سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,225
تعداد مقالات67,685
تعداد مشاهده مقاله114,984,412
تعداد دریافت فایل اصل مقاله89,656,366
راشدی, شهناز, جهانبخش اصل, سعید, خورشید دوست, علی محمد, محمدی, غلام حسن. (1401). پژوهشی بر ابرهای خزری. , 54(2), 227-242. doi: 10.22059/jphgr.2022.339128.1007680
شهناز راشدی; سعید جهانبخش اصل; علی محمد خورشید دوست; غلام حسن محمدی. "پژوهشی بر ابرهای خزری". , 54, 2, 1401, 227-242. doi: 10.22059/jphgr.2022.339128.1007680
راشدی, شهناز, جهانبخش اصل, سعید, خورشید دوست, علی محمد, محمدی, غلام حسن. (1401). 'پژوهشی بر ابرهای خزری', , 54(2), pp. 227-242. doi: 10.22059/jphgr.2022.339128.1007680
راشدی, شهناز, جهانبخش اصل, سعید, خورشید دوست, علی محمد, محمدی, غلام حسن. پژوهشی بر ابرهای خزری. , 1401; 54(2): 227-242. doi: 10.22059/jphgr.2022.339128.1007680

پژوهشی بر ابرهای خزری

پژوهش های جغرافیای طبیعی
مقاله 5، دوره 54، شماره 2، مرداد 1401، صفحه 227-242    اصل مقاله (1.19 M)
نوع مقاله: مقاله کامل
شناسه دیجیتال (DOI): 10.22059/jphgr.2022.339128.1007680
نویسندگان
شهناز راشدی1؛ سعید جهانبخش اصل* 2؛ علی محمد خورشید دوست2؛ غلام حسن محمدی3
1دانشجوی دکتری اقلیم شناسی، دانشگاه تبریز، تبریز، ایران
2استاد گروه اقلیم شناسی، دانشگاه تبریز، تبریز، ایران
3دکتری اقلیم شناسی، دانشگاه تبریز، تبریز، ایران
چکیده
در این مطالعه به شناسایی ابرهای خزری که مابین ساحل جنوبی دریای خزر و کوهستان البرز شکل می‌گیرد، پرداخته شد. به این منظور در طول دوره آماری 10 ساله (2020-2010) که ابرهای خزری 279 روز رخداد داشته‌اند، از داده‌های مشاهداتی، تصاویر سنجنده مودیس، داده‌های بازکاوی شده ERA5، NCEP/NCAR و مدل HYSPLIT استفاده شد. یافته‌ها نشان داد که ابرهای خزری در فصل تابستان (1/16 روز) با داشتن بیشینه رخداد، تیپ غالب ابرهای تابستانه منطقه‌ای خزری می‌باشند که تحت شرایط خاص محیطی و اقلیم سینوپتیک حاکم بر منطقه شکل می‌گیرند. این ابرها اغلب به‌صورت ابرهای پایین از نوع ابرهای استراتوس و ابرهای میانی از نوع ابر آلتوکومولوس مشاهده می‌شوند. بیشینه سهم بارش‌های سالانه ابرهای خزری در منطقه بیش از 80 میلی‌متر بوده و بیشینه مقدار آن به ترتیب در فصل‌های تابستان و پاییز رخ می‌دهد. در این میان تأثیر مشترک پارامترهای ابر بر بارش ابرهای خزری 57 درصد می‌باشد. بررسی نقشه‌های همدیدی نشان داد که با استقرار هسته پرفشار در شمال دریای خزر شرایط مساعدی را برای جریان باد و انتقال رطوبت دریای خزر به سمت سواحل جنوبی فراهم کرده، به‌طوری‌که توده‌هوای مرطوب از طریق صعود اورگرافیکی منجر تشکیل ابر در منطقه می‌شود. مدل HYSPLIT انتقال رطوبت از روی دریای خزر به منطقه مطالعاتی را تأیید کرد.
