Evaluation of Variations in Extreme Precipitation Indices in Iran

Authors

1 Associate Professor, Department of Geography, Payame Noor University, Tehran, Iran

2 Ph.D. in Climatology, Isfahan University, Isfahan, Iran

Abstract

Statement of the Problem: Precipitation is one of the most important climate variables in the world, and its changes can have different environmental, economic, and social consequences.
Purpose: The purpose of this study was to evaluate the changes in rainfall indices in Iran. Method: For this goal, the latest version of the daily data of the Global Precipitation Climatology Center (GPCC) for the period from 1982 to 2016 was selected in 1×1 degree spatial resolution of latitude and longitude. By programming in the MATLAB software package, a matrix was constructed on the Iranian framework at 12784 × 750, the rows of which represented the days from 1.1.1982 to 31.12.2016, and columns represented the pixels in the region. The indices used in this study were selected from the list of standard indices recommended by the Climate World Committee of the World Meteorological Organization and the Climate Change Variation and Research Program, which made it possible to compare all stations in different countries.
Results: The calculation of the indices changes with the help of the slope of the regression line on each of the pixels shows that in many parts in Iran, the intensity of daily precipitation is increasing. Also, in many parts of Iran, especially in western parts, the index of wet succession is decreasing, that is, the persistence of rainy days in many areas of the country is declining.

Keywords

Main Subjects

Full Text

مقدمه

واکاوی رخدادهای فرین بارش، یکی از موضوعات مهم در اقلیم‌شناسی است (Obasi‚ 1994: 1657; Bruce‚ 1994: 1853). باور این مسئله قوت گرفته که گستره و شدت رخدادهای فرین در سدة بیست‌ویکم رو به فزونی گذاشته است (Solomon, 2007: 341). کمیتة بین‌الدول تغییر اقلیم[1] نشان داده اثر فعالیت‌های بشری بر تغییر اقلیم انکارناپذیر است. افزایش دمای سیاره و تأثیر آن بر خشکی‌ها و اقیانوس‌ها قطعی و سه دهة گذشته در مقایسه‌ با دهه‌های پیشین گرم‌تر بوده است (Hartman et al.‚ 2013: 12). کمیتة اقلیم‌شناسی سازمان هواشناسی جهانی و برنامة تحقیقاتی تغییرپذیری و پیش‌بینی اقلیم فهرستی از نمایه‌ها را به‌منظور داشتن دیدی واحد دربارة فرین‌های اقلیمی و هواشناسی ارائه کرده است. این فهرست شامل 27 نمایه برای فراسنج‌های دما و بارش است. از میان این 27 نمایه، 16 نمایه به دما و 11 نمایة دیگر به بارش مربوط است.

طی سال‌های گذشته پژوهشگران بسیاری از این نمایه‌ها برای آشکارسازی روند تغییرات فرین‌های اقلیمی بهره برده‌اند. در ادامه به تعدادی از پژوهش‌ها دربارة فرین‌های اقلیمی اشاره می‌شود.

هیدالگو و همکاران[2] (2003) روند روزانة بارش را در والنسیای اسپانیا طی نیمة دوم قرن بیستم بررسی کردند. یافته‌ها این فرض را تأیید کرد که تغییرات بارش سالیانه فقط به تغییرات پیداشده در چند رویداد بارشی بستگی داشته است.

 هیوندیچا و باردوسی[3] (2005) روند تغییرات فرین‌های دما و بارش را در منطقة غرب آلمان در نیمة دوم قرن بیستم بررسی کردند. نتایج نشان داد شدت و فراوانی بارش‌های فرین در این منطقه در همة فصول جز فصل تابستان روند افزایشی دارد.

وانگ و زو[4] (2005) در پژوهشی روند رخدادهای حدی بارش را در چین بررسی و داده‌های بارشی ایستگاههای این کشور را برای بازة زمانی 1961 تا 2001 واکاوی کردند. آنها دریافتند افزایش بارش‌های حدی فقط در فصل تابستان روی داده است.

 پال و تابا[5] (2009) روند فرین‌های بارش فصلی را به‌مثابة شاخصی از تغییر اقلیم در کیرالای هندوستان بررسی کردند. نتایج نشان داد بارش‌های پاییزه و زمستانه در بعضی مناطق روند معناداری دارد، اما بارش‌های بهاره روند کاهشی دارد.

چوی و همکاران[6] (2009) تغییرات میانگین و فرین‌های بارش را در منطقة آسیایی اقیانوس آرام واکاوی کردند. برای انجام این پژوهش، 143 ایستگاه هواشناسی انتخاب شد. یافته‌ها نشان داد بارش طی دورة مطالعه‌شده (1955-2007) روندی از خود نشان نمی‌دهد؛ اما رخدادهای فرین بارش در 30درصد از ایستگاهها روندی افزایشی دارد.

یافته‌های کوستا و همکاران[7] (2012) تأیید کرد سهم بارش‌های فرین در شمال شرق پرتغال در فصل زمستان و بهار نسبت به کل بارش‌ها رو به افزایش است.

وانگ و همکاران[8] (2013) روند فرین‌های بارش را در شمال شرق چین به کمک 71 ایستگاه هواشناسی برای دورة زمانی 1960- 2011 واکاوی کردند. برمبنای یافته‌ها نمایة روزهای متوالی خشک روندی افزایشی را نشان می‌دهد؛ اما نمایه‌های بارش‌های سنگین 10 میلی‌متر (R10)،20 میلی‌متر (R20) و 25 میلی‌متر (R25)، روندی کاهشی دارد.

سانتوس و فراگوسو[9] (2013) روند نمایه‌های فرین را در شمال پرتغال برای دورة 1950- 2000 بررسی کردند. براساس یافته‌های پژوهش، نمایه‌های R95p نشان‌دهندة روزهای خیلی مرطوب، R30 نشان‌دهندة روزهای همراه با بارش بیش از 30 میلی‌متر و Rx5 نشان‌دهندة حداکثر بارش پنج‌روزه، روندی افزایشی دارند.

زیلی و همکاران[10] (2017) تغییرات رخدادهای فرین بارش را در جنوب برزیل برای دورة مرطوب سال (ماههای اکتبر تا مارس) بررسی کردند. برای این منظور نمایه‌های بارش کل (TotPR)، میانگین روزانة بارش (DayPR)، درصد روزهای همراه با بارش (%PRDay)، تعداد روزهای همراه با بارش سبک (NumbLightPR)، روزهای با بارش صدک 95ام (95%)، فراوانی رخدادهای فرین (NumbEx) و شدت رخدادهای فرین (IntEx) به کمک داده‌های ایستگاهی و شبکه‌ای واکاوی شد. یافته‌ها نشان می‌دهد در ایالت سائوپائلو[11] فراوانی روزهای همراه با بارش افزایش یافته است؛ این در حالی است که در ایالت‌های ریوجنیرو[12] و اسپیریتو[13] بارش در تعداد دفعات کمتری رخ می‌دهد یا به بیان روشن‌تر بارش متمرکزتر شده است.

