1

متغيرهاي اقليمي نسبت به مرجع آناليز حساسيت تبخير و تعرق

ايستگاه سينوپتيك شيراز در جهش ي نقطه تعيينو

2ابوالفضل مساعدي، 1محمد قبائي سوق

)Mosaedi@um.ac.ir(رابط نويسنده رايانامهآدرس

خالصه

از اهميت هيدرولوژيك ي هاي چرخه بر مولفهها اقليم، آگاهي از تغييرات درازمدت متغيرهاي هواشناسي و چگونگي تاثير آنتغيير هاي پژوهشدر

طي موثر بر آن هواشناسيمتغيرهاي ايستگاه سينوپتيك شيراز نسبت به )ETo( حساسيت تبخير و تعرقآناليز پژوهشدر اين .اي برخوردار است ويژه

5افزايشي با گام +30تا - 30ي در بازه هواشناسيمتغيرهاي هر يك از بدين منظور مقدار . بررسي شده استماهانه در مقياس 2014ا ت 1960هاي سال

گر كندال و تخمين- من هاي بر اساس آزمون هواشناسيو متغيرهاي EToي ماهانههاي روند سري .حساسيت هر متغير تعيين گرديد ميزان تغيير و درصد

،سال خشكهاي طي ماه ،براساس نتايج آناليز حساسيت. گرديداستفاده LOWESSهاي پيت و از آزمون ي جهش نقطه شناسائيبراي و آوردبر سن

ترين حساسسرعت باد و نسبي متغيرهاي دماي حداكثر، رطوبت ،هاي مرطوب ساعات آفتابي و طي ماه تعداد متغيرهاي دماي حداكثر، سرعت باد و

.بدست آمد ETo ي ماهانه ميانگينهاي نقطه جهش در سري عنوان به 1985سال آزمون پيت ي برپايه. باشند يم متغيرها

.LOWESSروش روند، آزمون پيت، ،هواشناسيتغيير متغيرهاي : كلمات كليدي

مقدمه .1

اصلي چرخه هيدرولوژي كه خود متاثر از متغيرهاي هواشناسي نظير به عنوان يك مولفه )ETo( ي تغييرات تبخير و تعرق گياه مرجعآگاهي از روند و نحوه

جهت كاهش و و كشاورزي نظير تامين نياز آبي گياه هاي منابع آبريزيدر برنامهتواند باشد ميمي... دما، رطوبت نسبي، سرعت باد، تابش خورشيدي و

اي خاص و يا سراسر هاي اقليمي در منطقهي مشخصهعبارتست از تغييرات در ميانگين و دامنهليم تغيير اق .تغيير اقليم مورد استفاده قرار گيرد يهمديريت پديد

براي مدتي در جهان در مقايسه با رفتاري كه در طول يك افق زماني بلندمدت از اطالعات مشاهداتي آن منطقه مورد انتظار است، به نحوي كه اين تغييرات

است اي برخوردارتغيير اقليم، آگاهي از تغييرات درازمدت متغيرهاي هواشناسي از اهميت ويژه هايپژوهشدر .]1[ شته باشدحدود چند دهه يا بيشتر ادامه دا

.ي هيدرولوژيكي گرددهاي چرخهر در مقادير برخي از مولفهيتواند منجر به ايجاد تغيمي يتغييرات اقليم ها در نتيجهزيرا تغييرات هريك از آن

نسبي، نظير دما، رطوبت هواشناسيرود كه متاثر از تغيير برخي پارامترهاي ي هيدرولوژي به شمار ميهاي اصلي چرخهيكي از مولفه عرقتبخير و ت

تواند منجر گردد و تغييرات فشار بخار اشباع نيز ميتغيير دماي هوا سبب تغيير در فشار بخار اشباع هوا مي. باشدسرعت باد، تابش خورشيدي و عوامل ديگر مي

١

رانيهمدان، ا نايس يدانشگاه بوعل ،، دانشكده كشاورزيآب يگروه مهندس يدكتر يدانشجو٢

رانيمشهد، ا يدانشگاه فردوس ستيز طيو مح يعيدانشكده منابع طب استاد

2

و پيچيده ي غيرخطي ديگر يك پديدهبه علت نياز به پارامترهاي اقليمي مختلف و اثر متقابل اين پارامترها بر هم تعرق وتبخير .گرددETo به تغيير نرخ مقدار

.باشدمشكل مي تا حدود زياديدر اثر تغيير هريك از پارامترهاي اقليمي ETo است و تفكيك ميزان تغييرات

) گر سنكندال و تخمين-من(هاي ناپارامتري ي آزمونبر پايه ETo به بررسي تغييرات روند جهانمختلفي در سراسر پژوهشگرانهاي گذشته ر دههد

مختلفي روندهاي افزايشي و كاهشي هاآن. پرداختند زماني هاي مختلفدر مقياس) اسپيرمن و ضريب همبستگي پيرسون ρرگرسيون خطي، (و پارامتري روند

هايي از هنددر بخش EToو ) Epan(تبخير از تشت تبخير روند كاهشي: اندها آورده شدهنمودند كه در ادامه برخي از آندر نقاط مختلف جهان گزارش را

كاهشي هايروند، ]4[جيانگ ي چانگدر حوضه 2000تا 1960هاي طي سال EToو Epan روند كاهشي ،]3[ي آلبرتا در منطقه EToروند كاهشي مقدار ، ]2[

تا 1971ي طي دوره EToروند كاهشي مقدار ،]5[در فالت تبت 2003تا 1966هاي طي سال هاايستگاهدرصد از 38و 47به ترتيب در EToو Epanمقادير

هاي مرطوب شمال شرق هند در مقياس مناطقبراي ETo، روند كاهشي ]7[در شمال چين 1961-2006هاي طي سال ETo روند كاهشي، ]6[هند در2002

EToهاي كاهشي و افزايشي روند، ]9[ايستگاه در كانادا 46در 1971-2000ي طي دوره Epanو كاهشي يروندهاي افزايش، ]8[ سال 22طي ساالنه و فصلي