کلیدواژه‌ها
ابرهای خزری؛ رشته‌کوه البرز؛ صعود اورگرافیک؛ سواحل جنوبی دریای خزر؛ مدل HYSPLIT
عنوان مقاله [English]
Research on the Caspian Clouds
نویسندگان [English]
shahnaz Rashedi1؛ Saied Jahanbakhsh2؛ Ali Mohammad Khorshiddoust2؛ Gholam Hasan Mohammadi3
1PhD student of Climatology, Tabriz University, Tabriz, Iran
2Professor, Department of Climatology, Tabriz University, Tabriz, Iran
3PhD in Climatology, Tabriz University, Tabriz, Iran
چکیده [English]
Extended Abstract
Introduction
What is known as a cloud is actually the accumulation of water vapor particles in the atmosphere around the nuclei of their density and cooling (Ghasemi, 2012). In this study, we will study and identify the clouds that are formed in terms of spatial distribution between the southern coast of the Caspian Sea to the Alborz Mountains and in terms of temporal distribution in all seasons, especially in summer. It seems that these clouds were different in terms of atmospheric formation mechanism and are formed under special environmental conditions of the Caspian coast. Therefore, the main purpose of this study will be to identify and study these clouds. For this purpose, 279 cloud days were selected for study.
 
Materials and methods
This study uses type, amount and height of low, medium clouds, including hourly data (00, 03, 06, 09, 12, 15, 18 and 21 UTC) and daily precipitation of 13 meteorological stations in the study area, for selected samples, were received from the Iran Meteorological Organization (IMO). The characteristics of the physical parameters of the cloud Included CTT, CTH, CER, COT and CWP were obtained from level 2 MODIS (MOD06 TERRA and MYD06 Aqua) with a resolution of 1 km. Upper atmosphere data were obtained from ERA5 at a resolution of 0.25° × 0.25 °. Which includes geopotential height, u- wind, v- wind, specific humidity and omega levels of 1000 to 500 hPa isobaric. Ground surface data (SLP, U-wind and V-wind 10m) were obtained from the NCEP/NCAR database and its circulation patterns were drawn in GRADS. HYSPLIT model and the backward method was used to identify the source of moisture. In this study, Global Data AssimilationSystem (GDAS 1°) meteorological data provided by NOAA HYSPLIT model were used to calculate the backward paths for altitudes of 50, 500 and 1000 m above the ground. First, the frequency percentage of the type and height of different layers of clouds were calculated. The average seasonal and monthly occurrence of Caspian clouds were calculated. The average seasonal and annual rainfall of Caspian clouds were calculated. The relationship between precipitation and cloud parameters was investigated by multivariate regression
Result and discussion
 During the 10-year statistical period (2020-2010), 279 cases (days) of the occurrence of Caspian clouds were identified. The research findings showed that the highest average monthly frequency of Caspian clouds occurs in August until its lowest occurrence in November to April. The maximum seasonal frequency of days with Caspian clouds occurs in summer with 16.1 days. These clouds are mainly in the form of low- and middle-level clouds in the region with their most common types being Stratus and Altocumulus. The analysis of rainfall rainfall from Caspian clouds indicates the annual rainfall of Caspian clouds in the region and in most stations more than 80 mm, and its highest amount occurs in summer and autumn chapters, respectively. Spatial distribution the average rainfall derived from Caspian clouds showed that its maximum is on the annual scale and summer and autumn seasons in the southwest and west of the region; but in the spring, it is placed in limited parts of the south. By applying the multivariate regression model, it was found that cloud parameters may predict 57% of the rainfall changes in Caspian clouds. Examination of the synoptic patterns shows that high-pressure settlement in the north of the Caspian Sea provides favorable conditions for wind flow and moisture transfer of the Caspian Sea to its southern coast. So that with the encounter of the humid air mass to the Alborz mountain range, it leads to orographic lift and formation of clouds and rain in the region. The HYSPLIT model indicates that the source of moisture for the formation of Caspian clouds is largely from the Caspian Sea.
 
Conclusion
The average frequency of the occurrence of Caspian clouds in August to stamp is more than spring and winter months. The average number of summer and autumn, as well as the average rainfall of Caspian clouds in the summer and autumn, is more than other seasons. These clouds are mainly in the form of low- and middle-level clouds in the region with their most common types being Stratus and Altocumulus. By applying the multivariate regression model, it was found that cloud parameters may predict 57% of the rainfall changes in Caspian clouds. Examination of the synoptic patterns shows that high-pressure settlement in the north of the Caspian Sea provides favorable conditions for wind flow and moisture transfer of the Caspian Sea to its southern coast. So that with the encounter of the humid air mass to the Alborz mountain range, it leads to orographic lift and formation of clouds and rain in the region. The HYSPLIT model confirmed the moisture transfer from the Caspian Sea to the study area.
کلیدواژه‌ها [English]
Caspian Clouds, Alborz Mountain Strings, Orographic Lift, HYSPLIT Model, South Coast of the Caspian Sea
مراجع
  1. احمدی، م.؛ احمدی، ح. و دادشی رودباری، ع. ع. (1397). واکاوی روند تغییرات و الگوی فضایی ابرناکی سالانه و فصلی در ایران. مجله مخاطرات محیط طبیعی، 7 (15)، 256-239.
