شناسایی توده‌های هوای ایران به روش طبقه‌بندی همدید مکانی

نوع مقاله: مقاله پژوهشی

نویسندگان

دانشگاه اصفهان

چکیده

این مقاله به شناسایی و طبقه‌بندی همدید مکانی توده‌های هوای ایران با نگاهی جدید می‌پردازد بطوری‌که تا پایان مرحله محاسبات تیپ‌بندی هوا، از چارچوب روش‌های  SSC[1]و  SSCWE[2]پیروی شده ولی موضوع شناسایی توده‌های هوا و انتخاب روزهای مرجع، با رویکردهای جدیدی مطرح گردیده است.
   در این پژوهش، از نه عنصرشامل ابرناکی روزانه، دمای کمینه و دمای بیشینه، میانگین فشار سطح دریا، کمبود دمای اشباع (12GMT)، دامنه درجه حرارت روزانه، دامنه نقطه شبنم روزانه، حداکثر و حداقل کمبود دمای اشباع مربوط به 63 ایستگاه سینوپتیک در ایران برای تیپ‌بندی هوای هر ایستگاه یا به دست آوردن شاخص همدید زمانی استفاده گردید.پس از تقسیم‌بندی فصلی اقلیم و انتخاب پنجره‌های فصلی، با تشکیل ماتریسی از داده‌های هر ایستگاه (9×16071) و با انتخاب مُد P، تیپ‌بندی هوا با بهره‌گیری از تکینک‌بردارهای ویژه و تحلیل مؤلفه‌های اصلی  و سپس تحلیل خوشه‌ای  انجام گردید. پس از آن گروه‌بندی تیپ‌های هوای ایستگاه‌ها در فصول مختلف با استفاده از دمای پتانسیل مجازی که از نظر هواشناسی عنصری پایستار تلقی می‌شود و همچنین بهره‌گیری از دو رویکرد محاسباتی جدید در انتخاب روزهای مرجع، 13 توده هوای فصلی با ویژگی‌های مختلف شناسایی گردید. نتایج به دست آمده نشان داد که روش‌های انتخاب روزهای مرجع همپوشانی مناسبی با هم داشته و توده‌های هوای منبعث از آن‌ها دارای ویژگی‌های مشابهی می‌باشند. با توجه به میانگین ویژگی‌های توده‌های هوای فصلی ایران، و در مقایسه با طبقه‌بندی ایالات متحده و برژرون مشخص شدکه دو نوع توده DP و MM از طبقه‌بندی آمریکایی و سه نوع توده mE، cP و cA  از تقسیم‌بندی برژرون در بین توده‌های ایران قابل مشاهده نبوده و بنابراین قابل تطبیق نمی‌باشند. از لحاظ مشابهت الگوهای فراوانی توده‌ها در فصول مختلف، می‌توان چهار تیپ الگو را که مبتنی بر فراوانی حضور توده‌ها در مناطق سرزمینی معینی می‌باشند با عناوین 1- تیپ ساحل شمالی 2- تیپ میانه جنوبی – جنوب‌شرق 3-تیپ سواحل جنوبی، شما‌ل‌شرق و شمال‌غرب و 4-تیپ البرز جنوبی و نیمه‌غربی معرفی نمود که هریک توده‌های خاصی را در برمی‌گیرند.



 [1]-Spatial Synoptic Classification


 4-Spatial Synoptic Classification of Western Europe

کلیدواژه‌ها


عنوان مقاله [English]

Recognition of Iran Air Masses by Spatial Synoptic Classification

نویسندگان [English]

  • Ramin Beedel
  • Seyed Abolfazl Masoodian
چکیده [English]

This  study deals with the spatial synoptic classification of Iran air masses through a new approach, so that up to the end of the process for weather typing calculations , the framework of  SSC and SSCWE methods has been used, but the subject of recognizing the air masses and selecting the reference days have been indicated with the new approaches.
In this study, 9 (nine) factors including daily Cloudiness), Minimum and Maximum Temperature, Mean Sea Level Pressure (MSLP), Dew Point (12 GMT) deficit , Daily Temperature Range, Daily Dew Point Range, Maximum And Minimum temperature Saturation Deficit related to 63 synoptic stations in Iran were used for typing each station air or obtaining the spatial synoptic index. Subsequent to climate's seasonal division and defining seasonal windows, a matrix including stations' database (16071*15) in P mode was formed and then weather was classified by using Eigenvectors Techniques, Principal Components Analyzing (PCA) & Cluster Analysis (CA). Subsequently, through classification of various climate types at weather stations in different seasons, 13 types of seasonal air masses of distinct characteristics were identified using virtual potential temperature (VPT), a stable indicator from a meteorological point of view, as well as two new calculation methods of selecting reference days. The results indicated that different methods of selection of reference days are appropriately similar with the derived air masses having similar characteristics.
Given the average characteristics of the seasonal air masses of Iran, and comparing it with American and Bergeron classifications of air masses it was made clear that the MM and DP types of the American classification and the cA, cP and mE types of the Bergeron classification couldn’t be found among the air masses of Iran and therefore those classifications do not apply. In terms of similarity of seasonal air-mass frequency patterns, 4 types of patterns could be identified, which are based on frequency of air-mass presence in specific terrains, each of which include specific masses. These are: 1) Northern Coastal type, 2) Mid-Southern and Southeastern type, 3) Southern Coastal, Northeastern and Northwestern type, and 4) Southern Alborz and Iranian Western Half type.
 

کلیدواژه‌ها [English]

  • Air masses
  • Iran
  • Seed days
  • Spatial synoptic classification
  • Weather types