بندر در EToروند افزايشي ، ]11[ال شرقي نيجريه در نواحي خشك شم EToروند افزايشي ،]10[هاي ساالنه و فصلي مناطق مختلف ايران در مقياسبراي

روندهاي افزايشي و ،]13[ 1966 -2005هاي غربي ايران طي سالهاي نيمهدر ايستگاه EToروند افزايشي ، ]12[ساله 48 يطي يك دورهكائوشينگ تايوان

.]14[ايران يجنوب ايستگاه 10در 1966 -2005هاي طي سال EToكاهشي

نسبي، تابش نظير دما، رطوبت EToبر تغييرات متغيرهاي هواشناسي موثر، تاثير EToهاي انجام شده ضمن بررسي روند خي از پژوهشدر بر

بر وقوع روندهاي كاهشي و يا ترين متغيرهاي هواشناسي شناسائي شده اند كه در ادامه مهمخورشيدي و سرعت باد بر روندهاي مشاهده شده نيز ارزيابي شده

نسبي و رطوبت يافزايشروند ناشي از را ETo مشاهده شده براي مقادير روند كاهشيها آن .اندآورده شدهدر مناطق مختلف جهان و ايران EToافزايشي

د، سرعت با يكاهشروند ،]15[سرعت باد يكاهشروند ، ]4[تابش خورشيدي و سرعت باد متغيرهاي يكاهشهاي روند، ]1[تابش خورشيدي يكاهش

سرعت باد و تعداد يدماي هوا و كاهش يافزايشروند ، ]16[دماي حداكثر به ترتيب در شمال غرب، مركز و شمال شرق چين يافزايش نسبي ورطوبت يافزايش

روند افزايشي دماي و ]12[چنين برخي از پژوهشگران افزايش مقدار سرعت باد هم .برشمردند ]8[، روند كاهشي سرعت باد و تابش خالص ]5[ساعات آفتابي

متغيرهاي سرعت باد و كمبود فشار بخار اشباع به ترتيب ]9[ بر اساس نتايج برن و هش .ذكر كردند EToترين عوامل در افزايش روند مقدار را مهم ]13[هوا

.را داشتند 1971-2000ي در كانادا طي دوره Epanروندهاي افزايشي و كاهشي بيشترين نقش در

مونيث حساسيت -پنمن روشدي در وهاي رگرسيون گام به گام يا تغيير مقادير ورها با انجام آناليز حساسيت بر مبناي روشپژوهش در برخي از

:هابر اساس نتايج آنارزيابي كردند كه يط آب و هوائي متفاوت،هاي مختلف كشور با شراتبخير و تعرق به متغيرهاي هواشناسي موثر بر آن را در ايستگاه

در مقياس ساالنه متفيرهاي فشار بخار واقعي و سرعت باد به ، ]10[هاي مختلف ايران در ايستگاه EToدر روند تغييرات موثرترين متغيرسرعت باد تغييرات

نسبي داراي بيشترين تپارامترهاي دما و رطوب، ]17[ايستگاه مختلف از شرايط مختلف آب و هوائي ايران 6ترين حساسيت در ترين و كمترتيب داراي بيش

تهران، مشهد، اصفهان، (از ايران ايستگاه 5در نتيثوم-فائو پنمن روشهاي بعدي حساسيت در حساسيت و پارامترهاي سرعت باد و ساعات آفتابي در مرتبه

نسبي و تعداد ساعات آفتابي سرعت باد، رطوبت متغيرهاي متاثر ازهاي جنوب ايران با مركزيت استان فارس در ايستگاه ETo تغييرات، ]18[ )تبريز و شيراز

.]14[ باشند مي

متغيرهاي هر يك از تغييرهاي مختلف سال نسبت به طي ماهآن ، حساسيت مقادير مونتيث-پنمناز روش EToمقادير با برآورد حاضر پژوهشدر

-با استفاده از آزمون من EToراي هريك از متغيرهاي هواشناسي و مقادير داري روند بسطح معني چنين با تعيينهم. شده است بررسي موثر بر آن هواشناسي

ساله در ايستگاه سينوپتيك 55ي ماهانه طي يك دوره EToهاي رونددار ي جهش در سريگر سن، به تعيين نقطهكندال و برآورد شيب خط روند از تخمين

.شيراز اقدام شده است

3

هاي مورد استفادهدهمشخصات ايستگاه مورد بررسي و دا .3

29 عرض شرقي و دقيقه 36و درجه 52 طول جغرافيايي مختصات دريا با سطح از متر 1484 ارتفاع داراي استان فارس، در شيراز واقع سينوپتيك ايستگاه

گراد بر اساس درجه سانتي 8/17دماي درصد و 41نسبي متر، رطوبتميلي 1/320اين ايستگاه با ميانگين بارندگي . باشدمي شمالي دقيقه 32 و درجه

هواشناسي دماي حداقل، متغيرهايي در اين تحقيق آمار ماهانه .باشد خشك و خشك سرد ميترتيب داراي آب و هواي نيمه نماهاي دومارتن و آمبرژه به اقليم

ميالدي از سازمان هواشناسي 2014پايان سال تا 1960سال اي ابتداز شيرازباد، ايستگاه سينوپتيك نسبي، ساعات آفتابي و سرعتدماي حداكثر، رطوبت

ي دوره) 1شكل (آمبروترميك بر اساس منحني .هاي ايستگاه فسا برآورد گرديدها با استفاده از دادهمفقود بر اساس روش نسبت هايداده وكشور اخذ

به مدت (ي مرطوب از اواسط نوامبر تا اواسط آوريل چنين دورههم. ادامه دارد) از سالماه 7به مدت (خشك در اين ايستگاه از اواسط آوريل تا اواسط نوامبر

.يابدادامه مي) ماه از سال 5

بارندگي درجه حرارت

0

10

20

30

40

50

ـه وي

ژان

ـه ري

فو

س ار

م

ل ري

آو ي م

ن وئ

ژ

ي ال

جو

ت سـ

گوآ

برام

سپت بركت

ا

بر وام

ن

برام

دس

زمان (ماه)

