Journal of Climate Research

Journal of Climate Research

Analysis of autumn precipitation anomalies based on ENSO transition phase at the Iran basins

Document Type : Original Article

Authors
Jalil helali 1
Touran Hosseinzadeh 2
Ebrahim Asadi Oskouei 3
Fatemeh Rabbani 4
Hassan Bakhteyari Nejat 5
Hesam Golbedaghi 5
1 Department of Irrigation and Reclamation Engineering, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran
2 Department of Physical Geography, Shahid Beheshti University, Tehran, Iran
3 Faculty member of atmospheric science research center
4 Department of English Language,, Faculty of Science & Humanities, Hamedan Branch, Islamic Azad University, Hamedan, Iran
5 Beautification and Landscape Organization, Hamedan Municipality, Hamedan, Iran
10.22034/jcr.2025.522521.1699
Abstract
چکیده مبسوط

مقدمه

بارش پاییزه مهمترین متغیر اقلیمی و هیدرولوژیکی در مناطق خشک و نیمه‌خشک جهان به ویژه ایران است که اهمیت زیادی در منابع آب و کشاورزی دیم دارد. تاثیر الگوی بزرگ‌مقیاس ENSO بر بارش پاییزه ایران اثبات شده است (Nazemosadat & Cordery, 2000; Helali et al., 2020 a,b). تاثیر پدیده ENSO بر بارش می‌تواند از طریق فازها، شدت‌ها و انتقال فاز باشد. از دیدگاه مطالعات منابع آب، حوضه آبریز به عنوان مبنای مکانی پایه در نظر گرفته می‌شود. به عقیده محققان مهمترین شاخص دورپیوندی موثر بر بارش پاییزه ایران پدیده ENSO بوده است (Nazemosadat & Cordery, 2000; Mahjoobi et al., 2021; Ahmadi et al.,2022; Ghasemifar et al., 2022; Kheyruri et al., 2024; Alizadeh and Mousavizadeh, 2025). به عقیده محققان تاثیرگذاری ENSO بر بارش‌های ایران می‌تواند از طریق فازهای مختلف (Alizadeh and Mousavizadeh, 2025)، شدت‌های مختلف هر فاز (Helali et al., 2020b; Bahrami et al., 2021) و یا انتقال فاز ENSO باشد (Bahrami et al., 2021). در وضعیت-های انتقال فاز ENSO به دلیل تغییرات دینامیکی مقادیر بی‌هنجاری بارش در مقایسه با فازها و شدت‌های مختلف ENSO نوسان بیشتری خواهد داشت (Bahrami et l., 2021; Builes-Jaramillo et al., 2023; Alizadeh & Mousavizadeh, 2025). به طور خلاصه بررسی آنومالی بارش در فازهای انتقالی ENSO اطلاعات بیشتری در مورد پیچیدگی دینامیکی این پدیده و اثر آن بر بارش نشان می‌دهد (Builes-Jaramillo et al., 2023; Bahrami et al., 2020). در این مطالعات تنها فاز انتقالی النینو-لانینا (لانینا-النینو) مطالعه شده و تاثیر فاز خنثی مورد بررسی قرار نگرفته است. همچنین، مقایسه میانگین بارش به تنهایی قادر به ارائه جزئیات تغییرات بارش نخواهد بود، بنابراین استفاده از شاخص‌های آنومالی و ضریب نوسانات (CV) ضروری است. با توجه به موارد فوق مراحل بررسی میانگین، بی‌هنجاری و CV بارش پاییزه حوضه‌های آبریز ایران در فازهای انتقالی ENSO مورد بررسی قرار گرفت.

