بررسی سطح پوشش برف حوضه‌های جنوب غربی ایران در ارتباط با سیگنال‌های اقلیمی

نویسندگان

پژوهشکده هواشناسی

چکیده

     بخش عظیمی از بارش‌ها در حوضه‌های جنوب غربی ایران به شکل برف است و آب حاصل از ذوب برف، نقش مهمی در ایجاد رواناب سطحی، تغذیه آب‌های زیر زمینی و ایجاد سیل را ایفا می‌کند. پوشش برف معرف میزان آب ذخیره شده در حوضه‌های کوهستانی است. بنابراین، پایش مکانی و زمانی سطح پوشش برف و آب معادل آن اهمیت بسیار بالایی در مدل‌های هیدرولوژی دارد. از طرفی، نوسانات سطح پوشش برف با سیگنال‌های بزرگ مقیاس اقلیمی در ارتباط است. در این مطالعه تغییرات سطح پوشش برف حوضه‌های جنوب غربی ایران در ارتباط با سیگنال‌های بزرگ مقیاس اقلیمی مورد بررسی قرار گرفت. در بررسی حاضر از داده‌های ماهانه شاخص نوسان جنوبی ( SOI )، نوسان اطلس شمالی ( NAO ) و پدیده ENSO در مناطق NINO3.4, NINO3, NINO4 و NINO1+2 استفاده شد. همه داده‌های مربوط به سیگنال‌های فوق، از مرکز داده‌های آنالیز شده NCEP طی سال‌های 1986 تا 2007 دریافت گردید. به منظور برآورد سطح پوشش برف در منطقه مورد مطالعه، از داده‌های ماهواره NOAA سنجنده AVHRR برای روز‌های منتخب دوره سرد سال 1986 تا 2007 استفاده شد. برای تفکیک برف و ابر از روش آستانه گذاری در انعکاس باندهای 1 و 3 و محاسبه تابندگی و دمای درخشندگی باندهای حرارتی استفاده شد.در نهایت، با به کارگیری از روش شبکه عصبی مصنوعی، پیش آگاهی پوشش برف حوضه‌های جنوب غربی ایران برای بازه‌های زمانی همزمان، سه ماه و شش ماه محاسبه شد. نتایج تحقیق نشان داد که سیگنال‌های NAO , SOI و تغییرات ناهنجاری SST در ناحیه NINO4 و NINO1+2 به عنوان مؤثرترین سیگنال بر تغییرات پوشش برفی حوضه‌های مورد مطالعه هستند و برای پیش آگاهی از وضعیت سطوح تحت پوشش برف سیگنال‌های فوق کاربرد دارند.    

کلیدواژه‌ها

عنوان مقاله [English]

Study the correlation of Snow Cover Area with large scale climatic signals in the South Western Iran

چکیده [English]

   A great portion of precipitation in the South Western Iran falls in the snow formation. Surface runoff produced from melting snow has an important role in the recharging ground water, surface and subsurface flows. Rapid snowmelt can even cause flooding . Since the snowmelt cannot be easily detected from optical satellite images, Snow Cover Area (SCA) is derived as an important hydrological parameter. SCA has a good correlation with amount of snowmelt, and its spatial and temporal variations can be converted to the volume of water stored in the topographic basins. In addition, changes in SCA have a correlation with variations of large scale climatic signals such as Southern Oscillation Index (SOI), Northern Atlantic Oscillation (NAO), and EL Ñ ino Southern Oscillation (ENSO). In this research, the correlation of large scale climatic signals and SCA variations was investigated. Monthly data of SOI, NAO, and ENSO in the regions of Nino3, Nino3.4, Nino4, and Nino1+2 for the period 1968 to 2007 over the South Western basins were collected from the National Center Environmental Prediction (NCEP). In order to estimate the SCA variations, satellite data of NOAA- AVHRR were used for the selected days in the cold period of 1986 to 2007. The areas covered by snow were detected by applying a threshold based method and using radiances in band 1 and 3, and land surface temperature derived from brightness temperature. In the end, the SCA was predicted three to six months in advance by applying an artificial neural network approach. The results showed that NAO, SOI, , Nino4 , and Nino1+2 signals are the most effective signals on variations of SCA. These signals can be applied for prediction of SCA over region.    

کلیدواژه‌ها [English]

  • artificial neural network
  • Climate signals
  • Northern Atlantic Oscillation
  • Snow cover area
  • South West basins
  • Southern Oscillation Index

فایل ها

هم رسانی

ارجاع به این مقاله

آمار