سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی پژوهش های اقلیم شناسی 2228-5040 1398 38 2020 08 22 Estimation of Probable Maximum Flood (PMF) and Uncertainty Analysis through a Synthetic Approach of Monte-Carlo Simulation and Hydrologic Modeling (Case Study: Qomroud Basin) برآورد و تحلیل عدم قطعیت حداکثر سیل محتمل (PMF) با استفاده از رویکرد ترکیبی شبیه سازی مونت کارلو و مدلسازی هیدرولوژیکی 1 15 113306 FA ابراهیم فتاحی دانشیار پژوهشکده هواشناسی عباس رنجبر سعادت آبادی دانشیار پژوهشکده هواشناسی مجید دلاوری استادیارگروه مهندسی منابع آب دانشگاه تربیت مدرس Journal Article 2020 08 27 A wide spectrum of resulting damages from floods throughout the world, affirms the high importance of design flood determination in order to dam sustainability and targeting to control PMF. This investigation aims to estimate PMF and analyze its uncertainty on Qomroud river basin with respect to flood controlling importance in the region. Hence, for PMF estimation two general approaches are considered as follows: 1) By using statistics and correlation functions between maximum precipitation and maximum inflow values in different return periods, the PMFs corresponding to each PMP are estimated. In the statistical method, by linear regression for PMP and maximum inflow values, the PMF is estimated about 485.5 m3 /s. 2) The PMFs are estimated throughapplication of hydrologic simulation method and rainfall-runoff model by HEC-1.The uncertainty analysis of obtained results from the second approach has been processed by considering available uncertainties in the modeling and input datasets. For this purpose, amplitude and spectrum of uncertainty changes of PMF hydrograph corresponding to the range of changes and various compounds in critical time of PMP occurrence have been defined using uncertainty analysis of derived results through Monte-Carlo flood simulation model. The results indicated the PMF values on the study area will be in a range from 432 to 536 m3/s. ابعاد خسارات حاصل از سیلابها در سطح جهان، حساسیت بسیار بالای انتخاب سیل طراحی به‌منظور حفظ پایداری این تأسیسات و همچنین هدف‌گذاری برای کنترل و مدیریت سیلاب‌های محتمل را نشان می‌دهد. در این مطالعه، به برآورد و تحلیل عدم قطعیت حداکثر سیل محتمل (PMF) حوضه آبریز رودخانه قمرود با توجه به اهمیت مسئله کنترل سیلاب در این منطقه پرداخته شده است. بدین منظور در برآورد حداکثر سیل محتمل دو رویکرد کلی مد نظر قرار گرفت. در رویکرد اول از روش آماری و با توجه به ارتباط بین مقادیر بارش حداکثر و دبی حداکثر لحظهای سیلاب در دوره برگشتهای مختلف، مقادیرPMF متناظر با حداکثر بارش محتمل برآورد گردید. در روش آماری، با توجه به معادله خطی برازش داده شده بر مقادیر حداکثر بارش محتمل برآورد شده در منطقه و دبی حداکثر لحظه، مقادیر دبی حداکثر حدود 8/485 متر مکعب در ثانیه برآورد گردید. در رویکرد دوم برآورد PMF بر اساس روش شبیه سازی هیدرولوژیکی و با استفاده از مدل بارش رواناب HEC-1انجام گرفت. تحلیل عدم قطعیت نتایج حاصل از این رویکرد نیز با لحاظ کردن عدم قطعیتهای موجود در مدلسازی و دادههای ورودی انجام شد. بدین منظور دامنه و باند عدم قطعیت تغییرات هیدروگراف PMF، به ازای دامنه تغییرات و ترکیبهای مختلف از شرایط بحرانی در زمان وقوعPMp با استفاده از آنالیز عدم قطعیت نتایج حاصل از مدل شبیه سازی سیلاب حاصله از PMp به روش شبیه سازی مونت کارلو انجام گردید. نتایج نشان داد مقدار حداکثر سیل محتمل در منطقه مطالعاتی در دامنهای بین432 تا 536 متر مکعب در ثانیه قرار خواهد گرفت.