د ) را

گـي

انت س

ت (رار

حــه

جــدر

ن گي

يانم

0

20

40

60

80

100

(mm )

يدگ

نــار

ن بگي

يانم

2014تا 1960ي آماري سينوپتيك شيراز طي دوره آمبروترميك ايستگاه منحني -1شكل

برآورد تبخير و تعرق مرجع .4

پذيرفته شده EToترين روش برآورد به عنوان صحيحها در مناطق مختلف جهان، باالي نتايج آن در مقايسه با ساير روشبه دليل دقت مونيث -روش پنمن

مونتيث براي -روش پنمن پژوهشدر اين . پيشنهاد شده است ETo تعييناين روش توسط كارشناسان سازمان فائو نيز به عنوان بهترين روش براي .است

در اين روش پارامترهاي .سازدي اصولي فيزيكي بهم مرتبط مييروديناميك را بر پايهآتابشي و ترماين روش دو زيرا شده استانتخاب EToبرآورد

آورده شده 1ي مونتيث در رابطه-از روش پنمن EToي برآورد معادله .متر استفاده شده است 12/0ي اصلي براي گياه كوتاه فرضي با ارتفاع فرض معادله پيش

.است

)1( ( ))34.01(

)()273/(900)(408.0

2

2

U

eeUTGRET asn

o ++∆

−++−∆=

γγ

4

MJ m-2 d-1( ،G(تابش خالص در سطح پوشش گياهي Rn، )kPa C-1(اشباع شيب منحني فشار بخار ∆ ،)Co(ميانگين دماي روزانه T، 1 يرابطهدر

و )kPa(فشار بخار اشباع es، )m s-1(سرعت باد در ارتفاع دو متري U2، )kPa C-1(رومتري رطوبتي ضريب سايك γ، )MJ m-2 d-1(چگالي شار گرماي خاك

ea واقعي فشار بخار)kPa( 19[ باشندمي[.

نسبت به متغيرهاي هواشناسيآناليز حساسيت تبخير و تعرق .5

ها با تغير مقدار هريك از پارامترهاي گردد كه در آنحساسيت استفاده مي هاينسبت به متغيرهاي هواشناسي معموال از محني EToبراي تعيين حساسيت

ضرايب حساسيت را با تقسيم ) 2006(ايرماك . شوندمحاسبه و نسبت به هم در يك نمودار رسم مي EToهاي مختلف مقدار تغييرات هواشناسي در نسبت

: نموددر مقياس روزانه به شرح زير محاسبه هواشناسيهر يك از متغيرهاي مقدار ربه ازاي يك واحد افزايش يا كاهش د EToمقدار افزايش يا كاهش

)2( CV

ETCS

o

∆

∆=′

CSكه در آن در اثر تغير متغير هواشناسي محاسبه شده ETo مقدار تغيير در∆oETهواشناسي و يك واحد تغيير در متغير∆CV،ضريب حساسيت′

CSبراي بدست آوردن ضريب حساسيت بدون بعد، ضريب حساسيت .باشدمي .شودنرمال مي 2ي مطابق رابطه′

)3( CVCV

ETETSC oo

∆

∆=

درصد افزايش 10دهد با مي نشان -10/0بر با برا SCمقدار . باشندمقادير پايه و بدون تغيير مي CVو EToضريب بدون بعد حساسيت، SCكه در آن

شامل با تغيير هريك از متغيرهاي هواشناسي EToآناليز حساسيت پارامترهاي موثر بر . ]20[ درصد كاهش يابد 1به مقدار EToرود متغير هواشناسي انتظار مي

مطابق روش بيان شده انجام و با ) سناريو 12+ (30تا -30ي درصد در بازه 5نسبي، سرعت باد و ساعات آفتابي به مقدار دماي حداقل، دماي حداكثر، رطوبت

در اين روش هرچه . تعيين شدند EToرامترهاي مهم موثر بر ادر هر ماه پ هواشناسينسبت به درصد تغيير هريك از متغيرهاي EToرسم نمودار درصد تغييرات

.باشدمتغير مي نسبت به آن EToي حساسيت بيشتر مقدار ندهدهشيب خط بدست آمده براي هر متغير بيشتر باشد نشان

روند تعيين .6

هاي روش. شوندميبندي پارامتريك و ناپارامتريك طبقه يهاي زماني ارائه گرديده كه در دو دستهبررسي روند سري برايهاي مختلفي تاكنون روش

هاي بريده باشند از كارائي باالتري نسبت ها نرمال نيست و يا داراي دادهقليمي كه توزيع آماري آنپارامترهاي ا ناپارامتري براي بررسي وجود روند در سري

.استفاده شده است ١گر سنكندال و تخمين -هاي ناپارامتريك مناز آزمون پژوهشدر اين . هاي پارامتري برخوردار استبه روش

.)25( هاستهاي ناپارامتري براي تحليل روند دادهيكي از پركاربردترين روش و استوار است ها دادهي بر پايه مرتبهكندال -آزمون ناپارامتريك من

باشد كه به دليل وجود ها در سري زماني بدون در نظر داشتن مقدار متغيرها مي هاي تعيين روند، استفاده از مرتبه داده مزيت اين آزمون نسبت به ساير آزمون

اين آزمون توسط سازمان جهاني هواشناسي براي آشكارسازي و تعيين . استفاده كردهاي داراي چولگي نيز اين آزمون براي دادهتوان از چنين خاصيتي، مي

شود كه در آن مقاديراز رابطه زير محاسبه مي )Z(داري روند از آماره اين آزمون، به منظور تعيين معني ).10(روند متغيرهاي هواشناسي نيز توصيه شده است

و در شود يمفرض صفر پذيرفته αباشد، در سطح اطمينان Z|≤Zα/2|در صورتي .باشندي روندهاي افزايشي و كاهشي ميدهندهبه ترتيب نشان Zمثبت و منفي

