چکیده:
کاربرد نمایههای اقلیمی معرفیشده توسط تیم متخصصین شناسایی تغییر اقلیم و نمایهها یکی از پرکاربردترین شیوههای تشخیص تغییر اقلیم میباشد. در این پژوهش بهمنظور تشخیص وقوع یا عدم وقوع تغییر اقلیم از دادههای روزانه دما و بارش ایستگاههای سینوپتیک زابل، زاهدان و ایرانشهر طی دوره آماری 2015-1966 استفاده شد. بدین منظور 8 شاخص اقلیمی مرتبط با بارش و 2 شاخص مربوط به دما استفاده و آزمون من-کندال نیز برای تعیین روند و روش تخمینگر شیب سن برای تعیین بزرگی روند بکار گرفته شد. نتایج تحقیق حاکی از روند افزایشی غیر معنیدار در میزان بیشینه دمای بیشینه روزانه در ماه و میزان کمینه دمای کمینه روزانه در ماه میباشد. نمایههای مربوط به بارش نیز در سرتاسر استان کاهشی و بدون روند میباشند. همچنین، نمایه روزهای خشک متوالی در ایستگاه ایرانشهر کاهشی و بدون روند اما در دو ایستگاه دیگر افزایشی و بدون روند میباشد. افزون بر این نیز نمایه روزهای مرطوب متوالی در ایستگاه ایرانشهر دارای روند کاهشی معنیدار و در زابل و زاهدان کاهشی غیر معنیدار میباشد. نمایههای بیشینه بارش یک روزه و پنج روزه نیز کاهشی میباشند که در مورد بیشینه بارش پنج روزه در ایستگاه زاهدان هیچگونه روندی مشاهده نمیشود. بهطورکلی میتوان بیان کرد که شاخصهای اقلیمی مربوط به دما و بارش در منطقه مطالعاتی به ترتیب رو به افزایش و کاهش میباشد. درمجموع با توجه به نبود روند معنیدار در اکثریت قریب به اتفاق شاخصها میتوان نتیجه گرفت که تغییرات و نوسانات رخداده در منطقه مطالعاتی ارتباطی با پدیده تغییر اقلیم ندارد، هرچند که پی بردن به این تغییرات میتواند کمک بسیار شایانی به تصمیمگیری مدیران و برنامهریزان شهری و منطقهای، به خصوص در رابطه با امور مرتبط با توسعه کلانشهرها و کشاورزی و غیره کند.
Regarding the detection of climate change, the long-term series trend of climate parameters such as precipitation and temperature need to be studied. A major part of climate change studies has been conducted through analysis of precipitation, temperature, pressure, humidity time series and their positive or negative trends. Researches indicated that, atmospheric parameters are strongly influenced by the global warming, greenhouse gases, surface phenomena (ocean and land temperature increase), urbanization and urban heat island (Ben.Gai et al., 2001; You et al. 2011). Analysis of time series is an appropriate method used for mathematical modeling, prediction of future events, trend detection of climatic data and missing data reconstruction. Generally, it is said that the trend in the climate indices time series may result from a normal gradual change, climate change or human activities effects (Brooks and Carruthers, 1953). It should be noted that, confirming the existence of a significant trend in time series related to the precipitation or temperature (for example extreme climate indices) cannot be solely a decisive reason for the existence and occurrence of climate change in a region, but it reinforces the assumption of the event, because there are many parameters associated with the control and operation of atmospheric systems (Serrano et al. 1999: 2894). The Mann-Kendall test is one of the most common and widely used nonparametric methods for time series analysis, and it is used to identify the trend changes. This method is widely used to analyze hydrological and meteorological time series trend. The Mann–Kendall test is used for trend analysis in ETCCDI workshops