https://clima.irimo.ir/article_113306_26745db07895490afb056ca638684772.pdf

سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی پژوهش های اقلیم شناسی 2228-5040 1398 38 2020 08 22 Analyzing effect of different statistical downscaling methods on the predicted streamflow in Karaj dam basin under climate change effect بررسی تأثیر روش‌های مختلف ریزمقیاس‌‌سازی آماری بر تغییرات جریان پیش‌بینی‌شده بر اثر تغییراقلیم در حوضه‌ی سد کرج 17 31 113314 FA وحید کیمیاگر دانشجوی دکترای مهندسی عمران-آب، دانشکده عمران، آب و محیط‌زیست، دانشگاه شهید بهشتی 0000-0002-8943-9161 ابراهیم فتاحی دانشیار، پژوهشکده هواشناسی، تهران سعید علیمحمدی دانشیار، دانشکده عمران، آب و محیط‌زیست، دانشگاه شهید بهشتی Journal Article 2020 08 27 Introduction Climate model information usually is in large scales (> 100 km). It is often necessary to use downscaling methods to use this information. Downscaling can be defined as methods which interpret climate information in regional or local scale (10-100 km) from the large grid (>100km) GCMs (Fung et al. 2011). Two main methods of downscaling are dynamical and statistical downscaling. Statistical downscaling methods are less compute-intensive tasks which involve implementing local scale variables as a function of global climate model outputs (Chen et al. 2013). This paper predicts inflow into the Karaj dam reservoir using results of a Global climate model in different climate scenarios and downscaling methods (a total of 32 different runs). Material and methods Climate model and scenarios Intergovernmental Panel on Climate Change (IPCC) introduced four different greenhouse gas concentration (not emissions) trajectories (representative concentration pathways RCP) based on the amount of radiative forcing values at the end of the year 2100 namely RCP 2.6, RCP 4.5, RCP 6.0 and RCP 8.5 which all have been used in this study alongside CSIRO MK 3.6.0 Global Climate model (GCM). Statistical downscaling methods Based on choosing the predictors, observed data or historical GCMs simulation, downscaling methods (DSM) can be divided into two major groups namely Bias Correction (BC) and Change Factor (CF) (Ho, Stephenson et al. 2012, Wang, Ranasinghe et al. 2016). In BC based methods, it is assumed that the change between GCM data and observed data remain constant in time and the CF-based method, it is presumed that change in observed climate variable is same as changes in climate model data, and precipitation occurrence probability will remain constant. For a better estimation of future climate conditions and understand the effect of selecting different downscaling methods two different BC methods and two different CF methods have been explained and used in the study. Karaj dam watershed is located in the central part of Northern Iran in Tehran province between 51.05 and 51.60 degrees North and 35.88 and 36.18 East. It is one of the main supplies of urban and agricultural water demand of Tehran. The area of the watershed is about 846.5 km2 and its average height is about 2826 MASL. Twelve (12) weather stations which had data with proper length were selected over the region. Spatial downscaling was used by averaging 4 grid points near the station. The inflow was predicted for a future period (2013-2045) and compared with both observed and modeled data in the base period (1985-2012). Future temperature and precipitation in different DSM-RCPs have been plotted. Average monthly hydrograph and probability density functions of annual streamflow were compared. Runoff-precipitation simulation has been conducted using IHACRES software. Results The overall trend of temperature in different downscaling methods is rising and the uncertainty related to choosing DSM is more than choosing climate scenario. The range of changing temperature is wider in the CF method and choosing the overall DSM method (BC or CF) is more important than choosing sub-method (MB or VB). Unlike temperature precipitation changes in not similar in different scenarios and DSMs. Although in some scenarios precipitation increases, in others decreases. Despite small differences, it seems that the overall trend of streamflow in the CSIRO model is decreasing. Streamflow in April decreased significantly. The range of streamflow in the future is wider than historical observation and uncertainty especially in extreme events is higher. RCP 8.5 has the greatest streamflow range in the future which shows less reliability in predictions. Discussions