  2. احمدی، م.؛ داداشی رودباری، ع.ع؛ نصیری خوزانی، ب. و اکبری ازیرانی، ط. (1399). وردایی فصلی ابرهای مایع در گستره ایران مبتنی بر داده‌های سنجنده MODIS ماهواره Terra. فصلنامه اطلاعات جغرافیایی (سپهر) 29 (113)، 19-8.
  3. بنایان، م.؛ محمدیان، آ. و علیزاده، ا. (1389). بررسی نوسان پذیری اقلیمی در شمال شرق ایران. نشریه آب‌وخاک، 24 (1)، 131-118.
  4. پرنیا، ع.؛ حبیب نژا روشن، م. و سلیمانی، ک. (1394). بررسی تغییرات دما و بارندگی در سواحل جنوبی دریای خزر و مقایسه آن با تغییرات در مقیاس جهانی و نیم کره شمالی. پژوهشنامه مدیریت حوزه آبخیز، 6 (11)، 100-90.
  5. خوشحال دستجردی، ج. (1376). الگوی سینوپتیک - کلیماتولوژی برای بارش‌های بیش از صد میلی‌متر در سواحل جنوبی دریای خزر، رساله دکتری جغرافیای طبیعی، دانشگاه تربیت مدرس.
  6. رستم‌زاده، ه.؛ رسولی، ع. ا.؛ وظیفه دوست، ح. و ملکی، ن. (1399). ارزیابی و تحلیل نقش خصوصیات فیزیکی ابر در مقدار بارش محتمل با استفاده از داده‌های ماهواره MSG منطقه موردمطالعه: غرب ایران. نشریه علمی جغرافیا و برنامه‌ریزی، 24(72)، 245-225.
  7. رسولی، ع. ا.؛ جهانبخش اصل، س. و قاسمی، ا. ر. (1392). بررسی تغییرات زمانی و مکانی مقدار پوشش ابر ایران، فصلنامه تحقیقات جغرافیایی، 28 (3)، 104-87.
  8. علیجانی، ب. (1387). آب‌وهوای ایران، چاپ هشتم، تهران: انتشارات دانشگاه پیام نور.
  9. فرهودی، ر. ا. (1385). فنون پیش‌بینی در برنامه‌ریزی شهری و منطقه‌ای، جزوه‌ای درسی، دانشکده جغرافیا دانشگاه تهران.
  10. قاسمی، ا. ر. (1391). مدل‌سازی تغییرات زمانی و مکانی پوشش ابری با تأکید بر روزهای بارش در ایران، رساله دکتری، استاد راهنما، دکتر علی‌اکبر رسولی، رشته اقلیم‌شناسی، دانشگاه تبریز.
  11. قاسمی فر، ا.؛ فرج‌زاده، م.؛ قویدل رحیمی، ی. و علی‌اکبری بیدختی، ع. ع. (1398). صحت سنجی ماسک ابر سنجنده مودیس با معرفی ماسک ابر ناحیه‌ای بر اساس داده‌های سنجنده AVHRR. نشریه پژوهش‌های جغرافیایی طبیعی، 51 (3)، 468-447.
  12. کاویانی، م، ر. و علیجانی، ب. (1379). مبانی آب و هواشناسی، چاپ هفتم، تهران: انتشارات سمت.
  13. ناظم السادات، م، ج. (1394). مبانی هوا و اقلیم‌شناسی، چاپ سوم. تهران: مرکز نشر دانشگاهی.
  1. Ahmadi, M., Ahmadi, H., & Dadashiroudbari, A.A. (2018). Assessment of trends and spatial pattern seasonal and annual cloudiness in Iran. Journal of Natural Environment Hazards, 7(1), 239-256. [in Persian].
  2. Ahmadi, M.; Dadashi Rodbari, A.A. Nassiri Khuzani, B. Akbari Azirani, T. (2020).Seasonal changes of liquid clouds in Iran based on data received from MODIS sensor of TERRA satellite. Scientific Research Quarterly of Geographical Data, 29(13), 7-19. [in Persian].
  3. Alijani, b. (2008). Iran Climate, Eighth Edition, Tehran: Payame Noor University Publications. [in Persian].
  4. Batlles, F. J., Alonso, J., & López, G. (2014). Cloud cover forecasting from METEOSAT data Energy Procedia, 1317 – 1326.
  5. Bannayan, M., Mohamadian, A., & Alizadeh, A. (2010). On Climate Variability in North-East of Iran. Journal of Water and Soil, 24(1), 118-131. [in Persian].
