژوهش از داده های روزانه ی بارش 188 پیمونگاه همدید، اقلیمی و باران سنجی داخل و خارج از استان کردستان طی بازه ی زمانی1/1/1340 تا 29/12/1388(21/3/1961 تا 19/1/2011) استفاده شد. به کمک روش زمین آمار کریگینگ مقادیر بارش بر روی یاخته های 6×6 کیلومتر میان یابی شد. برای هر روز یک نقشه ی رقومی تهیه شد. مقادیر بارش بر روی 811 یاخته ی داخل استان کردستان استخراج شد و یک پایگاه داده(گاه جای) در ابعاد 811×18203ایجاد شد که بر روی سطرها روز(زمان) و بر روی ستون ها مکان(یاخته ها) قرار داشت. مقادیر مجموع ماهانه ی بارش برای هر یاخته حساب شد. طی بازه ی زمانی یاد شده مقادیر عددی مربوط به 10 سیگنال اقلیمی از تارنمای ncep/ncar برگرفته شد. ارتباط بین سیگنال های اقلیمی با بارش استان کردستان به کمک رگرسیون خطی در سطح اطمینان 95 درصد آزمون شد. یافته ها نشان داد که بین سیگنال های اقلیمی با بارش استان کردستان طی دوره ی مورد مطالعه ارتباط معناداری دیده می شود. گستره و شدت ارتباط معنادار بین سیگنال ها و بارش استان، در فصل پاییز به اوج می رسد. در فصل پاییز نقش سه سیگنال اقلیمی شاخص نوسان جنوبی(soi)، شاخص دریای شمالخزر(ncp) و شاخص شرق اقیانوس اطلس غرب روسیه (eawr) بر بارش استان پررنگ تر است. شاخص نوسان جنوبی ارتباط معکوس و دو شاخص دریای شمالخزر و شرق اقیانوس اطلس غرب روسیه ارتباط مستقیمی با بارش در فصل سرد سال دارند. در فصل گرم سال ارتباط دو شاخص اخیر با بارش استان معکوس است. بطور کلی می توان گفت که در فصل سرد سال افزایش فشار تراز دریا و ارتفاع ژئوپتانسیل در تراز 500 هکتوپاسکال بر روی غرب اروپا و کاهش آن بر روی مدیترانه ی شرقی، دریای خزر و شمال دریای خزر منجر به افزایش بارش در استان کردستان می شود. در فصل گرم سال(بویژه تابستان) افزایش فشار تراز دریا و ارتفاع ژئوپتانسیل بر روی بخش های شمالی دریای خزر منجر به افزایش بارش های فصل گرم سال خواهد شد.

Analysis the Impact of Climatic Signals on Kurdistan Precipitation

To doing this research, daily precipitation data from 188 synoptic, climatology and rain gauges stations in and out of Kurdistan province during 21/3/1961 to 19/1/2011 have been used. Daily precipitation interpolated on 6*6 km pixels by Kriging spatial statistic over Kurdistan province. One matrix with dimension 18203*811 has been created that located time (days) on the rows and column were pixels. For each pixels total monthly precipitation has been calculated. Data of ten teleconnection patterns extracted from NCEP/NCAR. Linear regression has been used to detection correlation between precipitation and teleconnection patterns. The correlation tested in 95% confidence level. The results showed that correlation between precipitation and teleconnection patterns is significant in 95% confidence level. The extent and intensity of significant correlation go to head in autumn season. The impact of South Oscillation Index (SOI), North Sea Caspian Pattern (NCP) and East Atlantic and West Russia (EAWR) is high in autumn. In cold seasons, SOI has negative correlation while NCP and EAWR have positive correlation with precipitation. In warm seasons two recent indices have negative correlation with precipitation. In total, increase sea level pressure and geopotential height in 500 hPa over Western European parts and decrease over eastern Mediterranean, Caspian Sea and north Caspian result in increase precipitation in Kurdistan province during cold seasons. In contrast, increase sea level pressure and geopotential height in 500 hPa over northern part of Caspian Sea result in increase precipitation during warm seasons.