For better performance of infrastructures in the future, climate changes and their effect on streamflow should be predicted. This paper investigated the effect of choosing different statistical downscaling methods and climate scenarios (RCP) on the future streamflow in the Karaj dam basin, Tehran, Iran. There are changes in flow pattern and in most scenarios, two peaks in April and May are recorded. Least annual average flow is for RCP 6.0 and the greatest annual average flow is for RCP 2.8. The study showed that for better understanding and prediction of future condition, different downscaling methods should be considered as well as different climate scenarios. Choosing whether the BC or CF method has more effect than MB or VB selection. The paper used different scenarios and methods to predict future streamflow. Probabilistic approach showed the importance of considering uncertainty in streamflow prediction and the possible range of future changes which may be used in defining the reservoir operating rule. اطلاعات مدل‌های اقلیمی اغلب در مقیاس بزرگ (>100 کیلومتر) ارائه می‌گردند و برای استفاده از آن‌ها احتیاج به ریزمقیاسسازی است. این پژوهش عدم قطعیت ناشی از چهار روش مختلف ریزمقیاس سازی آماری را بررسی و نتایج را در سناریوهای مختلف اقلیمی ارائه کردهاست. به همین منظور نتایج مدل CSIRO MK3.6 در چهار سناریو تابشی 6/2، 5/4، 0/6 و 5/8 در نظر گرفته‌شده است. جریان ورودی در دوره-ی آینده (2013-2045) محاسبه و با اطلاعات تاریخی و داده‌های شبیه‌سازی‌شده مدل در دورهی پایه (1985-2012) مقایسه شده است. هیدروگراف متوسط ماهانه جریان و تابع توزیع احتمالاتی جریان، دما و بارش رسم و مقایسه شده است. روند کلی دما در آینده افزایشی است اما بارش روند منظمی ندارد و در برخی از مدل سناریوها کاهشی و در بعضی دیگر افزایشی است. این مطالعه نشانداد که برای دسترسی به طیف کامل‌تری از آینده‌های محتمل علاوه بر سناریوهای اقلیمی مختلف، روش‌های گوناگون ریزمقیاسسازی نیز باید در نظرگرفته شوند. نتایج حاکی از آن است که میزان تغییرات جواب در روشهای ریزمقیاس سازی با اصلاح اریبی و عامل تغییر با یکدیگر دارای تفاوت معنیدار است و انتخاب نوع روش (بر پایه میانگین یا بر پایه واریانس) تاثیر کمتری نسبت به روشهای ذکر شدهدارد. همچنین این مطالعه پیشبینی میکند که در آینده میزان جریان در ماه آوریل کاهش‌یافته و روند کلی جریان از یک پیک در ماه آوریل به دو پیک متوالی در ماه‌های آوریل و مه می‌رسد.

https://clima.irimo.ir/article_113314_cde26696f75e276fadaa378c0d10fd35.pdf

سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی پژوهش های اقلیم شناسی 2228-5040 1398 38 2020 08 22 Analysis of Local Factors in Wind Pattern in Urmia Lake basin واکاوی اثر عوامل محلی در الگوی جریان باد در منطقه دریاچه ارومیه 33 48 113318 FA مصطفی کریمی هیات علمی دانشگاه تهران 0000-0001-7820-6728 علی اکبر شمسی پور استادیار اقلیم شناسی، گروه جغرافیای طبیعی، دانشکده جغرافیای دانشگاه تهران، فرامزر خوش اخلاق دانشیار اقلیم شناسی، د گروه جغرافیای طبیعی، انشکده جغرافیای دانشگاه تهران زهرا زارعی چقابلکی دانشجوی دکترای اقلیم شناسی، گروه جغرافیای دانشگاه لرستان Journal Article 2020 08 27 Introduction The effective factors in formation of atmospheric elements in local and regional scales usually have been trimming and smoothing roles. The identification of wind formation patterns in Uremia lake basin is an important issue for many management and regional planning affairs. In this context: Steven et al. (1992), Neil et al (2003), Zawarreza (2004), Luhar& Hurley (2004) and Kardane et al (2009) can be referred. Various studies have been done related to Urmia basin in generally, but there isn't almost any research about the formation mechanism of regional winds and the effect of local factor on it. In the study we tend to investigate the mechanism of local wind formation in Urmia basin using mesoscale climatic models. Materials and Methods Urmia Lake is a salt lake in the northwestern of Iran. The lake is between the provinces of and West Azerbaijan in Iran, and the southwest of the portion of Caspian Sea. At its full size, it is the largest lake in the Middle East and the sixth largest saltwater lake on earth with a surface area of approximately 5,200 km² (2,000 mile²), 140 km (87 mi) length, 55 km (34 mi) width, and 16 m (52 ft.) depth it is located in high of 1275 meters above sea level Firstly, the data of daily wind of Stations around Lake Urmia has processed in Excel and then the hourly Wind Rose is designed for them. Then using network reanalysis databases of NCEP/NCAR for recognize and analysis atmospheric pressure systems and air masses interring to the basin of Lake Urmia were done. So have been selected 21 typical samples for warm season and 18 typical samples for cool season. The synoptic analysis for selected typical samples were done and finally using the air pollution model (TAPM) as a mesoscale atmospheric model for analyzing these samples. Results and Discussion The selected samples presented in table 4. Also using climatic model for analyzing of atmospheric situation in the days which the local factors are dominance. Finally using synoptic and statistical methods to analysis the results. 