مواد و روشها

محدوده مورد مطالعه و داده‌های بارش

محدوده مورد مطالعه حوضه‌های آبریز سطح 3 ایران است که در 6 حوضه اصلی دریای کاسپین (CS)، خلیج‌فارس-دریای عمان (PG)، دریاچه ارومیه (UL)، فلات مرکزی (CP)، مرز شرقی (EB) و قره‌قوم (QQ) قرار دارند و 135 زیرحوضه می-باشد. در این مطالعه از دادههای بارش ماه‌های اکتبر، نوامبر و دسامبر 1200 ایستگاه باران‌سنجی وزرات نیرو، باران‌سنجی و سینوپتیک سازمان هواشناسی جمهوری اسلامی ایران در دوره 1960-2019 استفاده شد که همگن و بدون خلاء آماری بودند. برای تفکیک فازهای انتقالی ENSO شاخص Ocanic Nino Index (ONI) استفاده شد (Glantz et al., 2020). دوره‌های انتقال ENSO شامل خنثی به النینو (NE)، النینو به خنثی (EN)، خنثی به لانینا (NL)، لانینا به خنثی (LN)، لانینا به النینو (LE) و النینو به لانینا (EL) بودند. در این مطالعه میانگین، بی‌هنجاری و ضریب تغییرات بارش ماه‌های اکتبر، نوامبر و دسامبر حوضه‌های آبریز درجه 3 در فازهای انتقالی ENSO مورد محاسبه قرار گرفت. ضریب تغییرات بر اساس معادله زیر استخراج شد:

معادله (1)

که در آن CV ضریب تغییرات (درصد)، StDev انحراف معیار (میلیمتر) و میانگین بارش ماهانه در هر انتقال فاز ENSO می-باشد.

در ادامه بی‌هنجاری نیز با معادله زیر محاسبه گردید (Bahrami et al., 2020, 2021):

معادله (2)

که در آن PA بی‌هنجاری بارش (درصد)، P بارش در فازهای انتقالی ENSO و میانگین بارش می‌باشد.