هايژوهشكندال در پ-معادالت و روابط آزمون من. باشندها داراي روند ميصورت، فرض صفر رد خواهد شد و در سطح مشخص شده دادهن غير اي

.]21[، ]14[، ]13[، ]10[، ]6[ ها رجوع كردتوان به آنمختلفي ارائه شده است كه مي

1 Sen s estimator

5

اين روش تمام نقاط . هاي زماني ارائه نمود با بسط و توسعه يك سري مطالعات آماري، يك روش ناپارامتريك را به منظور تحليل سري) 1968(سن

هاي تكراري زياد باشد از ارجحيت بيشتري نسبت به ها فراواني داده هاي زماني كه در آن كه در تحليل روند سريكندال را دارد، بعالوه اين -قوت روش من

محاسبه 4در اين روش ابتدا شيب بين هر دو جفت داده مشاهداتي با استفاده از رابطه . دهد تري بدست مي كندال برخوردار است و نتايج قابل قبول-روش من

:گرددمي

)4(

−

−=

kj

xxmedian

kjβ

با اعمال رابطه فوق براي هر جفت داده يك سري زماني از . است )k )k>jو jهاي مشاهداتي در زمان به ترتيب مقادير داده xkو xjكه در آن

صعودي بودن و مقدار منفي βت مقدار مثب. گرددحاصل مي βميانه اين سري زماني شيب خط روند، يآيد كه از محاسبه هاي محاسبه شده به دست مي شيب

:گرددميمحاسبه 5رابطه ازدر سطح اطمينان مورد نظر Cα پارامتر ادامه ر د. دهد آن نزولي بودن روند را نشان مي

)5( ( )SZC var21 αα −=

21چنين هم. گردد محاسبه مي كندال-از روابط آزمون من var(S)كه در آن α−Zع نرمال استاندارد و در يك آزمون دو دامنه بسته به سطح از توزي

:گرددمحاسبه مي 7و 6با استفاده از روابط M2و M1ن ئيپاسپس حدود اعتماد باال و . آيد اطمينان مورد آزمون به دست مي

)6( 2

1αCN

M+′

=

)7( 2

2αCN

M−′

=

Nدر روابط فوق )هاي محاسبه شده مي باشد كه برابر باتعداد شيب′ ) 21−nnباشدمي ،M1 وM2 هاي باال و حدهاي متناظر با شيببه ترتيب

فرض صفر رار گيرد، به عبارت ديگر يكي مثبت و ديگري منفي باشد، قها اي باشد كه عدد صفر بين آن به گونه M2و M1اگر مقادير . ن اطمينان هستندئيپا

.]21[، ]13[ پذيرفته شده و سري زماني هيچ گونه روندي نخواهد داشت

پيت تعيين نقطه جهش آزمون .7

ها در طول آزمون پيت به منظور شناسائي جهش در مقدار ميانگين داده. شودهاي اقليمي ميترين عواملي است كه باعث ناهمگني سريروند، يكي از مشخص

برآورد 8ي رابطه ازي اين آزمون مقدار آماره. رودكار ميكندال در سطوح مختلف تاييد شد ب-داري روند با آزمون منكه معنيس از اينزمان و معموال پ

. گرددمي

)8( ( ) TtxxU

t

t

T

ij

ijTt ≤≤−=∑∑= +=

1,sgn

1 1

,

) وي آماري طول دوره Tدر اين رابطه )θsgnدار جهش در جائي ي معنيترين نقطهدر اين آزمون مهم .باشدكندال مي-مشابه روابط آزمون من

TtUشود كه مقدارتعيين مي Ttt: برابر بيشينه گردد, UK ,max=شودمحاسبه مي 9 يرابطه از يدارو سطح معني.

)9( ( )[ ]3226exp2 TTKp t +−=

درصد 95شود و در سطح معنادارتر مي جهشو بعد از جهشختالف ميانگين سري قبل از تر باشد ابه صفر نزديك pي هرچه آمارهدر اين رابطه

.]22[ شوددار تلقي ميمعني 05/0كوچكتر از P-valueبه ازاي مقادير

6

LOWESS گرافيكي روش .8

هاي گرافيكي از تكنيك نمودار پراكنش از روش بسياري. دهندهاي آماري تشكيل ميي مهمي را در تجزيه و تحليل سريهاي گرافيكي مولفهروش

يك روش آماري گرافيكي ناپارامتريك است كه براي نشان دادن روند در سري زماني LOWESSروش . برندبهره مي) LOWESS( ١دارمحلي هموار وزن

در عوض يك الگوريتم رگرسيون وزني متناوب را براي . كندها تصور نمياين روش هيچ رابطه يا مدل معيني را براي سري داده. شودها استفاده ميداده

هاي مجاور متناسب با وزن اختصاص داده شده براي هر كدام از داده. كندهاي مجاور استفاده ميهاي سري زماني با استفاده از دادهبرآورد هر كدام از داده

هاي رگرسيوني براي برآورد هر كدام از داده ياز رابطه LOWESSدر روش . ]23[گردد برآورد مي اي است كه مقدار آنها به دادهدوري و نزديكي آن

سپس از روي منحني هموار شده . بدست آيد LOWESSشوند تا منحني هموار هاي برآورد شده به يكديگر وصل ميسپس داده. شودسري زماني استفاده مي

. تشخيص داد توان تغييرات زماني يا روند داده ها را با مشاهده چشميمي

الگوهاي تغيير متغيرهاي هواشناسي و تبخير و تعرقنتايج .9

هاي مختلف سال براي ايستگاه در طول ماه نتيثوم-محاسبه شده از روش پنمن EToاي براي هريك از متغيرهاي هواشناسي و مقدار نمودار جعبه 2شكل در

و كاهش تابش خورشيدي و سرعت باددما، متغيرهاي رود كه با افزايش ميبه طور كلي انتظار .است ارائه شده سال مورد بررسي 55سينوپتيك شيراز طي