14 February. 2003: In this day the statistical investigation of wind data in particular speed and direction of wind indicated that the local factors are main component which control the winds characteristics. The atmospheric barotropic condition and regular fluctuations in daily temperature is the main signal of this local factors dominance. The slope of isobars in our study region is very small. 28 July 2006: The wind situation of the stations which located around the Urmia Lake is homogeny so that 4 meteorological station namely, Tabriz, Khoy, Urmia and Maraghe have strong Morning wind. The high pressure from the north can be seen in the area in this day which cause increase the slope of isobars in this region. Mountainous chain directions and topographic situation play an important role in the patterns of wind blowing. 1August 2003: The condition of wind blowing in surrounding stations of Urmia Lake are not homogeny in this day. Two stations from three investigated stations with names Tabriz and Urmia, have strong morning wind from north and east while Maraghe station has southeastern weak wind and Mahabad and Khoy stations have calm air conditions. 8 October 2006: In this day according the table 6 the condition of wind blowing in surrounding station of Urmia Lake is not homogeny. Two stations form 5 investigated weather stations namely Tabriz and Urmia, have strong morning wind from north and two stations of them namely Maraghe and Khoy weather stations are calm air in morning and in midday have southeastern direction winds. And in Mahabad weather station calm air condition was recorded. This heterogenic condition indicated the influent of local factors. Conclusion In this paper we intend to detect the effects of local factors in formation of local and regional winds in Urmia Lake basin. For this propose have been investigated four typical days that the local winds were observed. Our funding indicated that in all four typical samples days the weak trough that associated westerly is dominance in our study region due to it the low speed wind entering to our study region. Also using TAPM and its numerical and graphical outputs show the topographical condition in our study region can affect the direction of these entrance winds. Also we observed the north south channeled wind in our study region and formation of divergence core according to direction of topography is very attractive. The lake ward slopes of mountain and the height difference between Lake Surface and mountains is very important in formation of local winds. وزش باد در هر منطقهای تابع عوامل مختلفی در مقیاسهای سیارهای، منطقهای و محلی است و عامل اصلی انتقال جرم (رطوبت، ذرات جامد و .. ) و سایر ویژگیهای هوا از منطقه‌ای به منطقه دیگر است. در این مطالعه، با بهرهگیری از دادههای سه ساعتی جهت و سرعت باد در ایستگاههای همدید اطراف دریاچه ارومیه و با استفاده از مدل میانمقیاس آلودگی هوا TAPM به واکاوی اثر عوامل محلی در شکلگیری بادها در این منطقه پرداخته شد. به این منظور، با انتخاب روزهای با شرایط بادهای محلی از دادههای سه ساعتی ایستگاه‌های هواشناسی (ارومیه، تبریز، خوی، مراغه و مهاباد، در 6 روز) با تأکید بر تغییر جهت وزش در طول شبانه روز، سرعت باد، دما و رطوبت برای بادهای محلی انتخاب شد. نتایج نشان داد که در 4 نمونه مورد بررسی ناوه کم عمقی با حاکمیت بادهای غربی در منطقه حاکم بوده که موجب ورود باد با سرعتهای کم و سرعت تقریبی حدود 4 متربرثانیه به منطقه گردیده است. بادهای حوضۀ دریاچه ارومیه تحتتأثیر عوامل مختلف دارای پیچیدگی زیاد و تغییرات مکانی و زمانی شدید در جهت و شدت وزش است. خروجی های مدل گویای این است که امتداد کوهستانها بیشتر از هر عامل دیگر همچون دریاچه ارومیه در شکلگیری بادهای محلی مؤثر هستند و چاله دریاچه در کانالیزه کردن بادهای شمالی یا جنوبی منطقه در رابطه با بادهای محلی نقش دارد. این شرایط باعث شکلگیری هستههای متعدد واگرایی و همگرایی مطابق با راستای ارتفاعات در منطقه مطالعاتی میشود. همچنین شیب ارتفاعی به سمت دریاچه و اختلاف ارتفاع زیاد با کوهستانهای پیرامون مهمترین عامل مؤثر در شکلگیری بادها در زمانهای مورد مطالعه است.

