واکاوی روند تغییرات الگوی دمای ساعتی فصل سرد ایران بعنوان شناسه‌ای از تغییرات اقلیمی

در میان شاخص‌های اصلی آب و هوا، دمای هوا مهم‌ترین سنجه‌ای است که می‌تواند در آشکارسازی اثرات تغییر اقلیم نقش آفرینی کند. در این تحقیق با رهیافتی آماری – تحلیلی روند تغییرات دمای ساعتی در ایران واکاوی شد. پایگاه داده‌ای با حجم 3252800 رکورد ساعتی دما، برای 28 ایستگاه سینوپتیکی در فصل سرد سال، در بازه‌ی زمانی 30 ساله از 1985 تا 2014 تنظیم و پالایش گردید. با استفاده از روش درون‌یابی خطی، سینوپ‌های سه‌ساعته دمای هوا به دمای ساعتی تبدیل شد. برای آشکارسازی روند تغییرات دمای ساعتی، از روش ناپارامتری من – کندال استفاده گردید. نتایج نشان داد که درماههای نوامبر و دسامبر تعداد محدودی از ایستگاهها روند افزایشی معنی‌دار را تجربه می‌کنند. اما در نیمه دوم فصل سرد در ماههای فوریه و مارس، بیشترین روند افزایشی معنی‌دار مشاهده شد. در ماه مارس تمام ایستگاههای مورد مطالعه دارای روندی مثبت و افزایشی در وضعیت دمای ساعتی می‌باشند، این روند افزایشی در ساعات کمینه شبانه و صبحگاهی بیشتر مشاهده گردید. به طور متوسط بیش از 5 ساعت از شبانه‌روز، روند افزایشی معنی‌دار در سطح 5 % و1% در بیشتر ایستگاههای مشاهده شد. در مناطق مشکین شهر، کرج، گلمکان، تهران، تبریز، فسا، یاسوج، خوی، مهاباد، سنندج، سمنان و بابلسر، تقریباً در کل ساعات شبانه روز، روند افزایشی دیده می‌شود. حتی در ایستگاههای بسیار سرد مانند، اهر، سراب، سقز و شهرکرد، 4 تا 5 ساعت از شبانه روز روند افزایشی معنی‌دار در دمای ساعتی مشاهده گردید. بنابراین اثرات تغییر اقلیم در قالب دماهای ملایم در فصل سرد بخصوص در انتهای زمستان کاملاً آشکار می‌باشد و پیامدهایی مانند ظهور زودهنگام مراحل فنولوژی درختان میوه و افزایش آفات و تغییر نوع بارش را به همراه دارد.

Trend analysis of cold season hourly temperatures in Iran as an index for changing climate

The temperature is the most important climate parameter with a major role in detecting the effects of climate change. This study built on a statisticalanalytical approach to analyze the hourly temperature variations in Iran. A database with 3,252,800 hourly air temperature records for 28 synoptic stations in the cold season was developed and refined for the 30year period from 1985 to 2014. Using the linear inference method, the threehourly synopses of air temperature were converted into hourly temperature. The NonParametric MannKendall method was used to reveal the hourly temperature changes. The results showed that a limited number of stations experienced a significant increase in November, whilst a significant decrease was found in most stations in December. The most significant increase is found in the second half of the cold season in February and March. In March, all the stations had a positive and increasing pattern in terms of hourly temperature, and this increase was observed in the minimum hours of the night and morning. On average, more than 5 hours a day, an increasing trend was observed at 0.05 and 0.01 levels at most stations. There is an increasing trend in nearly the whole 24 hours in Meshkinshahr, Karaj, Golmakan, Tehran, Tabriz, Fasa, Yasuj, Khoy, M