نتیجه‌گیری

نتایج به دست آمده نشان داد در ماه اکتبر بیشترین و کمترین آنومالی به ترتیب در فازهای انتقالی خنثی-لانینا و النینو-خنثی با مقادیر 0/38+ و 2/20- درصد است، در حالی که بیشترین و کمترین ضریب تغییرات فازهای انتقالی النینو-خنثی و خنثی-لانینا با مقادیر 6/98 و 6/131 درصد است. همچنین، توزیع مکانی ضریب نوسانات بر اساس نوع انتقال فاز ENSO تغییر خواهد کرد به طوری که مقادیر آن در حوضه‌های با اقلیم خشک و نیمه‌خشک بیشتر از حوضه‌های دارای اقلیم مدیترانه‌ای و مرطوب خواهد بود. تحلیل نتایج در ماه نوامبر نشان می‌دهد بیشترین و کمترین آنومالی در فازهای انتقالی خنثی-النینو و خنثی-لانینا با مقادیر 0/28+ و 1/16- درصد رخ داده است، در حالی که بیشترین و کمترین ضریب تغییرات متعلق به فازهای انتقالی لانینا-النینو و خنثی-لانینا با مقادیر 4/87 و 5/63 درصد است. بیشترین ضریب تغییرات در بخش جنوب شرقی و فلات مرکزی دیده می‌شود به طوری که نشان دهنده نوسانات زیاد بارش در مناطق جغرافیایی با اقلیم خشک و نیمه‌خشک می‌باشد. در ماه نوامبر نیز بیشترین و کمترین آنومالی به ترتیب در فازهای انتقالی خنثی-النینو و خنثی-لانینا با مقادیر 3/37+ و 9/65- درصد بودند در حالی که بیشترین و کمترین ضریب تغییرات با مقادیر 7/80 و 1/57 درصد در فازهای انتقالی لانینا-النینو و لانینا-خنثی بود. فراوانی حوضه‌های دارای بی‌هنجاری مثبت و منفی نشان داد در فازهای انتقالی خنثی-النینو، النینو-خنثی و لانینا-خنثی عمده حوضه‌ها بی‌هنجاری مثبت دارند (به ترتیب 134، 111 و 128 حوضه)، اما در فازهای انتقالی خنثی-لانینا و لانینا-النینو بی‌هنجاری منفی در 133 و 99 حوضه رخ داده است. نتایج حاصل از این مطالعه نشانگر تغییر بی-هنجاری‌های بارش پاییزه با تغییر فازهای انتقالی ENSO است. در مطالعات پیشین، آنومالی بارش فازهای انتقالی ENSO تنها محدود به فازهای النینو و لانینا بوده است (Bahrami et al., 2020; 2021; Mokhov & Timazhev, 2022; Builes-Jaramillo et al., 2023) ولی مطالعه کنونی نقش فاز خنثی نیز بارزتر شد. با توجه به تغییرات دینامیکی شدید در وضعیت‌های انتقال فاز ENSO لزوم بررسی بی‌هنجاری بارش در سایر فصول و ماه‌ها بر مبنای ضریب تغییرات در مقیاس حوضه‌های آبریز ضروری به نظر می‌رسد. همچنین تحلیل بی‌هنجاری بارش در فازها و شدت‌های مختلف ENSO و مقایسه آن با وضعیت‌های مختلف انتقال فازی ENSO در مطالعات آتی ضروری است.
Keywords
ENSO transitin phase
precipitation anomaly
coefficient of variation
basin
1-       Ahmadi, M., Kamangar, M., Salimi, S., Hosseini, S. A., Khamoushian, Y., Heidari, S., Moghim, G.M., Saeidi, V., Bakhshi, I., & Yarmoradi, Z. (2022). A new approach in evaluation impacts of teleconnection indices on temperature and precipitation in Iran. Theoretical and Applied Climatology, 150(1), 15-33.
2-       Ahmadi, M., Salimi, S., Hosseini, S. A., Habibi, M., Hosseinzadeh, T., & Yarmoradi, Z. (2025). Introduction to New Synoptic Teleconnection Indexing and their relation to other global forcings and the climate of Iran. Theoretical and Applied Climatology, 156(4), 1-24.
3-       Ahmadi, M., Salimi, S., Hosseini, S. A., Poorantiyosh, H., & Bayat, A. (2019). Iran's precipitation analysis using synoptic modeling of major teleconnection forces (MTF). Dynamics of Atmospheres and Oceans, 85, 41-56.
4-       Alizadeh, O. & Mousavizadeh, M. (2025). Impact of ENSO on extreme precipitation in Southwest Asia. Global and Planetary Change, 244, 104645.
5-       Bahrami, F., Saadatabadi, A.R., Krakauer, N.Y., Mesbahzadeh, T. & Sardoo, F.S. (2021).Synoptic–Dynamic Patterns Affecting Iran’s Autumn. Climate, 9,106.
6-       Bahrami, F., Saadatabadi, A.R., Meshkatee, A.H. & Kamali, G. (2020). The Impact of ENSO Phase Transition on the Atmospheric Circulation, Precipitation and Temperature in the Middle East Autumn. Asia-Pac. J. Atmos. Sci., 56, 439–453.
7-       Builes-Jaramillo, A., Valencia, J., & Salas, H. D. (2023). The influence of the El Niño-Southern Oscillation phase transitions over the northern South America hydroclimate. Atmospheric Research, 290, 106786.
8-       Dong, C., Peings, Y., & Magnusdottir, G. (2024). How do forecast model biases affect large-scale teleconnections that control Southwest US precipitation? Part I: S2S models. Journal of Climate, 37(21), 5409-5426.
9-       Dong, H., Huang, S., Wang, H., Shi, H., Singh, V. P., She, D., Huang, Q., Leng, G., Gao, L., Wei, X.  & Peng, J. (2024). Effects of interaction of multiple large-scale atmospheric circulations on precipitation dynamics in China. Science of the Total Environment, 923, 171528.
10-   Ghasemifar, E., Irannezhad, M., Minaei, F., & Minaei, M. (2022). The role of ENSO in atmospheric water vapor variability during cold months over Iran. Theoretical and applied climatology, 148(1), 795-817.
11-   Glantz, M.H., & Ramirez, I.J. (2020). Reviewing the Oceanic Niño Index (ONI) to Enhance Societal Readiness for El Niño’s Impacts. Int. J. Disaster Risk Sci., 11, 394–403.
12-   Goudarzi, M. , Salahi, B. & Hoseini, S. A. (2015). Study on Effects of Climate Changes on Surface Runoff Changes Case Study: Urmia Lake Basin. Journal of Ecohydrology, 2(2), 175-189.
13-   Goudarzi, M. , Ahmadi, H. & Hoseini, S. A. (2017). Examination of relationship between teleconnection indexes on temperature and precipitation components (Case Study: Karaj Synoptic Stations). Iranian journal of Ecohydrology, 4 (3), 1-25.
14-   Hartman, H., Snow, J. A., Stein, S., Su, B., Zhai, J., Jiang, T., Valentina, K. and Zbigniew, W., 2016. Predictors of precipitation for improved water resources management in the tarim river basin creating a seasonal forecast model. Journal of Arid Environments, 125, 31-42.
15-   Helali, J., Ghaleni, M. M., Hosseini, S. A., Siraei, A. L., Saeidi, V., Safarpour, F., Mirzaei, M. & Lotfi, M. (2022). Assessment of machine learning model performance for seasonal precipitation simulation based on teleconnection indices in Iran. Arabian Journal of Geosciences, 15(15), 1343.
16-   Helali, J., Momenzadeh, H., Oskouei, E. A., Lotfi, M., & Hosseini, S. A. (2021a). Trend and ENSO-based analysis of last spring frost and chilling in Iran. Meteorology and Atmospheric Physics, 133(4), 1203-1221.
17-   Helali, J., Momenzadeh, H., Salimi, S., Hosseini, S. A., Lotfi, M., Mohamadi, S. M., Moghim, G.M., Pazhoh, F. & Ahmadi, M. (2021b). Synoptic-dynamic analysis of precipitation anomalies over Iran in different phases of ENSO. Arabian Journal of Geosciences, 14(22), 2322.
18-   Helali, J., Nouri, M., Mohammadi Ghaleni, M., Hosseni, S. A., Safarpour, F., Shirdeli, A., Paymard, P. & Kalantari, Z. (2023). Forecasting precipitation based on teleconnections using machine learning approaches across different precipitation regimes. Environmental Earth Sciences, 82(21), 495. doi.org/10.3390/cli9070106
19-   Helali, J., Pishdad, E., Alidadi, M., Loukzadeh, S., Asadi Oskouei, E., & Norooz Valashedi, R. (2020a). Investigating the relationship between climate teleconnection indices and autumnal rainfall in Iran watersheds. Iranian Journal of Soil and Water Research, 51(8), 1921-1936.
 