https://clima.irimo.ir/article_113318_6b51838577534d37c39643ef07fe735c.pdf

سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی پژوهش های اقلیم شناسی 2228-5040 1398 38 2020 08 22 Comparative comparisons of precipitation obtained from TRMM, GPM and Doppler radars with ground station data (Case Study of Surface Wave from October 26 to 28, 2015 in Western Iran) مقایسه تطبیقی بارش بدست آمده از ماهواره‌های TRMM،GPM و رادار داپلر با داده‌های ایستگاه‌های زمینی (مطالعه موردی بارش فراگیر 26 تا 28 اکتبر 2015 در غرب ایران) 49 61 113319 FA هاشم رستم زاده دانشجوی دکتری آب و هواشناسی ماهواره ای دانشگاه تبریز علی اکبر رسولی استاد گروه آب و هواشناسی دانشگاه تبریز مجید وظیفه دوست استادیار گروه مهندسی آب دانشگاه گیلان ناصر ملکی رئیس پژوهشکده هواشناسی آب ایلام / سازمان هواشناسی کشور Journal Article 2020 08 27 Introduction: Precipitation is considered to be the most important phenomenon because the precipitation process is associated with atmospheric synoptic systems, energy interactions between the Earth's surface and the oceans. Today, various methods are used to predict the phenomenon of precipitation. The traditional method or synoptic analysis is the most basic of the predictive methods Subsequently, with the expansion of atmospheric models, rainfall prediction numerical methods were used which due to the general and spatial extent, errors are sometimes found in their estimation. Meteorological radars were used to increase the precision of accuracy These radars were used to calculate cloudy precipitation water. The advantage of using rainfall sensing methods is to better understand the phenomenon of rainfall and its effective parameters in a wide spatial range. For this reason, researchers are now investigating the rainfall estimation using satellite imagery. This research was carried out to evaluate the data of TRMM satellite, GPM satellite and radar data of Kermanshah and compare the data recorded in the stations in the heavy rain November 2012 in the western part of the country and to verify the accuracy of estimated precipitation of the data The satellite is done. area of study: The area of study area is 89505 km2, which is about 5/5% of the total area of Iran. This region is located in western Iran, in the range of 45 degrees and 24 minutes to 49 degrees and 36 minutes east, and 31 degrees 58 minutes to 36 degrees and 30 minutes north. From northwest to western province of Azarbaijan, south of Khuzestan Province and east to Lorestan and Central provinces and west to Iraq. The study area is located in the western slopes of Zagros. materials and methods: The data sets used in this research are: 1- Doppler Meteorological Radar Information: Iran's Meteorological Organization is developing a Doppler Meteorological Radar Matrix across Iran with the highest concentration of radars in the provinces of western, north and south of Iran. The data used in this study was collected using Kermanshah radar, one of three western weather radars of Iran. 2- Weather station info: In this research, ten weather stations located in four provinces of Kermanshah, Ilam, Kordestan and Hamedan were used. 3- GPM Satellite Information: The satellite's information is available on a daily basis and every two hours. Through NASA, data on wave activity days was extracted. 4-TRMM Satellite Information: The satellite is available every day and every three hours. Through the GIOVANNI site, information about the days of wave activity was extracted. Discussion: There is a very good correlation between satellite-radar data and ground stations. The Pearson correlation coefficient between the mean and maximum rainfall data of the Kermanshah meteorological radar with its corresponding data on GPM and TRMM satellites is equal to 0.813 and 0.888 for GPM 0.821 and 0.873 ** for TRMM And statistically significant at 1% level. In general, it can be concluded that Kermanshah weather forecast radar data have a good correlation with satellite precipitation data in determining rainfall rainfall and location of rainfall. It was also discovered that the Kermanshah meteorological radar, between 225 and 360 degrees, around its antenna, in the position of the Ilam and Kermanshah provinces, And also between the angles of 90 to 135 degrees, the west of the Kurdistan province of Iran and parts of Iraq. Discussion and Conclusion: Rainfall as an input element is often considered climatic, atmospheric and hydrological. If you need to study macros, access to a large and homogeneous database is essential. For this purpose, satellite data can be used as a relatively desirable