در پژوهشی پینکسوار و همکاران[14] (2019) تغییرات نمایه‌های فرین بارش را در لهستان به کمک داده‌های ایستگاهی ارزیابی کردند. یافته‌ها نشان می‌دهد نمایة مربوط به روزهای متوالی خشک در نیمة تابستانی سال در بسیاری از ایستگاهها و نمایة روزهای همراه با بارش‌های سنگین در ایستگاههای واقع در شمال غرب کشور روندی افزایشی داشته است.

گوپتا و همکاران[15] (2020) روند تغییرات نمایه‌های فرین بارش را در حوضة رودخانة سبرمتی[16] در غرب هند به کمک داده‌های شبکه‌ای پایگاه ملی این کشور ارزیابی کردند. نمایه‌های فرین بارشی همچون شمار روزهای بارانی، نمایة سادة شدت بارش، روزهای متوالی همراه با بارش، روزهای متوالی خشک و بارش سالیانه بررسی شد. یافته‌های آنها نشان می‌دهد در سطح اطمینان 95% بسیاری از نمایه‌های مطالعه‌شده روند دارند.

در مطالعه‌ای دیگر، آویلا و همکاران[17] (2019) روند تغییرات هشت نمایة فرین بارش را روی حوضة آبریز کوکا در جنوب غرب کلمبیا برای دورة زمانی 1970- 2013 بررسی کردند. برمبنای یافته‌های این پژوهش، نمایة روزهای متوالی خشک در بسیاری از ایستگاهها طی ماههای سپتامبر تا اکتبر و همچنین نمایه‌های حداکثر بارش یک‌روزه و پنج‌روزه روندی افزایشی داشته است.

اقلیم‌شناسان ایرانی نیز پژوهش‌های بسیاری دربارة روند تغییرات نمایه‌های فرین بارش در کشور انجام داده‌اند. در بعضی پژوهش‌ها، تغییرات نمایه‌های حدی بارش روی یک ناحیة کوچک شامل شهر یا استان واکاوی شده است؛ برای نمونه دارند و همکاران (1393) تغییرات نمایه‌های دما و بارش را در کرمانشاه برای دورة زمانی 1/1/1961 تا 31/12/2011 بررسی کردند. نتایج پژوهش آنها نشان می‌دهد نمایه‌های فرین بارش روزهای همراه با بارش دست‌کم 5 و 10 میلی‌متر، دوره‌های متوالی مرطوب و مجموع بارش روزهای مرطوب سالیانه روند کاهشی داشته است.

در مطالعه‌ای دیگر، برنا و جهان (1394) تغییرات نمایه‌های فرین بارش را روی استان بوشهر به کمک 6 ایستگاه همدید برای دورة زمانی 1371- 1391 بررسی کردند. یافته‌ها نشان می‌دهد نمایة حداکثر تعداد روزهای متوالی خشک در سال‌های اخیر هماهنگ با کاهش بارش افزایش یافته است؛ این در حالی است که نمایة روزهای متوالی مرطوب به‌شدت کاهش یافته است. نمایة شدت بارش نیز در استان روندی کاهشی داشته است.

پژوهش محمدی و همکاران (1396) از جدیدترین پژوهش‌ها روی گسترة ایران است. آنها به کمک داده‌های بارش 47 ایستگاه همدید طی دورة زمانی 1982- 2012، روند بارش‌های حدی را در ایران بررسی کردند. یافته‌ها نشان می‌دهد همة شاخص‌های فرین بارش در ایران تغییر و روند دارند؛ برای نمونه نمایة حداکثر تعداد روزهای متوالی خشک در بسیاری از ایستگاههای کشور در حال افزایش است؛ برعکس در بعضی بخش‌های مرکزی و غربی ایران روند کاهشی در این نمایه دیده می‌شود. همچنین برمبنای یافته‌ها ازنظر بارش‌های سنگین و نیمه‌سنگین و روزهای مرطوب و فوق‌العاده مرطوب، سهم تغییرات در ایستگاههای واقع در سواحل شمال و جنوب بیشتر است.

رحیم‌زاده و همکاران[18] (2009)، عسکری و همکاران (1386)، رحیم‌زاده و همکاران (1389)، محمدی و تقوی (1384)، تقوی و محمدی (1386)، دارند (1393؛ 1394) و احمدی و همکاران (1394) نیز به کمک نمایه‌های یادشده، بارش و دمای ایران را در مقیاس محلی یا ملی بررسی کرده‌اند. درمجموع یافته‌های پژوهشگران علوم جوّی حاکی از تغییرات شدید رفتار فراسنج‌های اقلیمی به‌ویژه در قرون 20 و 21 به‌مثابة نشانه‌هایی از رخداد تغییر اقلیم است.

افزون بر تغییرات در مقادیر میانگین، مقادیر فرین نیز دستخوش تغییرات شده‌اند؛ در عین حال میزان تغییرات در مقادیر فرین شدیدتر و آشکارتر است. براساس گزارش سال 2001 هیئت بین‌الدول تغییر اقلیم، مناطق آسیایی از تغییر اقلیم بیشتر آسیب می‌بینند؛ بدین ترتیب هدف پژوهش حاضر، بررسی تغییرات نمایه‌های فرین بارش در ایران است. پژوهش‌های پیشین دربارة این موضوع به سال‌های گذشته مربوط است و با استفاده از داده‌های نقطه‌ای (ایستگاهی) بوده است. پژوهش حاضر دو امتیاز دارد؛ اول اینکه با بهره‌گیری از داده‌های شبکه‌ای روزانة مرکز اقلیم‌شناسی بارش جهان[19] انجام می‌شود که به کمک شمار انبوهی از ایستگاههای همدید، اقلیم‌شناسی و باران‌سنجی ایجاد شده است؛ دوم اینکه دورة زمانی این پژوهش تا پایان سال 2016 را دربرمی‌گیرد.

 

روش‌شناسی پژوهش

در پژوهش حاضر به‌منظور بررسی تغییرات شاخص‌های حدی بارش در ایران از داده‌های روزانة مرکز اقلیم‌شناسی بارش جهان (GPCC) استفاده شده که تفکیک مکانی 1×1 درجة طول و عرض جغرافیایی و طول دورة آماری 1982- 2016 دارد. تفکیک مکانی این پایگاه در شکل 1 نشان داده شده است. با انجام عملیات‌های کدنویسی در نرم‌افزار مت‌لب، داده‌های این پایگاه که به‌صورت فایل‌های nc است، روی چهارچوب ایران به‌طور روزانه طی بازة زمانی 1982- 2016 پردازش و یک ماتریس نهایی در ابعاد 740×12784 ساخته شد. سطرهای این ماتریس نشان‌دهندة روزها و ستون‌های آن نشان‌دهندة یاخته‌های مکانی بودند؛ بنابراین همة محاسبات روی این ماتریس انجام شد. داده‌های این پایگاه روی چهارچوب ایران استخراج شد تا نقاط مرزی نیز به کمک یاخته‌های بیرون از مرز ایران میان‌یابی شوند.