بر اساس . باشد تا حد زيادي در تناسب با اين انتظار مي 2الگوي مشاهده شده براي متغيرهاي هواشناسي در شكل . افزايش يابد EToنسبي مقدار مقدار رطوبت

تا پايان روندهي پائين شاخه در يك رسد سپسمقدار خود مي بيشينههاي ژوئن و جوالي به ماه طياز ابتداي ماه ژانويه آغاز و EToافزايشي الگوي ،اين شكل

و تعداد ساعات آفتابي با مشابهت رفتاري باال و در تناسب زياد دماي حداقل و حداكثرالگوي مشابهي براي متغيرهاي . ادامه دارد روند كاهشي آن ماه دسامبر

رسد ژوئن و جوالي ميهاي آن از ماه ژانويه شروع و به مقدار كمينه طي ماه ينسبي مقدار بيشينهبراي متغير رطوبت. مشاهده شده است EToبا الگوي تغييرات

با افزايش EToيابد كه الگوي مشاهده شده در تطابق با انتظار كاهش مقدار ر ماه دسامبر افزايش ميباالرونده مقدار آن به بيشنه مقدار د يسپس در يك شاخه

هاي مختلف سال داراي تغييرات افزايشي و كاهشي ي تغييرات متغير سرعت باد نسبت به ساير متغيرهاي هواشناسي طي ماهدامنه. باشدنسبي ميمقدار رطوبت

الگوي تغييرات . يابدرسند و سپس كاهش ميبه حداكثر مقدار خود مي مياز ماه ژانويه شروع و در ماه روند افزايشي آن باشد به طوري كهكمتري مي

.باشد مي EToتر نسبت به ساير متغيرها در تناسب با الگوي تغييرات رفتاري كم جه مشابهتبا درسرعت باد

تبخير و تعرق نسبت به متغيرهاي هواشناسي آناليز حساسيت نتايج .10

در اين .اندنشان داده شده 3 در شكل) ماه 12(هاي مختلف سال نسبت به تغيير هريك از متغيرهاي هواشناسي طي ماه EToنتايج آناليز حساسيت مقدار

تا -30از )سناريو 12(ر براي هريك از متغيرهاي هواشناسي در سناريوهاي مختلف يدر محور عمودي نسبت به درصد تغي EToها درصد تغييرات مقدار شكل

ي شيب هر خط كه سبهتوان با محاهاي مذكور مقدار ضريب حساسيت هر متغير را ميدر شكل. انددرصد در محور افقي رسم شده 5با گام افزايشي + 30

رات ياما به صورت كيفي نيز هر متغيري كه داراي شيب تغي محاسبه نمودباشد به صورت عددي نسبت به افزايش متغير هواشناسي مي EToبيانگر تغييرات

نسبت به EToلف سال حساسيت مقدار هاي مختهاي بدست آمده طي ماهبر اساس نتايج شكل. گرددميترين متغير انتخاب شده بيشتري باشد به عنوان حساس

، نقش 1هاي مرطوب بر اساس منحني آمبروترميك ارائه شده در شكل طي ماهباشد به طوري كه متغيرهاي هواشناسي تا حدودي با هم متفاوت مي

، فوريه و مارسژانويه دسامبر، هاير ماهد. گرددتر ميرنگهاي خشك اين نقش كمشود و در ماهتر مينسبي نسبت به مقدار دماي حداكثر برجسته رطوبت

1 Locally Weighted Scatter plot Smoothing

7

ترين نسبي و سرعت باد با بيشترين شيب داراي حساسباشند متغيرهاي دماي حداكثر، رطوبتي مرطوب سال در اين ايستگاه ميهاي دورهكه برابر با ماه

ي خشكدورهواقع در هاي براي ماه. بعدي حساسيت قرار دارند يباشند و متغيرهاي تعداد ساعات آفتابي و دماي حداقل در مرتبهمي EToضرايب در برآورد

يابند به طوري كه شود و متغيرهاي سرعت باد و تعداد ساعات آفتابي اهميت بيشتري مينسبي كمتر مينقش متغير رطوبت دنآوريل تا نوامبر ادامه دار از كه

متغيرهاي دماي حداكثر، سرعت باد و تعداد ساعات آفتابي اختصاص دارد و جايگاه ترتيب حساسيت متغيرهاي هواشناسي با بيشترين شيب تغييرات به

هاي ژوئن تا سپتامبر كه باشد به طوري كه طي ماهي خشك متفاوت ميهاي دورهنسبي و دماي حداقل از نظر اهميت طي ماهمتغيرهاي هواشناسي رطوبت

هاي باشد اما طي ماهنسبي ميباشند اهميت دماي حداقل بيشتر از متغير رطوبتمي) 2شكل (نسبي بتترين مقدار رطوداراي بيشترين مقدار دماي حداقل و كم

چهارم از متغيرهاي ييابد و در مرتبهنسبت به دماي حداقل فزوني مي EToبا افزايش مقدار رطوبت اهميت و حساسيت آن در برآورد آوريلاكتبر، نوامبر و

.گيردحساس قرار مي

Jan. Mar. May. Jul. Sep. Nov.

-50

510

15

20

25

Minimum Air Temperature

Months

Centigrade(c)

Jan. Mar. May. Jul. Sep. Nov.

10

20

30

40

Maximum Air Temperature

Months

Centigrade(c)

Jan. Mar. May. Jul. Sep. Nov.

12

34

Wind Speed

Months

Meter per Second

Jan. Mar. May. Jul. Sep. Nov.

46

810

12

Sunshine Hours

Months

Hour

Jan. Mar. May. Jul. Sep. Nov.

50

100

200

300

Evapotranspiration

Months

Millimeter per Month

2014تا 1960هاي در ايستگاه سينوپتيك شيراز طي سال EToموثر بر اي متغيرهاي اقليمي نمودارهاي جعبه -2شكل

Jan. Mar. May. Jul. Sep. Nov.