source. In the present study, accuracy of precipitation data of GPM, TRMM and Droppler radar of Kermanshah was evaluated with ground station data. The determination coefficients at a significant level of 5% indicate that the equations between rainfall data recorded in the regional stations, satellite and radar are meaningful, so that the determination coefficient between the GPM satellite data and the Doppler radar and the radar with the TRMM satellite The stations of the region with GPM and TRMM satellites were 0.75, 0.73, 0.59 and 0.58, respectively. The above correlations indicate that satellite precipitation data is a linear regression between observed values and correctional satellite values and is applicable to meteorological and hydrologic studies. In general, the results of this research show that satellite data after applying the coefficient and simple corrections are well-considered and can be used in different fields. این تحقیق تلاش میکند که نشان دهد تا چه حد دادههای بدست آمده از ماهوارههای GPMو TRMMو رادار هواشناسی داپلر در غرب ایران با دادههای ثبت شده ایستگاههای زمینی همخوانی دارد. برای این کار بارش شدید 26 تا 28 اکتبر 2015 به عنوان رخداد فراگیر غرب کشور ( استانهای ایلام، کرمانشاه، همدان و کردستان) در نظر گرفته شد. بدین منظور ضمن جمع آوری داده ها از سازمان هواشناسی کشور و سایت Giovanii و سایت ناسا، پایگاه اطلاعاتی دادههای بارش مربوط به ماهوارههای GPM و TRMM در نرم افزار MATLAB ایجاد شد. در ادامه پایگاه داده مربوط به دادههای رادار داپلر و دادههای زمینی مربوط به ایستگاههای هواشناسی منطقه مورد مطالعه به آن اضافه گردید. روش مورد استفاده در این تحقیق استفاده از ضریب تعیین و همبستگی مربوط به این چهار متغیر میباشد. پس از بررسیهای لازم، ضرایب تعیین نشان از معنیدار بودن روابط بین دادههای بارش ثبت شده در 10 ایستگاه منتخب منطقه و ماهواره هایGPM ، TRMMو رادار داپلر دارد بر همین اساس ضریب تعیین بین داده ماهواره های GPM، TRMMو رادار داپلر به ترتیب 75/0 و 73/0 و ایستگاههای زمینی منتخب با ماهواره های GPMو TRMMبه ترتیب59/0 و 58/0بوده است. بررسیها نشان از اختلاف بسیار اندک بین دادههای ماهوارههای GPMو TRMMدارد.

https://clima.irimo.ir/article_113319_3efc71a478ebec01f096f715ac03f25c.pdf

سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی پژوهش های اقلیم شناسی 2228-5040 1398 38 2020 08 22 Evaluation of Grid reanalysis products of the European Centre for Medium Range Weather Forecasts (ECMWF datasets) in Different Climatic Regions of Iran ارزیابی تولیدات شبکه‌ای تحلیل مجدد پایگاه اروپایی پیش بینی های میان مدت جوی ECMWF در مناطق اقلیمی مختلف ایران 63 76 113320 FA اعظم عربی یزدی گروه مهندسی آب-دانشکده کشاورزی- دانشگاه فردوسی مشهد-ایران حسین ثنایی نژاد استاد گروه علوم و مهندسی آب- دانشکده کشاورزی- دانشگاه فردوسی مشهد عباس مفیدی استادیار، گروه جغرافیا- دانشگاه فردوسی مشهد 0000-0002-5050-0033 Journal Article 2020 08 27 Introduction: The lack/inadequacy of climate observational data in different regions can lead to lack of awareness in different climates and low management power in the fields of meteorology, hydrology and agriculture. Today, the development of centers for forecasting and modeling of climatic data has provided access to almost real-time data. Reanalysis data is used in conjunction with static data, or in non-data locations, for instances, The European Centre for Medium-Range Weather Forecasts (ECMWF). The results of MCEVOY et al. (2014) studies on evaluation of 4 network databases with observations showed that the type of climate variable and the spatial resolution of network data has an impact on the results of statistical comparisons. Another Study have shown that ERA-Interim data has a very high accuracy in predicting rainfall in many parts of Iran and its error rate is low and can be neglected in over 70% of the stations studied. The result of the temporal-spatial accuracy of the rainfall data base of the ECMWF on Iran showed that not only the time synchronization but also the amount of similarity was very similar between the estimated values of the ECMWF data base and observed rainfall (Darand & Karimi, 2015). Regarding the advantage of using grid data and examining the possibility of using them, this study evaluates the accuracy of the ECMWF (ERA-Interim) reanalysis data on rainfall estimation and temperature variables in regions with diverse climates in Iran. Materials and Methods: 2.1. Study area Five areas of climate diversity (Rasht, Mashhad, Birjand, Bushehr, Kermanshah) are considered in the country. These are located in North, North-East, East, South and west East exponents of Iran. 2.2. Data Daily reanalysis data from precipitation, average temperature, maximum and minimum temperature and dew