پیش از محاسبة نمایه‌های فرین بارش در گام نخست تلاش شد صحت داده‌های پایگاه بارش مرکز اقلیم‌شناسی بارش جهان (GPCC) روی ایران شناسایی شود. برای این منظور داده‌های پایگاه بارشی اسفزاری به کار رفت که نسخة سوم آن به‌تازگی به‌روزرسانی شده است. محاسبات برای دورة مشترک دو پایگاه داده (1982- 2015) انجام شد. در همین زمینه بعضی آماره‌ها همچون خطای نسبی[20]، ضریب همبستگی[21] و ضریب احتمال شناسایی[22] روی دو پایگاه داده (اسفزاری و GPCC) به‌منظور شناسایی خطا انجام شد. در جدول 1، لیست سه آمارة یادشده آورده شده است. در آماره‌های مربوط به خطای نسبی و ضریب همبستگی، (Si)، نمایندة داده‌های بارش (GPCC) و (Oi)، نمایندة داده‌های بارش پایگاه اسفزاری است؛ اما ضریب احتمال شناسایی، شانس شناسایی بارش را توسط داده‌های پایگاه (GPCC) درمقایسه با داده‌های اسفزاری می‌سنجد؛ برای این منظور آستانة بارش 1 میلی‌متر و بیشتر به کار گرفته شد. در آمارة ضریب احتمال شناسایی، (HIT)، حالتی است که در روز- یاختة بررسی‌شده، دو پایگاه بارش را ثبت کرده‌اند؛ اما (MISS)، حالتی است که در روز- یاختة مدنظر پایگاه (GPCC) بارشی ثبت نکرده، اما پایگاه اسفزاری بارش ثبت کرده است. به کمک عملیات‌های برنامه‌نویسی روی هریک از روزهای بررسی‌شده (1/1/1982 تا 31/12/2016) و هریک از یاخته‌های دو پایگاه محاسبات انجام شد.

 

 

 

 

جدول- 1: آماره‌های به کار رفته به‌منظور ارزیابی داده‌های مرکز اقلیم‌شناسی بارش جهان (GPCC)

واحد

روابط

آماره

میلی‌متر

  

خطای نسبی

(Relative Error)

بدون واحد (با دامنة 1- تا 1+)

  

ضریب همبستگی

(Correlation Coefficient)

بدون واحد (با دامنة 0 تا 1+)

  

ضریب احتمال شناسایی

Probability of detection (POD)

 

نمایه‌های استفاده‌‌شده در این پژوهش از لیست کمیتة اقلیم‌شناسی سازمان هواشناسی جهانی و برنامة تحقیقاتی تغییرپذیری و پیش‌بینی اقلیم برگزیده شد که امکان مقایسة همة ایستگاهها در قلمروهای مختلف را به وجود می‌آورد (جدول 2). برای محاسبة فراوانی سالیانة هریک از نمایه‌ها روی تک‌تک یاخته‌ها، برنامه‌‌ای جداگانه در محیط نرم‌افزار مت‌لب نوشته شد؛ همچنین برای بررسی روند تغییرات زمانی نمایه‌ها در بعد مکان، معادلة رگرسیونی روی هریک از یاخته‌ها به کمک عملیات‌های کدنویسی در نرم‌افزار مت‌لب انجام شد؛ سپس با محاسبة بازة اطمینان بالا و پایین روی شیب خط مشخص شد شیب کدام‌یک از یاخته‌ها در دو حد بالا و پایین هم‌علامت است. در این مرحله شیب‌هایی که هم‌علامت نبودند، کنار گذاشته و شیب‌های هم‌علامت نیز به کمک نرم‌افزار مت‌لب به نمایش گذاشته شدند؛ در ادامه روندهای محاسباتی در سطح اطمینان 95درصد آزموده شد. در روابط زیر، حرف b نشان‌دهندة شیب خط و حرف a، نشان‌دهندة عرض از مبدأ است.

 

 

 

 

 

 

در پژوهش کنونی نمایه‌های استفاده‌شده را از لیست نمایه‌های پیشنهادی گروه شناسایی تغییر اقلیم و نمایه‌ها برگزیدیم. به‌طور کلی نمایه‌های فرین در 5 گروه مختلف طبقه‌بندی می‌شود (Alexander et al., 2009: 5):

  1. نمایه‌های صدکی: نمایه‌هایی که در این طبقه هستند، تغییرات بارش صدک‌های بیش از 95درصد (R95p) و صدک 99درصد (R99p) را طی یک سال آشکار می‌سازند.
  2. نمایه‌های آستانه‌ای: نمایه‌هایی هستند که تعداد روزهای بالاتر یا پایین‌تر از یک آستانه را مشخص می‌کنند. در این میان تعداد روزها همراه با بارش بیش از 10، 20 و 25 میلی‌متر جزو این گروه به حساب می‌آیند.
  3. نمایه‌های دوره‌ای: این نمایه‌ها، دوره‌های خشک و تر را شناسایی می‌کنند و شامل نمایه‌های روزهای متوالی خشک (CDD) و روزهای متوالی مرطوب (CWD) است.
  4. نمایه‌های مطلق: این نمایه‌ها با مقادیر مطلق بارشی سروکار دارند؛ برای نمونه بیشینة بارش مطلق یک‌روزة RX1 در ماه، جزو این دسته به شمار می‌آید.
  5. نمایه‌هایی که در هیچ گروهی جای ندارند؛ مانند نمایة سادة شدت بارش روزانه (SDII).

 

جدول- 2: نمایه‌های بارش فرین برگرفته از وب‌سایت گروه شناسایی تغییر اقلیم و نمایه‌ها[23]

ردیف

نمایه

تعریف

یکا

1

RX1

بیشترین مقدار بارش یک‌روزه: بیشترین مقدار بارش یک‌روزه در ماه

میلی‌متر

2

SDII

نمایة سادة شدت بارش روزانه: این نمایه نسبت مقدار کل بارش سالیانه به تعداد روزهای بارشی (بارش بیشتر یا مساوی با یک میلی‌متر) است. فرض کنید RRwj مقدار بارش روزانه در روزهای مرطوب (دست‌کم یک میلی‌متر) در دورة jام است. اگر W بیان‌کنندة تعداد روزهای مرطوب در دورة jام باشد، نمایة سادة شدت بارش روزانه از رابطة زیر حاصل می‌شود:

 

میلی‌متر

3

PRCPTOT

مقدار کل بارش روزهای مرطوب سال

میلی‌متر

4

R10

تعداد روزهای سال که دست‌کم بارشی بیش از 10 میلی‌متر دارند.

روز

5

R20

تعداد روزهای سال که دست‌کم بارشی بیش از 20 میلی‌متر دارند.

روز

6

R25

تعداد روزهای سال که دست‌کم بارشی بیش از 25 میلی‌متر دارند.