20

30

40

50

60

70

80

Relative Humidity

Months

Percent(%)

دماي حداقل دماي حداكثر

سرعت باد تعداد ساعات آفتابي

نسبي رطوبت تبخير و تعرق

8

(ژانويه)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر Tmin Tmax U2 tsun RH

(فوريه)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر Tmin Tmax U2 tsun RH

(مارس)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر Tmin Tmax U2 tsun RH

(آپريل)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر Tmin Tmax U2 tsun RH

(مي)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر Tmin Tmax U2 tsun RH

(ژوئن)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر

Tmin Tmax U2 tsun RH

(جوالي)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر

Tmin Tmax U2 tsun RH

(آگوست)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر

Tmin Tmax U2 tsun RH

(سپتامبر)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

ههانماق عرو تر خي تبيرغيد تصدر

Tmin Tmax U2 tsun RH

(اكتبر)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر

Tmin Tmax U2 tsun RH

(نوامبر)

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نههاماق عرو تر خي تبيرغيد تصدر

Tmin Tmax U2 tsun RH

(دسامبر )

-30

-20

-10

0

10

20

30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

درصد تغيير متغيرهاي اقليمي

نهها ماقعرو تر خي تبيرغيد تصدر

Tmin Tmax U2 tsun RH

در ايستگاه شيراز هاي مختلف سالبه هريك از متغيرهاي اقليمي طي ماه EToآناليز حساسيت مقدار -3شكل

9

هواشناسينتايج روند تبخير و تعرق و متغيرهاي .11

3اساس آزمون من كندال در شكل بر Zهاي مختلف سال با تعين آماره ماه طي EToر يدانتايج تعيين روند براي هريك از متغيرهاي هواشناسي و مق

اند تعيين شده 58/2و 96/1، 64/1درصد بر اساس آزمون دو دامنه به ترتيب برابر با 99و 95، 90داري در اين شكل سطوح معني. اندنشان داده شده

هاي تمامي ماه دردماي حداقل متغيرست آمده ي نتايج بدبرپايه. اندداري روند نيز ترسيم شدهچين براي تعيين سطح معنيكه به صورت خطوط نقطه

دار درصد و بيشتر معني 95ژانويه در سطح ماه هاي سال به جز به طوري كه روند مشاهده شده براي تمامي ماه باشدمي سال داراي روند افزايشي

ها در ايستگاه سينوپتيك صد و بيشتر براي تمامي ماهدر 99دار در سطح ي روندهاي كاهشي معنيبررسي روند متغير سرعت باد نشان دهنده. باشند مي

90هاي مارس تا اكتبر در سطح نوامبر افزايشي و طي ماهماه هاي مختلف به جز روند مشاهده شده براي متغير دماي حداكثر طي ماه .باشدشيراز مي

ز نوع كاهشي هاي سال انسبي براي بيشتر ماهمتغير رطوبتبررسي روندهاي بدست آمده براي . باشنددار نيز ميدرصد و بيشتر اين روند معني

روندهاي بدست آمده طي براي متغير ساعات آفتابي. باشندداري ميدرصد و بيشتر نيز معني 95هاي ژانويه تا مي در سطح باشند كه طي ماه مي

باشند اين در حالي است كه دار ميدرصد و بيشتر معني 95سطح باشند و درافزايشي، كاهشي و كاهشي مي، ژوئن و سپتامبر به ترتيب آوريلهاي ماه

به جز ماه (هاي مختلف سال طي ماه EToبررسي مقادير روند . ناچيز افزايشي با كاهشي برخوردارند Zي ها مقادير روند از آمارهبراي ساير ماه

درصد و 95هاي ژوئن تا دسامبر در سطح كه روندهاي كاهشي طي ماه باشند به طوريي روندهاي كاهشي در ايستگاه شيراز ميدهندهنشان) آوريل

.دهندداري را نشان ميبيشتر نيز معني

Jan. Mar. May. Jul. Sep. Nov.

Tmin

Z-index

-4-2

02

46

Jan. Mar. May. Jul. Sep. Nov.

Tmax

Z-index

-4-2

02

4

Jan. Mar. May. Jul. Sep. Nov.

RH

Z-index

-4-2

02

4

Jan. Mar. May. Jul. Sep. Nov.

U2

Z-index

-6-4

-20

24

Jan. Mar. May. Jul. Sep. Nov.

tsun

Z-index

-4-2

02

4

Jan. Mar. May. Jul. Sep. Nov.

ETo

Z-index

-4-2

02

4

كندال-بر اساس آزمون من هاي مختلف هواشناسي طي ماهمتغيرهاي و EToداري مقادير روند و سطحي معني -4شكل

بر اساس نتايج . ، آورده شده است1در جدول EToر اديداري آن براي مقط روند ومعنيگر سن براي تعييين شيب خنتايج آزمون ناپارامتري تخمين

چنين بررسي هم. باشندبدست آمدند كه بيانگر شيب كاهشي مي منفي هاي مختلف سال به جز آوريلطي ماه EToاين آزمون مقدارشيب خط روند

درصد 95هاي ژوئن تا دسامبر در سطح شيب روند طي ماه داريي معنيدههاي مختلف سال نشان دهنداري شيب بدست آمده براي ماهمعني

بدست آمده بررسي نتايج بدست آمده از آزمون سن با نتايج. انددو منفي بدست آمده زيرا حدود باال و پائين شيب در سطح مورد نظر هر. باشد مي

.باشدكندال در تطابق مي-از آزمون من

دماي حداقل دماي حداكثر نسبي رطوبت

دسرعت با تعداد ساعات آفتابي تبخير و تعرق

10

آنداري و معني شيب خط روندراي تعين سن ب نتايج آزمون - 1جدول

دسامبر نوامبر اكتبر سپتامبر آگوست جوالي ژوئن مي آپريل مارس فوريه ژانويه آماره

β 085/0- 112/0- 045/0- 064/0 210/0 613/0- 504/0- 566/0- 654/0- 492/0- 404/0- 230/0-