point temperature from the ERA-Interim database with synoptic stations data at corresponding geographic locations for the statistical years 2015 to 2017 and with The spatial resolution of 0.5 * 0.5 degrees were used. In order to compare, the correlation coefficients (R2), RMSE and NRMSE, the mean bias error (MBE), Nash–Sutcliffe model efficiency coefficient (N_S) and residual coefficient (CRM) were used. Results and Discussion: The cumulative rainfall in the corresponding coordinates of each station from the ERA-interim model shows a similar trend with the measured data and shows good rainfall fluctuations. Checking the linear regression models fitted between the studied variables (observational and predictive values of the ERA-interim model) indicates that these models are meaningful. The range of R2 for the maximum daily temperature and average temperature variables is above 90%. On average, the lowest and highest standard errors are estimated for precipitation in Birjand and Rasht stations, respectively. In addition, the best result of correlation of Tdew was found in Mashhad station and over/under estimation was shown in Birjand and Rasht respectively. It seems that model has less error for estimating average temperature and maximum temperature. The RMSE range of precipitation is at the selected stations (1.3-7.25) mm. NRMSE with the observed distance indicates that model accuracy is high in predicting rainfall values at all stations, and the error rate varies from 5 to 10%. The range of N-S efficiency at stations and various variables is between -0.3 and -0.9. The distribution of points around the line 1:1 for variables indicates a good relationship between observational data and the ERA-interim model. Pearson correlation coefficients vary from 0.7 to 0.99 and indicate a strong positive linear relationship between observational values and the ERA-interim model in various variables. The slope of the regression equation is between 0.95 and 1.05, which indicates a good relationship between the two data and the high ability of the model. High values of r coefficient show a strong correlation between two time series of data. Regarding the spatial distribution of selected stations, there is a high correlation between the daily time series and observational values and model predictions in all variables that have been investigated by Karimi (1394), Ratii and Sotoudeh (1396), and Sharifi et al 2016) and MCEVOY et al (2014). Conclusion: In general, the model has been able to simulate the process of time variation of different variables at selected stations, and the accuracy of the model is acceptable. According to the results of this research, the data of this model can be used along with the station data. This study highlights the importance of conducting spatial analysis of observations and potential measurement errors in order to obtain an understanding of the potential deviations of network data before being used in hydro-climatic applications. نبود یا عدم کفایت آمار مشاهداتی اقلیمی در مناطق مختلف میتواند منجر به عدم آگاهی لازم در اقلیمهای مختلف و توان پایین مدیریت در زمینههای هواشناسی، هیدرولوژی و کشاورزی شود. امروزه توسعه مراکز پیش بینی و مدلسازی دادههای اقلیمی امکان دسترسی به دادههای تقریبا به هنگام را فراهم کرده است. در این پژوهش از داده های تحلیل مجدد پایگاه اروپایی پیش بینی های میان مدت جوی(ECMWF)، برای پنج ناحیه معرف تنوع اقلیمی در کشور(شمال، شمال شرق، شرق، جنوب و غرب) و متغیرهای دمایی(دمای حداقل، دمای میانگین، دمای حداکثر و دمای نقطه شبنم) و بارش در موقعیتهای جغرافیایی متناظر با ایستگاههای سینوپتیک (2017-2015) با قدرت تفکیک مکانی 0.5*0.5 درجه مورد مقایسه آماری قرار گرفت. دامنه R2 برای متغیرهای حداکثر دمای روزانه و میانگین دما، بالای 90 درصد است. به نظر میرسد به طور متوسط مدل در برآورد دمای میانگین و دمای حداکثر خطای کمتری را دارد. دمای نقطه شبنم مدل در ایستگاه مشهد همبستگی قوی و مثبتی با مشاهدات دارد و برای ایستگاههای بیرجند و رشت به ترتیب بیش و کم برآورد دیده شد. دامنه تغییرات ضریب کارایی در ایستگاهها و متغیرهای مختلف بین 3/0- و 9/0 است. پراکنش نقاط پیرامون خط وایازش برای متغیرها نشاندهنده ارتباط خوب بین دادههای مشاهدهای با مدل ERA-interim است. همبستگی بالای سری زمانی روزانه بین مقادیر مشاهده ای و پیش بینی مدل در همه متغیرها بین 0.7 تا 0.99 متغییر است و نشان دهنده ارتباط قوی خطی مثبت بین مقادیر مشاهده ای و مدل را نشان میدهد. به طور کلی مدل بخوبی توانسته روند تغییرات زمانی متغیرهای مختلف را در ایستگاههای منتخب شبیه سازی کند و دقت مدل در حد قابل قبول است. با توجه به نتایج حاصل از این پژوهش، میتوان از دادههای این مدل در کنار دادههای ایستگاهی و یا برای مناطق با تراکم ایستگاه کم و فاقد ایستگاه استفاده نمود.