روز

7

CDD

روزهای متوالی خشک: بیشترین تعداد روزهای متوالی که بارش کمتر از 1 میلی‌متر دارند.

روز

8

CWD

روزهای متوالی مرطوب: بیشترین تعداد روزهای متوالی که بارش بیش از 1 میلی‌متر دارند.

روز

9

R95p

روزهای بسیار مرطوب: مجموع مقدار بارش روزهایی از سال که مقدار بارش فراتر از صدک 95ام دورة پایه باشد. فرض کنید RRwj مقدار بارش روزانه در روزهای مرطوب (دست‌کم یک میلی‌متر) در دورة jام است و RRwn95 صدک 95ام بارش روزهای مرطوب در دورة پایه باشد. اگر W بیان‌کنندة تعداد روزهای مرطوب در دورة پایه باشد، روزهای خیلی مرطوب از رابطة زیر حاصل می‌شود:

 

روز

10

R99p

روزهای بسیار مرطوب: مجموع مقدار بارش روزهایی از سال که مقدار بارش فراتر از صدک 99ام دورة پایه باشد. فرض کنید RRwj مقدار بارش روزانه در روزهای مرطوب (دست‌کم یک میلی‌متر) در دورة jام است و RRwn99 صدک 99ام بارش روزهای مرطوب در دورة پایه باشد. اگر W بیان‌کنندة تعداد روزهای مرطوب در دورة پایه باشد، روزهای بسیار مرطوب از رابطة زیر حاصل می‌شود:

 

روز

http://cccma.seos.uvic.ca/ETCCDI

 

شکل- 1: تفکیک یاخته‌های 1×1 درجة طول و عرض جغرافیایی پایگاه GPCCروی ایران

 

یافته‌های پژوهش

فرایند صحت‌سنجی داده‌های شبکه‌ای مرکز اقلیم‌شناسی بارش جهان (GPCC)

در ادامه محاسبات مربوط به ارزیابی داده‌های مرکز اقلیم‌شناسی بارش جهان (GPCC) آورده شده است. همان‌گونه که در بخش داده‌ها و روش‌شناسی گفته شد، سه آمارة خطای نسبی، ضریب همبستگی و ضریب احتمال شناسایی در همین زمینه به کار رفت.

پراکنش مکانی آمارة خطای نسبی روی ایران نشان می‌دهد در گستره‌های وسیعی از کشور به‌طور میانگین میزان خطای نسبی پایگاه (GPCC) در قیاس با داده‌های اسفزاری بین 10- تا 10 میلی‌متر در ماه است. در بخش‌های مرکزی کرانه‌های دریای خزر میزان خطای نسبی تا حدود 80 میلی‌متر هم می‌رسد (شکل 2).

محاسبات مربوط به ضریب همبستگی نشان می‌دهد میزان پراکنش این ضریب در کشور از 5/0 تا حدود 1 متغیر است. بیشترین همبستگی در بخش‌های شرقی، غربی و جنوبی دیده می‌شود که اساساً میزان آن در بسیاری از این نواحی بیش از 85/0 است. کمترین مقدار همبستگی روی بخش‌های میانی کویر در استان سمنان و پس از آن روی بلندی‌های البرز و ارتفاعات استان کرمان دیده می‌شود (شکل 3)؛ اما پراکنش مکانی ضریب احتمال شناسایی نشان می‌دهد میزان شناسایی بارش با آستانة 1 میلی‌متر به بالا در بخش‌های شرقی و غربی در قیاس با سایر نواحی در کشور بیشینه بوده و مقدار آن بیش از 7/0 است (شکل 4). کمترین میزان شناسایی به بخش‌های جنوب شرقی کشور مربوط است.

از آنجا که پایگاه مرکز اقلیم‌شناسی بارش جهان (GPCC) با استفاده از شمار انبوهی ایستگاه باران‌سنجی، اقلیم‌شناسی و همدید ساخته شده است، دقت مناسبی روی کشور دارد؛ اما نباید یک نکته را فراموش کرد و آن اینکه اختلافاتی که این پایگاه با داده‌های پایگاه ملی اسفزاری دارد، به سبب تفاوت در روش‌های میان‌یابی به کار رفته در دو پایگاه است؛ زیرا به‌کارگیری روش‌های مختلف میان‌یابی حتی روی تعداد محدودی ایستگاه در یک گسترة کوچک جغرافیایی به ایجاد مقادیر با ارزش‌های مختلف منجر می‌شود.

 

 

شکل- 2: پراکنش مکانی خطای نسبی پایگاه (GPCC) در قیاس با داده‌های اسفزاری

 

 

شکل- 3: پراکنش مکانی ضریب همبستگی پایگاه (GPCC) با داده‌های اسفزاری

 

شکل- 4: پراکنش مکانی احتمال‌شناسی بارش پایگاه (GPCC)

 

نمایة سادة شدت بارش روزانه (SDII)

این نمایه شدت بارش روزانه و سهم بارش روزانه را از کل بارش سال نشان می‌دهد. در بررسی این نمایه مشخص شد درمجموع میانگین شدت بارش روزانه در ایران رو به افزایش است (شکل 5). بررسی مکانی این نمایه در کشور نیز گویای آن است که در بسیاری از بخش‌های کشور، در مناطق شمال غرب، غرب، جنوب غرب، بخش‌هایی از جنوب و شمال شرق کشور، این نمایه روندی افزایشی دارد؛ به بیان دیگر، به‌طور میانگین، شدت بارش‌های روزانه در مناطق یادشده در حال افزایش است. در این زمینه نباید از نقش توده‌های کوهستانی البرز، زاگرس، بارز، سهند و سبلان، وجود توده‌های آبی خزر، دریای عمان و خلیج فارس و مهیابودن منابع رطوبتی به‌سادگی گذشت. روند افزایشی و مثبت این نمایه با افزایش مقادیر بارش سالیانه یا با کاهش تعداد روزهای بارش حاصل می‌شود. بیشترین میزان افزایش شدت بارش در سواحل دریای عمان دیده می‌شود؛ به گونه‌ای که در پاره‌ای از این نواحی شدت بارش روزانه با میزانی حدود 3 میلی‌متر در دهه رو به افزایش است؛ اما در بخش‌هایی از شمال، مرکز و شرق کشور هم، روند کاهشی این نمایه به میزان 1- میلی‌متر در روز در دهه دیده می‌شود؛ به بیان ساده‌تر شدت بارش‌های روزانه در این مناطق رو به کاهش است (شکل 10). در این پهنه‌ها توپوگرافی ملایم و فاصله از منابع رطوبتی نقش‌آفرین بوده است. این نمایه در حدود 23درصد از گسترة کشور روند افزایشی معنادار دارد؛ به بیان دیگر، شدت بارش روزانه در این مناطق رو به افزایش است و ازنظر آماری نیز روندی معنادار دارد (جدول 3).