M1 07/0 10/0 22/0 39/0 16/0 32/0- 23/0- 28/0- 37/0- 26/0- 17/0- 04/0-

M2 28/0- 32/0- 34/0- 31/0- 55/0- 93/0- 76/0- 89/0- 92/0- 72/0- 63/0- 40/0-

هاي تبخير و تعرق ماهانه در سري تعيين نقطه جهشنتايج .12

در LOWESSرافيكي هر ماه بر اساس روش گ EToهاي ي احتمالي جهش در مقادير سريروند و تعيين نقطه چگونگينتايج پژوهشاين يدر ادامه

باشند دسامبر داري الگوي مشابهي ميسپتامبر و نوامبر تا هاي جوالي تا هاي هموار شده براي ماهمحني بر اساس نتايج آن. اندنشان داده شده 5شكل

هاي قبل از سال LOWESSشيب منحني .باشدمي 1987يا 1986ي جهش تقريبي در سال به طوري كه اين الگو داري محني كاهشي با يك نقطه

هاي ژانويه، فوريه و آوريل تقريبا طي ماه LOWESSهاي منحني. گرددهاي سپتامبر تا دسامبر هموارتر ميذكر شده تندتر و پس از آن براي ماه

بررسي . گيردخود ميشود هرچند در ماه مارس اين منحني هموار حالت تقعر بيشتري به ها مشاهده نميباشند و جهش ناگهاني در آنهموار مي

حني و به طور مشخص براي ني شيب بيشتر مدهندهدار بوده است نشانمعني EToهائي كه مقدار روند تا حد زيادي براي ماه LOWESSهاي منحني

. نيز قابل مشاهده است) 1986سال ( تبخير و تعرق ي تغيير در سرينقطه هاي سپتامبر تا دسامبرماه

ETo (mm)

1960 1990

40

60

80

ETo (mm)

1960 1990

60

80

100

ETo (mm)

1960 1990

100

140

ETo (mm)

1960 1990

140

180

ETo (mm)

1960 1990

180

220

260

ETo (mm)

1960 1990

220

260

ETo (mm)

1960 1990

220

250

280

ETo (mm)

1960 1990

200

240

280

ETo (mm)

1960 1990

160

200

ETo (mm)

1960 1990

120

160

ETo (mm)

1960 1990

70

90

110

ETo (mm)

1960 1990

50

60

70

80

هاي مختلف سال ماه طي EToهاي براي سري LOWESSهاي نحنيم -5شكل

يهژانو مارس فوريه آوريل

مي ژوئن جوالي آگوست

سپتامبر اكتبر نوامبر دسامبر

11

از ) 1و جدول 4شكل (هاي ژوئن تا دسامبر دار تبخير و تعرق طي ماههاي معنيي تغيير احتمالي شكست در سريتر نقطهبراي تعيين دقيق

-pي ي نتايج آن مقدار آمارهبر پايه. اندآورده شده 2هاي مذكور در جدول ي جهش پيت استفاده شده است كه نتايج آن براي ماهآزمون نقطه

value ها نزديك به صفر بدست آمده است كه نشانگر تفاوت ميانگين سري هاي تبخير و تعرق و براي بيشتر آن 05/0هاي مذكور كمتر از براي ماه

به 1985هاي ژوئن تا نوامبر سال جهش تقريبا در اطراف سال دهد براي ماهنشان مي 2نتايج جدول . باشدي جهش ميدر ماه هاي قبل و بعد از نقطه

تقريبا با نتايج روش 1985نتايج نقطه جهش پيت براي سال . به دست آمده است 1973وقوع پيوسته است و براي ماه دسامبر سال جهش برابر

.ندباشهاي متناظر ارتباط نزديكي دارند تا حد زيادي يكسان ميدر ماه LOWESSگرافيكي

هاي داراي روند در ماه EToهاي نتايج آزمون پيت براي سري - 2 جدول

هامقادير آماره دسامبر نوامبر اكتبر سپتامبر آگوست جوالي ژوئن K 454 426 472 500 458 374 332

P-value 00/0 00/0 00/0 00/0 00/0 01/0 04/0

1973 1986 1985 1984 1984 1984 1986 نقطه جهش

گيري يجهنت .13

مونتيث نسبت به متغيرهاي هواشناسي موثر بر آن براي ايستگاه -اين پژوهش آناليز حساسيت مقادير تبخير و تعرق محاسبه شده از روش پنمندر

بر EToاي هواشناسي و چنين با تعيين روند متغيره هم. در مقياس ماهانه بررسي شده است) 2014تا 1960هاي سال(ساله 55ي يك دوره طيسينوپتيك شيراز

ي نتايج بدست آمده از آناليز پايه بر. ي جهش احتمالي نيز مورد بررسي قرار گرفته است كندال و سن در سطوح مختلف، نقطه-ها ناپارامتري من اساس آزمون

ترين متغيرهاي حساس ساعات آفتابيعداد تمتغيرهاي دماي حداكثر، سرعت باد و كه از آوريل تا نوامبر ادامه دارند هاي خشك سال طي ماه ،حساسيت

نسبي و سرعت دماي حداكثر، رطوبت ياند متغيرهاي هواشناس ي زماني دسامبر تا مارس واقع شده كه در بازه هاي مرطوب ماههواشناسي بدست آمدند و براي

ها روندهاي ختلف جهان گزارش كردند كه بر اساس نتايج آنرا در نقاط م EToهاي مختلفي روند كاهشي مقدار پژوهش .باشند ترين متغيرها مي باد حساس

در ايستگاه شيراز روندهاي كاهشي . نسبي موثرترين پارامترها بر روند مشاهده شده بودند كاهشي سرعت باد و تابش خورشيدي و روند افزايشي رطوبت

تا حد زيادي مطابقت هاي خشك ار سرعت باد به عنوان دومين متغير موثر در ماهد هاي ژوئن تا دسامبر با روندهاي كاهشي معني دار مشاهده شده براي ماه معني

ترين اند و متغير سرعت باد را به عنوان حساس در ايران انجام گرفته EToكه در ارتباط با متغيرهاي اقليمي موثر بر ها از طرف ديگر نتايج برخي از پژوهشدارد

افزايش EToنسبي، نقش متغير سرعت باد در برآورد دارند با كاهش رطوبت بيان مي ]18[اسالميان و همكاران .]13[، ]10[، ]14[اند معرفي نمودهپارامتر

سالعنوان به 1985سال ،آزمون پيت نتايج ي پايه بر. نتايج ايستگاه شيراز از نظر اهميت نقش متغير باد در روند مشاهده شده با نتايج فوق مطابقت دارد. بايد مي

هاي قبل و بعد از اين نقطه تفاوت ي تبخير و تعرق در سال هاي ماهانه هاي سري بدست آمد كه بر اساس آن ميانگين EToي ماهانه هاي ش در سريجه

.مطابقت دارد LOWESSو تا حد زيادي با نتايج روش گرافيكي داري با هم دارند معني

قدرداني .14

بدين وسيله از حوزه معاونت پزوهشي و فناوري دانشگاه . انجام شده است 24501با كد 2رح پژوهشي شماره اين پژوهش در راستاي انجام بخشي از ط

.شودفردوسي مشهد كه زمينه انجام اين تحقيق را فراهم نمودند، تشكر و قدرداني مي

12

مراجع .15 [1] IPCC. (2007), “Synthesis Report 2007: AR4, Cambridge University Press, Cambridge, United Kingdomand

New York, USA. [2] Chattopadhyay N, Hulme M. (1997), “Evaporation and potential evapotranspiration in India under

conditions of recent and future climate change” Agricultural and Forest Meteorology, 87 (1): 55–72. [3] Gan, T.W. (1998), “Hydroclimatic trends and possible climatic warming in the Canadian prairies” Water

Resources Research, 34 (11), 3009–3015. [4] Xu CY, Gong L, Jiang T, Chen D, Singh VP (2006), “Analysis of spatial distribution and temporal trend of

reference evapotranspiration and pan evaporation in Changjiang (Yangtze River) catchment” Journal of Hydrology, 327(1): 81–93.

[5] Zhang, Y., Liu, C., Tang, Y. and Yang, Y. (2007), “Trends in pan evaporation and reference and actual evapotranspiration across the Tibetan Plateau” Journal of Geophysical Research: Atmospheres, 112: D12110.

[6] Bandyopadhayay, A., Bhadra, A., Raghuwanshi, NS., Singh, R. (2009), “Temporal trends in estimates of reference evapotranspiration over India” Journal of Hydrologic Engineering, 14(5): 508–518.

[7] Song, Z.W., Zhang, H.L., Snyder, R.L., Anderson, F.E., Chen, F. (2010), “Distribution and trends in reference evapotranspiration in the north China plain Journal of irrigation and drainage engineering, 136 (4): 240–247.

[8] Jhajharia, D., Shrivastava, S.K., Sarkar, D., Sarkar, S., (2009), “Temporal characteristics of pan evaporation trends under the humid conditions of northeast India”. Agricultural Forest Meteorology, 149, 763–770.

[9] Burn, D.H. and Hesch, N.M. (2007), “Trends in evaporation for the Canadian Prairies”. J Hydrol 336 (1–2): 61–73.

[10] Dinpashoh, Y., Jhajharia, D., Fakheri-Fard, A., Singh, V.P., Kahya, E. (2011), “Trends in reference crop evapotranspiration over Iran”. J Hydrol 399(3–4): 422–433.

[11] Hess, T.M. (1998), “Trends in reference evapo-transpiration in the North East Arid Zone of Nigeria, 1961–1991”. Journal of Arid Environment 38, 99–115.

[12] Yu, P.S., Yang, T.C. and Chou, C.C. (2002), “Effects of climate change on evapotranspiration from paddy fields in southern Taiwan” Climate Change, 54, 165–179.

[13] Tabari, H., Marofi, S., Aeini, A., Hosseinzadeh Talaee, P., Mohammadi, K. (2011), “Trend analysis of reference evapotranspiration in the western half of Iran”. Agric Forest Meteorol, 151: 128–136.

[14] Nafarzadegan, A.R., Ahani, H., Singh, V.P., Kherad, M. (2013) “Parametric and non-parametric trend of reference evapotranspiration and its key influencing climatic variables (case study: southern Iran)” ECOPERSIA, 1(2): 123–144.

[15] Chen, J.M., Chen, X., Ju, W. and Geng, X. (2005), “Distributed hydrological model for mapping evapotranspiration using remote sensing inputs” J Hydrol 305(1–2): 15–39.

[16] Thomas, A. (2000), “Spatial and temporal characteristics of potential evapotranspiration trends over China” International Journal of Climatology, 20: 381–396.

[17] Sharifi, A. and Dinpashoh, Y. (2014), “Sensitivity analysis of the penman-monteith reference crop evapotranspiration to climatic variables in Iran”, Water Resour Manage, 28 (): pp 5465–5476.

[18] Eslamian S, Khordadi MJ, Abedi-Koupai J (2011), “Effects of variations in climatic parameters on evapotranspiration in the arid and semi-arid regions”. Global and Planetary Change 78(3): 188–194.

[19] Allen, R.G., Pereira, L.S., Raes, D., Smith, M. (1998) “Crop Evapotranspiration: Guidelines for computing crop water requirements”. FAO Irrigation and Drainage Paper 56, Rome, Italy, 300 p

[20] Zhang, X., Kang, S., Zhang, L., and Liu, J. (2010), “Spatial variation of climatology monthly crop reference evapotranspiration and sensitivity coefficients in Shiyang river basin of northwest China” Agricultural water management, 97(10), 1506-1516.

13

[21] Partal, T., Kahya, E. (2006), “Trend analysis in Turkish precipitation data”. Hydrol Process 20: 2011–2026.

[22] Pettitt, A.N. (1979), “A non-parametric approach to the change-point problem” Applied Statistics 28, 126-135.

[23] Helsel D.R., and Hirsch R.M. (1992), “Statistical methods in water resources” (Vol. 49). Elsevier,