20-   Helali, J., Salimi, S., Lotfi, M., Hosseini, S.A., Bayat, A., Ahmadi, M. and Naderizadeh, S. (2020b). Investigation of the effect of large-scale atmospheric signals at different time lags on the autumn precipitation of Iran’s watersheds, Arabian Journal of Geoscience, 13(18), 1-24.
21-   Jamshidi Khezeli, T., Ranjbar Saadat Abadi, A., Nasr-Esfahany, M. A., Tajbakhsh Mosalman, S., & Mohebalhojeh, A. R. (2022). Autumn and Winter Extreme Precipitation Events and their Relationship with ENSO, NAO and MJO Phases over the West of Iran. Journal of the Earth and Space Physics, 47(4).
22-   Kheyruri, Y., Sharafati, A., & Neshat, A. (2023). Predicting agricultural drought using meteorological and ENSO parameters in different regions of Iran based on the LSTM model. Stochastic Environmental Research and Risk Assessment, 37(9), 3599-3613.
23-   Mahjoobi, E., Bakhshesh Robat, S., & Hosseinpour, M. (2021). A Review of Studies on the Effect of Teleconnections on Precipitation in Iran from 2004 to 2018. Nivar, 45(112-113), 28-43.
24-   Mohammadi, R., Karami, M., Kashki, A., & Ahmadi, M. (2024). Investigating the predictability of precipitation in northeastern Iran with a teleconection approach and using the analysis of changes in sea level pressure patterns on a planetary scale. Journal of Climate Research, 1402(56), 191-206.
25-   Mokhov, I.I.; & Timazhev, A.V., (2022). Seasonal Temperature Extremes in the North Eurasian Regions Depending on ENSO Phase Transitions. Atmosphere 13, 249.
26-   Nazemosadat, M.J. & Cordery, I., (2000). On the relationships between ENSO and autumn rainfall in Iran. International Journal of Climatology, 20, 47-61.
Journal of Climate Research
Volume 1404, Issue 62 - Serial Number 62
Vol. 16 , No. 62, Summer 2025
Autumn 2025
Pages 95-109