 

 

شکل- 5: سری زمانی تغییرات میانگین نمایة سادة شدت بارش روزانه (SDII)

 

نمایة (Rx1day)

این نمایه نشان‌دهندة بیشترین مقدار بارش روزانه در سال است. بررسی‌ها نشان می‌دهد این نمایه آهنگی افزایشی دارد؛ به بیان دیگر، میانگین بیشترین مقدار بارش روز در سال در ایران رو به افزایش است (شکل 6). واکاوی مکانی این نمایه نشان می‌دهد این نمایه در بخش‌های غرب، شمال غرب، شمال شرق و جنوب شرق ایران روند افزایشی معناداری دارد و الگوی تغییرات در این نمایه به‌روشنی از آرایش ناهمواری‌ها پیروی می‌کند. در بعضی نواحی جنوب شرقی کشور و همچنین روی ارتفاعات میانی البرز، میزان روند افزایشی در این نمایه نسبت به دیگر بخش‌ها بیشتر است؛ به گونه‌ای که در بعضی از این نواحی میزان افزایشی به 8 میلی‌متر در دهه می‌رسد. کمترین میزان روند به‌صورت محدود در شرق و غرب اصفهان با میزان تقریبی 4- میلی‌متر کاهش در دهه است (شکل 10). در 1/7درصد از گسترة ایران روند افزایشی معنادار و فقط در 9/1درصد روند کاهشی معنادار در این نمایه دیده می‌شود (جدول 3).

 

شکل- 6: سری زمانی تغییرات میانگین نمایة بیشترین مقدار بارش روزانه (Rx1day)

تعداد روزهای همراه با بارش بیش از 10 میلی‌متر (R10)

بررسی نمایة روزهای همراه با بارش 10 میلی‌متر و بیشتر گویای آن است که این نمایه با آهنگ کندی در حال کاهش است؛ یعنی تعداد روزهایی که بارش 10 میلی‌متر و بیشتر بوده، رو به کاهش است (شکل 7). در یک نگاه کلی در یک‌چهارم شمالی کشور آهنگ این نمایه افزایشی، اما در سه‌چهارم جنوبی کاهشی است. بیشترین میزان تغییرات افزایشی این نمایه در نواحی میانی البرز دیده می‌شود؛ به‌طوری که در این نواحی میزان روند افزایشی به 4 روز در دهه نیز می‌رسد؛ به بیان روشن‌تر، انتظار می‌رود به‌ازای هر دهه، تعداد روزهای همراه با بارش فراتر از 10 میلی‌متر در این نواحی 4 روز افزایش داشته باشد؛ در عین حال میزان افزایش این نمایه در بخش‌های شرقی پهنة آبی خزر و در مناطق محدودی از شمال غربی و غرب کشور بین یک تا دو روز در دهه برآورد می‌شود. در قسمت‌هایی از مناطق شرقی و جنوب شرقی ایران این نمایه با آهنگ یک روز و بیشتر به‌ازای هر دهه روندی کاهشی دارد (شکل 10). در 1/7درصد از گسترة کشور این نمایه روند کاهشی معناداری دارد؛ اما در 5/6درصد از مساحت کشور این نمایه روند معنادار افزایشی دارد (جدول 3).

 

شکل- 7: سری زمانی تغییرات میانگین نمایة روزهای همراه با بارش سنگین (R10)

 

تعداد روزهای همراه با بارش بیش از 20 میلی‌متر (R20)

واکاوی روند تعداد روزهای همراه با بارش بیش از 20 میلی‌متر نشان می‌دهد این نمایه با آهنگ بسیار کندی در حال افزایش است (شکل 8)؛ اما بررسی رفتار مکانی این نمایه در کشور گویای آن است که به‌طور کلی تغییرات در این نمایه از الگوی آرایش ناهمواری‌ها پیروی می‌کند؛ در عین حال متأثر از ورود سامانه‌های همدید مهاجر از جانب غرب، شمال غرب و جنوب شرق به کشور است. بیشترین میزان روند افزایشی در این نمایه روی سواحل جنوب غربی دریای خزر دیده می‌شود. در مقایسه‌ با نمایة پیشین یعنی نمایة (R10)، میزان تغییرات این نمایه کمتر است (شکل 10). در 6/2درصد از گسترة کشور این نمایه روند کاهشی معنادار و در 8/5درصد از مساحت کشور روند افزایشی معناداری دارد (جدول 3).

 

شکل- 8: سری زمانی تغییرات میانگین نمایة روزهای همراه با بارش بیش از 20 میلی‌متر (R20)

 

تعداد روزهای همراه با بارش بیش از 25 میلی‌متر (R25)

برمبنای بررسی‌ها درمجموع تغییرات افزایشی کندی در این نمایه دیده می‌شود (شکل 9). روی بخش‌های کوهستانی غرب، شمال غرب و ارتفاعات البرز، این نمایه آهنگ افزایشی دارد. بیشترین میزان روند افزایشی در این نمایه، روی بخش‌های زاگرس میانی در استان چهارمحال و بختیاری و همچنین در بخش‌های کوچکی در نواحی جنوب غربی دریای خزر با دامنة تقریبی حدود 5/0 تا 5/1 روز در دهه دیده می‌شود؛ این در حالی است که روی بخش‌های مرکزی و شرقی کشور، روند کاهشی با میزان حدود 5/0- روز در دهه مشاهده می‌شود (شکل 10). همان‌گونه که جدول 2 نیز نشان می‌دهد، در 8/94درصد از گسترة ایران روندی در این نمایه دیده نمی‌شود؛ در 5/4درصد از مناطق ایران، روند افزایشی در این نمایه دیده می‌شود و فقط در 6/0درصد از گسترة ایران، روند کاهشی در این نمایه رخ داده است (جدول 3).

 

شکل- 9: سری زمانی تغییرات میانگین نمایة روزهای همراه با بارش بیش از 25 میلی‌متر (R25)

 

   
   
 

 

شکل- 10: نقشه‌های روند نمایة بیشترین بارش روزانه در ماه (Rx1day)، روند نمایة سادة شدت بارش روزانه (CDII)، روند نمایة روزهای همراه با بارش سنگین (R10)، روند نمایة روزهای همراه با بارش بسیار سنگین (R20) و روند نمایة روزهای همراه با بارش بیش از 25 میلی‌متر (R25)

روزهای خیلی مرطوب (R95p)

بررسی روند تغییرات نمایة روزهای خیلی مرطوب نشان می‌دهد این نمایه‌ نیز آهنگی کاهشی دارد؛ به بیان دیگر، میانگین سالیانة این نمایه رفتاری کاهشی را نشان می‌دهد؛ درواقع تعداد روزهایی که بارش از صدک 95ام بیشتر می‌شود، آهنگی کاهشی در ایران دارد (شکل 11).