  6. Chernokulsky, A., & Esau, I. (2019). Cloud cover and cloud types in the Eurasian Arctic in 1936–2012. International Journal of Climatology, 39(15), 1-20.
  7. Farhoudi, R.l. (2006). Predictive Techniques in Urban and Regional Planning, Textbooks, Faculty of Geography, University of Tehran. [in Persian].
  8. Free, M., & Sun, B. (2013). Time-Varying Biases in U.S. Total Cloud Cover Data, JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY, 1, 2838-2849.
  9. Ghasemi, A. R. (2012). Modeling of spatial and temporal variations of cloud cover with emphasis on precipitation in Iran, Supervisor Dr. Ali Akbar Rasouli, University of Tabriz. [in Persian].
  10. Ghasemifar, E., Farajzadeh Asl, M., Ghavidel Rahimi, Y., & Aliakbari Bidokhti, A. A. (2019).Validating MODIS Cloud Mask Based on a Regional Cloud Mask of AVHRR. Physical Geography Research Quarterly, 51(3), 447-468. [in Persian].
  11. Ioannidis, E., Lolis, C.J., Papadimas, C.D., Hatzianastassiou, N., & Bartzokas, A. (2017). On the intra-annual variation of cloudiness over the Mediterranean region. Atmospheric Research, 208, 246- 256.
  12. Kavyani, M. R., & Alijani, B. (2000). The Foundation of Meteorology, Seventh Edition, Tehran: Samt Publications. [in Persian].
  13. Khoshhal Dastjerdi, J. (1997). Synoptic model of climatology for precipitation of more than one hundred millimeters on the southern shores of the Caspian Sea. Tarbiat Modares University. [in Persian].
  14. Menzel, P. W., Frey, R. A., & Baum, B. A. (2015). Cloud Top Properties and cloud phase algorithm Theoretical Basis Document, Version 11.
  15. Minnis, P., Smith, Jr., W.L., & Young, D.F. (2001). Cloud macro-and microphysical properties derived from GOES over the ARM SGP domain. Eleventh ARM Science Team Meeting Proceedings, Atlanta, Georgia, 19-23.
  16. Nazim Sadat, M. J. (2015). Fundamentals of Air and Climatology, Third Edition, University Publishing Center. [in Persian].
  17. Norris, J. (2005). Multidecadal changes in near-global cloud cover and estimated cloud cover radiative forcing, JOURNAL OF GEOPHYSICAL RESEARCH, 110(8), 1-17.
  18. Pirnia, A., Habibnejad Roshan, M., & Solaimani, K. (2015). Investigation of Precipitation and Temperature Changes in Caspian Sea Southern Coasts and Its Comparison with Changes in Northern Hemisphere and Global Scales. Journal of Watershed Management Research, 6(11), 90-100. [in Persian].
  19. Rasooli, A. A., Jahanbakhsh, S., & Ghasemi, A. R. (2013). Investigation of Spatial and Temporal Variations of Cloud Cover in Iran. GeoRes, 28(3), 87-104. [in Persian].
  20. Riihimaki, L.D., Sally, A., & Comstock, J. M. (2012). Climatology and Formation of Tropical Midlevel Clouds at the Darwin ARM Site, J. Climate, 25(19), 6538- 6850. [in Persian].
  21. Rostamzadeh, H., Rasuly, A.A., Wazifedoust, M., & maleki, N. (2020). Evaluation and analysis of the role of the physical properties of the cloud in the probable rainfall amount using satellite data MSG (Case study area: West of Iran). Journal Geography, 24(72), 225-245. [in Persian].
  22. Stordal, F., Myhre, G., Arlander, W., Svendby, T., Stordal, E. J. G., Rossow, W. B., & Lee, D. S. (2004). Is there a trend in cirrus cloud cover due to aircraft traffic? Atmos. Chem. Phys. 5(8), 473–6501.
  23. Stull, R. )2017.( Practical Meteorology: An Algebra-based Survey of Atmospheric Science, version 1.02b,  Univ of British Columbia, Vancouver, Canada.
  24. Wang, P. K. (2013). Physics and dynamics of clouds and precipitation, Cambridge University Press.
  25. Zhang, Y., Lu, H., Shen, S., & Cai, J. (2015). Comment on Do aerosols impact ground observation of total cloud cover over the North China Plain?. Global and Planetary Change, 133, 120-124.
آمار
تعداد مشاهده مقاله: 250
تعداد دریافت فایل اصل مقاله: 177


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب