واکاوی و طبقه‌بندی الگوهای همدیدی رخداد بارش برف در استان گیلان

برای شناسایی و طبقه بندی الگوهای همدید بارش برف در استان گیلان از پایگاه داده های باز تحلیل نوا (reanalysis 1 ncep/ncar) استفاده شد. بدین منظور 253 روز برفی از سال 1998 تا 2018 (بمدت 20 سال) تعیین و سپس از داده های ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال برای طبقه بندی الگوها به روش تحلیل مولفه های مبنا (pca) استفاده شد. در این پژوهش از رویکرد محیطی به گردشی استفاده شده است. نتایج بدست آمده از طبقه بندی داده ها نشان داد چهار الگوی پرفشار اروپایی، بلوکینگ دو قطبی، پرفشار دینامیکی - حرارتی سیبری و شمال خزر و سیکلونهای مدیترانه ای روزهای برفی این ناحیه را کنترل می کنند که در سه الگوی اول آرایش موجهای بادهای غربی و تقویت پرفشار از طریق همگرایی جریان هوا در تراز میانی جو امری بدیهی محسوب شده و فرونشست هوا در این تراز باعث افزایش گستره قائم پرفشار به ترازهای بالاتر می گردد. بنابراین دینامیکی بودن پرفشارهای فوق و همچنین سیکلونهای مدیترانه ای از جمله ویژگیهای بارز الگوهای همدیدی روزهای برف در نظر گرفته شد.

analysis and synoptic patterns classification of snowfall events in guilan province

   in order to identify and classification of synoptic patterns of snowfall in guilan province was used ncep/ncar reanalysis 1 database. for this purpose, 253 snowfall days from 1998 to 2018 (20 years) were determined and then 500 hpa geopotential level were used to classify patterns by pca method. in this study, an environmental to circulation approach was used. the results of the data classification showed that four european high pressure patterns, bipolar blocking, siberian and north caspian sea dynamic-thermal high pressure and mediterranean cyclones control the area’s snowfall days. in the first three patterns, the arrangement of the western wind waves and the amplification of the high pressure through the convergence of the air flow in the mid-atmosphere are considered to be obvious and the air subsidence in this level increases the vertical upward extend of high pressure to higher levels. thus the above three high pressures and mediterranean cyclones are also dynamic and this is one of the prominent features of synoptic patterns of snowfall days.