بررسی پراکنش مکانی تغییرات این نمایه حاکی است به‌طور گسترده و یکپارچه در بخش‌های شرق، جنوب ‌شرق و جنوب کشور، این نمایه روند کاهشی معناداری دارد که در بعضی نواحی در سواحل دریای عمان، میزان کاهش به 6 روز و بیشتر به‌ازای هر دهه می‌رسد؛ اما در بخش‌هایی از مرکز و شمال کشور، این نمایه روندی افزایشی دارد که در پاره‌ای از این مناطق میزان تغییرات به 4 روز و بیشتر به‌ازای هر دهه می‌رسد (شکل 14). در 24درصد از گسترة کشور، این نمایه روند کاهشی معناداری دارد و فقط در 6/2درصد از مساحت ایران روند افزایشی معناداری را نشان می‌دهد (جدول 3).

 

شکل- 11: سری زمانی تغییرات نمایة روزهای همراه با بارش بیش از صدک 95درصد (R95p)

 

روزهای بسیار مرطوب (R99p)

واکاوی این نمایة بارشی گویای آهنگ کاهشی آن است؛ اما شیب تغییرات کاهشی این نمایه کمتر از شیب تغییرات کاهشی نمایة (R95p) است (شکل 12). واکاوی الگوی فضایی این نمایه نشان می‌دهد در بخش‌های غرب، جنوب غرب و شرق کشور، آهنگ این نمایه کاهشی است؛ اما در بخش‌های کوچکی از شمال کشور تغییرات افزایشی در این نمایه دیده می‌شود. بیشترین میزان کاهشی این نمایه در مناطق شرقی و جنوب شرقی کشور با آهنگ 5/1 روز در دهه دیده می‌شود. در قسمت‌هایی از مناطق واقع در شرق دریای خزر، البرز میانی و بخش‌های کوچکی از نواحی شمال غربی کشور، میزان افزایش به حدود 2 روز در دهه می‌رسد (شکل 14). در 1/7درصد از گسترة ایران، این نمایه روند کاهشی معناداری دارد و در 1/7درصد نیز روند افزایشی معناداری در این نمایه دیده می‌شود (جدول 3).

 

شکل- 12: سری زمانی تغییرات نمایة روزهای همراه با بارش بیش از صدک 99درصد (R99p)

 

مقدار بارش روزهای مرطوب سال (PRCPTOT)

بررسی این نمایه نشان می‌دهد درمجموع بارش سالیانة حاصل از روزهای مرطوب طی دورة بررسی‌شده، آهنگی کاهشی دارد (شکل 13). برمبنای واکاوی توزیع مکانی تغییرات این نمایه در بخش‌های شرقی پهنة آبی خزر در شمال کشور، سهم مجموع بارش سالیانة حاصل از روزهای مرطوب با آهنگی در حدود 30 میلی‌متر به‌ازای هر دهه افزایش دارد. در بخش‌هایی از غرب، جنوب شرق و شرق کشور، آهنگ این نمایه کاهشی است؛ به بیان دیگر، مجموع بارش سالیانة حاصل از روزهای مرطوب در حال کاهش است. در بخش‌هایی از غرب کشور، میزان این کاهش به 50 میلی‌متر به‌ازای هر دهه نیز می‌رسد (شکل 14). در 1/9درصد از گسترة کشور تغییرات این نمایه کاهشی است، اما فقط در 3/1درصد از مساحت کشور، روند افزایشی معناداری در این نمایه دیده می‌شود. در 6/89درصد از گسترة ایران نیز، روند معناداری دیده نمی‌شود (جدول 3).

 

شکل- 13: سری زمانی تغییرات نمایة مقدار بارش روزهای مرطوب سال (PRCPTOT)

 

   
 

شکل- 14: روند نمایة روزهای خیلی مرطوب (R95p)، روند نمایة روزهای بسیار مرطوب (R99p)، مقدار کل بارش روزهای مرطوب سال (PRCPTOT)

 

نمایة روزهای متوالی مرطوب (CWD)

واکاوی نمایة روزهای متوالی مرطوب حاکی از آهنگ کاهشی میانگین سالیانة این نمایه در ایران است؛ به بیان روشن‌تر، تعداد توالی روزهای مرطوب در ایران در حال کاهش است و تداوم روزهای بارشی در ایران رفتاری کاهشی دارد (شکل 15). بررسی مکانی تغییرات این نمایه نیز نشان می‌دهد در بخش‌های محدودی از مرکز کشور تعداد روزهای متوالی مرطوب به میزان 5/0 روز در دهه در حال افزایش است؛ این در حالی است که در بسیاری از بخش‌های غربی، شرقی و جنوبی کشور، روزهای متوالی مرطوب روندی کاهشی با دامنة تقریبی 5/0- تا 2- روز در دهه دارد (شکل 17). 24درصد از گسترة کشور روند کاهشی معنادار را در این نمایه نشان می‌‌دهد؛ این در حالی است که فقط 9/1درصد از پهنة کشور در این نمایه روند افزایشی دارد (جدول3).

 

شکل- 15: سری زمانی تغییرات نمایة روزهای متوالی مرطوب (CWD)

نمایة روزهای متوالی خشک (CDD)

واکاوی تغییرات نمایة روزهای متوالی خشک در کشور، آهنگ کاهشی این نمایه را نشان می‌دهد (شکل 16). جز در بخش‌های کوچکی در سواحل جنوبی دریای خزر که نمایة روزهای متوالی خشک با دامنة تقریبی 0 تا 5 روز در دهه در حال افزایش است، در سایر نواحی ایران به‌ویژه بخش‌های شرقی و غربی، روند کاهشی در این نمایه دیده می‌شود؛ به بیان دیگر، تعداد روزهای همراه با خشکی و بی‌بارشی روندی کاهشی دارد. بیشترین میزان کاهشی در روزهای متوالی خشک در مناطق شرقی بوده است که به 30 روز و بیشتر به‌ازای هر دهه می‌رسد. این میزان کاهشی در پهنة شمال غربی کشور، دامنه‌ای بین 10- تا 20- روز در دهه دارد (شکل 17). این نمایه در 13درصد از مساحت ایران روند کاهشی معنادار و فقط در 3/1درصد از گسترة کشور، روند افزایشی دارد (جدول 3). هماهنگ با نتایج به‌دست‌آمده از این پژوهش، یافته‌های محمدی و همکاران (1396)، گویای روند کاهشی این نمایه در بخش‌های مرکزی و غربی است؛ به بیان دیگر، بیشترین تعداد روزهای متوالی خشک که درواقع بیشترین فاصلة زمانی بین دو رخداد بارش است، در بخش‌‌های غربی و مرکزی کشور در حال کاهش است.

 

شکل- 16: سری زمانی تغییرات نمایة روزهای متوالی خشک (CDD)

   

شکل- 17: روند نمایة روزهای متوالی مرطوب (CWD)، روند روزهای متوالی خشک (CDD)

 

جدول- 3: درصد گسترة کشور همراه با تغییرات معنادار در سطح اطمینان 95درصد

نام نمایه

درصد پهنة روند کاهشی

درصد پهنة بدون روند

درصد پهنة روند افزایشی

SDII

5/6

1/70

4/23

Rx1day

9/1

9/90

1/7

R10

1/7

4/86

5/6

R20

6/2

6/91

8/5

R25

6/0

8/94

5/4

PRCPTOT

1/9

6/89

3/1

95th

0/24

4/73

6/2

99th

1/7

7/85

1/7

CDD

0/13

7/85

3/1

CWD

0/24

0/74

9/1

 

نتیجه‌گیری

تغییر الگوها و پراکنش زمانی و مکانی بارش‌ها، ازجمله پیامدهای مهم تغییر اقلیم است. با توجه به نقش برجستة رخدادهای فرین و حدی بارش در بروز بلایای مرتبط با اقلیم، بررسی رفتار این شاخص‌ها و نمایه‌های بارش‌های فرین در بستر تغییرات اقلیمی اهمیت بسیاری دارد؛ از آنجا که یکی از ابعاد تغییر اقلیم، تغییر در الگوی بارش و مقادیر حدی آن است، در این پژوهش شناسایی و واکاوی روند نمایه‌های فرین بارش در ایران طی دورة 1982-2016 با استفاده‌ از داده‌های مرکز اقلیم‌شناسی بارش جهان (GPCC) مدنظر قرار گرفت.

یافته‌های این پژوهش نشان داد بیشترین گسترة تغییرات کاهشی در نمایة روزهای متوالی مرطوب (CWD) دیده می‌شود؛ بدین معنا که توالی روزهای همراه با بارش در حال کاهش است و بارش‌ها به تمرکز زمانی بیشتری تمایل دارد. همچنین نمایة (SDII) که بسیار مهم است و شدت بارش‌های روزانه را نشان می‌دهد، روند معناداری دارد؛ به گونه‌ای که به‌طور تقریبی در 23درصد از مساحت کشور، روند افزایشی در این نمایه دیده می‌شود.

نتایج پژوهش حاضر با یافته‌های مسعودیان و دارند (1392) هماهنگ است. این پژوهشگران نیز نشان دادند در ایران نمایة (SDII) بیشترین درصد افزایش را طی بازة زمانی 1962- 2004 داشته است. درمجموع مشخص شد در ایران الگوی بارش‌ها به حالت ناهنجاری و نظام توزیع بارش به حالت متمرکز گرایش یافته است. یافته‌های پژوهش دارند (1392) روی تغییرات شدت سامانه‌های همدید مؤثر بر اقلیم ایران گویای آن است که شدت سامانه‌های سودانی، مدیترانه‌ای و دریای سیاه برای فصل سرد و مرطوب سال کاهش یافته است. با کاهش شدت این سامانه‌ها، بارش در ایران در فصل مرطوب کمتر خواهد بود.

همچنین پژوهش رسولی و همکاران (1391) دربارة تحلیل سری‌های زمانی فشار الگوی مراکز همدیدی مؤثر بر بارش ایران نشان می‌دهد مقادیر فشار روی محدودة مرکزی سامانه‌های مدیترانه‌ای و سودانی افزایش یافته است که درمجموع به کاهش بارش در کشور منجر خواهد شد؛ بنابراین به نظر می‌رسد تغییرات زمانی و مکانی و در عین حال تضعیف سامانه‌های همدید مهاجر و پدیدآورندة بارش در ایران، وجود روندهای متنوع نمایه‌های فرین را روی کشور توجیه کند؛ زیرا بارش هر بخش از کشور سازوکار مربوط به الگوها و مراکز فشار مربوط به خود را دارد؛ در هر حال محدودشدن بارش به چند رویداد فرین با پیامدهای بد زیست‌محیطی همراه است؛ بنابراین در مناطقی که بارش روندی از خود نشان نداده، اما نمایه‌های فرین روندی مثبت به خود گرفته‌اند، این مسئله پیامدهایی زیست‌محیطی مانند فرسایش خاک و برهم‌خوردن نظام پراکندگی بارش داشته است؛ بنابراین نیازمند برنامه‌ها و تدابیر لازم برای مقابله است.

 


[1] IPCC‚ 1994

[2] Hidalgo et al.

[3] Hundexha and Bardossy

[4] Wang and Zhou

[5] Pal and Tabba

[6] Choi

[7] Coasta et al.

[8] Wang et al.

[9] Santos & Fragoso

[10] Zilli et al.

[11] Sao Paulo

[12] Rio de Janeiro

[13] Espirito

[14] Pińskwar et al.

[15] Gupta et al.

[16] Sabarmati

[17] Ávila et al.

[18] Rahimzadeh et al.

[19] GPCC

[20] Relative Error

[21] Correlation Coefficient

[22] Probability of detection

[23] Expert Team on Climate Change Detection and Indices (ETCCDI)

References

- احمدی، محمود، لشکری، حسن، آزادی، مجید، کیخسروی، قاسم، (1394)، آشکارسازیتغییراقلیمبااستفادهازشاخص‌هایحدیبارشدرخراسان بزرگ، مجلة پژوهش‌های دانش زمین، دورة 6، شمارة 23، تهران، 34- 52.
2- برنا، رضا، جهان، آیگین، (1394)، مطالعةروندتغییراتشاخص‌هایحدیاقلیمیدماوبارشدرجنوب غربایران؛ مطالعة موردی:استانبوشهر، فصلنامة جغرافیای طبیعی، سال 8، شمارة 82، فارس، 43- 63.
3- تقوی، فرحناز، محمدی، حسین، (1386)، بررسی دورة بازگشت رویدادهای اقلیمی حدی به‌منظور شناخت پیامدهای زیست‌محیطی، مجلة محیط‌شناسی، دورة 33، شمارة 43، تهران، 11- 20.
4- دارند، محمد، (1392)، شناسایی تغییرات شدت سامانه‌های همدیدی مؤثر بر اقلیم ایران، نخستین کنفرانس ملی آب‌وهواشناسی، کرمان.
5- دارند، محمد، (1393)، واکاویتغییراتمقادیرحدیبارشودمادرارومیهبه‌عنواننشانه‌هاییازتغییراقلیم، نشریة پژوهش‌های حفاظت آب و خاک، دورة 21، شمارة 2، تهران، 1- 29.
6- دارند، محمد، دولت‌یاری، زهرا، اصلانی، فریبا، عزیزی، یسری، (1393)، بررسیرفتارفرین‌هایبارشودمایکرمانشاهبهکمکآزمون‌هایآماری، فصلنامة علمی‌پژوهشی فضای جغرافیایی، دورة 14، شمارة 46، اهر، 213- 233.
7- دارند، محمد، (1394)، ارزیابی و شناخت تغییر اقلیم در ایران‌زمین طی دهه‌های اخیر، مجلة علوم و مهندسی آبخیزداری ایران، دورة 9، شمارة 30، تهران، 1- 14.
8- رسولی، علی‌اکبر، باباییان، ایمان، قائمی، هوشنگ، زواررضا، پیمان، (1391)، تحلیل سری‌های زمانی فشار مراکز الگوهای سینوپتیکی مؤثر بر بارش‌های فصلی ایران، مجلة جغرافیا و توسعه، دورة 10، شمارة 27، زاهدان، 77- 88.
9- رحیم‌زاده، فاطمه، عسکری، احمد، فتاحی، ابراهیم، محمدیان، نوشین، تقی‌پور، افسانه، (1389)، روند نمایه‌های حدی اقلیمی دما در ایران طی دورة 1951- 2003، مجلة تحقیقات جغرافیایی، دورة 24، شمارة 2، اصفهان، 119- 144.
10- عسکری، احمد، رحیم‌زاده، فاطمه، محمدیان، نوشین، فتاحی، ابراهیم، (1386)، تحلیل روند نمایه‌های حدی بارش در ایران، تحقیقات منابع آب ایران، دورة 3، شمارة 3، تهران، 42- 55.
11- محمدی، حسین، تقوی، فرحناز، (1384)، روند شاخص‌های حدی دما و بارش در تهران، پژوهش‌های جغرافیایی، دورة 38، شمارة 53، تهران، 151- 172.
12- محمدی، حسین، عزیزی، قاسم، خوش‌اخلاق، فرامرز، رنجبر، فیروز، (1396)، تحلیلروندشاخص‌هایحدیبارشروزانهدرایران، پژوهش‌های جغرافیای طبیعی، دورة 49، شمارة 1، تهران، 21- 37.
13- مسعودیان، ابوالفضل، دارند، محمد، (1392)، شناسایی و بررسی بارش‌های فرین ایران طی دهه‌های اخیر، مجلة جغرافیا و توسعة ناحیه‌ای، دورة 11، شمارة 20، مشهد، 239- 257.
14- Alexander, L., Zhang, X., Peterson, T., Caesar, J., Gleason, B., Klein Tank, A., Rahimzadeh, F.‚ (2006). Global observed changes in daily climate extremes of temperature and precipitation‚ Journal of Geophysical Research: Atmospheres, 111 (D5).
15- Ávila, Á., Guerrero, F.C., Escobar, Y.C., Justino, F.‚ (2019). Recent precipitation trends and floods in the Colombian Andes‚ Water, Vol 2‚ No 11, 379 p.
16- Bruce, J.P.‚ (1994). Natural disaster reduction and global change‚ Bulletin of the American Meteorological Society, Vol 10‚ No 75, Pp 1831-1836.
17- Choi, G., Collins, D., Ren, G., Trewin, B., Baldi, M., Fukuda, Y., Huong, P.T.T.‚ (2009). Changes in means and extreme events of temperature and precipitation in the Asia‐Pacific Network region, 1955–2007‚ International Journal of Climatology: A Journal of the Royal Meteorological Society, Vol 13‚ No 29, Pp 1906-1925.
18- Costa, A.C., Santos, J.A., Pinto, J.G.‚ (2012). Climate change scenarios for precipitation extremes in Portugal‚ Theoretical and Applied Climatology, Vol 1-2, No 108‚ Pp 217-234.
19- Gupta, S., Gupta, A., Himanshu, S.K., Singh, R.‚ (2020). Analysis of the Extreme Rainfall Events Over Upper Catchment of Sabarmati River Basin in Western India Using Extreme Precipitation Indices‚ In Advances in Water Resources Engineering and Management (pp 103-111): Springer.
20- Hartmann, D.L., Tank, A.M.K., Rusticucci, M., Alexander, L.V., Brönnimann, S., Charabi, Y.A.R., … Kaplan, A.‚ (2013). Observations: atmosphere and surface‚ In Climate change 2013 the physical science basis: Working group I contribution to the fifth assessment report of the intergovernmental panel on climate change (pp 159-254): Cambridge University Press.
21- Hidalgo, J.G., De Luis, M., Raventós, J., Sánchez, J.‚ (2003). Daily rainfall trend in the Valencia Region of Spain. Theoretical and Applied Climatology, Vol 1-2, No 75‚ Pp 117-130.
22- Hundecha, Y., Bárdossy, A.‚ (2005). Trends in daily precipitation and temperature extremes across western Germany in the second half of the 20th century‚ International Journal of Climatology: A Journal of the Royal Meteorological Society, Vol 9, No 25‚ Pp 1189-1202.
23- Obasi, G.‚ (1994). WMO's role in the international decade for natural disaster reduction‚ Bulletin of the American Meteorological Society, Vol 9‚ No 75, Pp 1655-1662.
24- Pal, I., Al-Tabbaa, A.‚ (2009). Trends in seasonal precipitation extremes–An indicator of ‘climate change’in Kerala, India‚ Journal of Hydrology, Vol 1-2, No 367‚ Pp 62-69.
25- Pińskwar, I., Choryński, A., Graczyk, D., Kundzewicz, Z.W.‚ (2019). "Observed changes in extreme precipitation in Poland: 1991–2015 versus 1961–1990"‚ Theoretical and Applied Climatology (135)‚ Pp 773-787.
26- Rahimzadeh, F., Asgari, A., Fattahi, E.‚ (2009). "Variability of extreme temperature and precipitation in Iran during recent decades"‚ International Journal of Climatology: A Journal of the Royal Meteorological Society‚ Vol 3‚ No 29‚ Pp 329-343.
27- Santos, M., Fragoso, M.‚ (2013). Precipitation variability in Northern Portugal: data homogeneity assessment and trends in extreme precipitation indices‚ Atmospheric Research, Vol 131, Pp 34-45.
28- Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K., Miller, H.L.‚ (2007). Climate change 2007: the physical science basis‚ Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change‚ In: Cambridge University Press, Cambridge New York.
29- Vivekanandan, N.‚ (2007). Analysis of Trend in Rainfall Using Non Parametric Statistical Methods‚ Paper presented at the AIP Conference Proceedings.
30- Wang, B., Zhang, M., Wei, J., Wang, S., Li, X., Li, S., Fan, J.‚ (2013). Changes in extreme precipitation over Northeast China, 1960–2011‚ Quaternary International, Vol 298, Pp 177-186.
31- Wang, Y., Zhou, L.‚ (2005). Observed trends in extreme precipitation events in China during 1961–2001 and the associated changes in large‐scale circulation‚ Geophysical Research Letters, Vol 9‚ No 32.
32- Zhang, X., Hegerl, G., Zwiers, F.W., Kenyon, J.‚ (2005). Avoiding inhomogeneity in percentile-based indices of temperature extremes‚ Journal of Climate, Vol 11, No 18‚ Pp 1641-1651.
33- Zilli, M.T., Carvalho, L.M., Liebmann, B., Silva Dias, M.A.‚ (2017). A comprehensive analysis of trends in extreme precipitation over southeastern coast of Brazil‚ International Journal of Climatology, Vol 5, No 37‚ Pp 2269-2279.

Files

History

  • Receive Date: 08 April 2019
  • Revise Date: 10 January 2020
  • Accept Date: 10 April 2020

Share

How to cite

Statistics