https://clima.irimo.ir/article_113320_5b006be1d7d171cc2812b49e5718b447.pdf

سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی پژوهش های اقلیم شناسی 2228-5040 1398 38 2020 08 22 ERA-Interim بررسی قدرت تفکیک مکانی مناسب داده‌های بارش روزانه پایگاه ERA-Interim در شمال شرق ایران 77 92 113321 FA عاطفه عرفانی دانشجوی دکترا اقلیم شناسی دانشگاه حکیم سبزواری ایمان بابائیان استادیار، پژوهشکده اقلیم شناسی، مشهد علیرضا انتظاری استادیار، دانشگاه حکیم سبزواری Journal Article 2020 08 27 Introduction Climate model information usually is in large scales (> 100 km). It is often necessary to use downscaling methods to use this information. Downscaling can be defined as methods which interpret climate information in regional or local scale (10-100 km) from the large grid (>100km) GCMs (Fung et al. 2011). Two main methods of downscaling are dynamical and statistical downscaling. Statistical downscaling methods are less compute-intensive tasks which involve implementing local scale variables as a function of global climate model outputs (Chen et al. 2013). This paper predicts inflow into the Karaj dam reservoir using results of a Global climate model in different climate scenarios and downscaling methods (a total of 32 different runs). Material and methods Climate model and scenarios Intergovernmental Panel on Climate Change (IPCC) introduced four different greenhouse gas concentration (not emissions) trajectories (representative concentration pathways RCP) based on the amount of radiative forcing values at the end of the year 2100 namely RCP 2.6, RCP 4.5, RCP 6.0 and RCP 8.5 which all have been used in this study alongside CSIRO MK 3.6.0 Global Climate model (GCM). Statistical downscaling methods Based on choosing the predictors, observed data or historical GCMs simulation, downscaling methods (DSM) can be divided into two major groups namely Bias Correction (BC) and Change Factor (CF) (Ho, Stephenson et al. 2012, Wang, Ranasinghe et al. 2016). In BC based methods, it is assumed that the change between GCM data and observed data remain constant in time and the CF-based method, it is presumed that change in observed climate variable is same as changes in climate model data, and precipitation occurrence probability will remain constant. For a better estimation of future climate conditions and understand the effect of selecting different downscaling methods two different BC methods and two different CF methods have been explained and used in the study. Karaj dam watershed is located in the central part of Northern Iran in Tehran province between 51.05 and 51.60 degrees North and 35.88 and 36.18 East. It is one of the main supplies of urban and agricultural water demand of Tehran. The area of the watershed is about 846.5 km2 and its average height is about 2826 MASL. Twelve (12) weather stations which had data with proper length were selected over the region. Spatial downscaling was used by averaging 4 grid points near the station. The inflow was predicted for a future period (2013-2045) and compared with both observed and modeled data in the base period (1985-2012). Future temperature and precipitation in different DSM-RCPs have been plotted. Average monthly hydrograph and probability density functions of annual streamflow were compared. Runoff-precipitation simulation has been conducted using IHACRES software. Results The overall trend of temperature in different downscaling methods is rising and the uncertainty related to choosing DSM is more than choosing climate scenario. The range of changing temperature is wider in the CF method and choosing the overall DSM method (BC or CF) is more important than choosing sub-method (MB or VB). Unlike temperature precipitation changes in not similar in different scenarios and DSMs. Although in some scenarios precipitation increases, in others decreases. Despite small differences, it seems that the overall trend of streamflow in the CSIRO model is decreasing. Streamflow in April decreased significantly. The range of streamflow in the future is wider than historical observation and uncertainty especially in extreme events is higher. RCP 8.5 has the greatest streamflow range in the future which shows less reliability in predictions. Discussions For better performance of infrastructures in the future, climate changes and their effect on streamflow should be predicted. This paper investigated the effect of choosing different statistical downscaling methods and climate scenarios (RCP) on the future streamflow in the Karaj dam basin, Tehran, Iran. There are changes in flow pattern and in most scenarios, two peaks in April and May are recorded. Least annual average flow is for RCP 6.0 and the greatest annual average flow is for RCP 2.8. The study showed that for better understanding and prediction of future condition, different downscaling methods should be considered as well as different climate scenarios. Choosing whether the BC or CF method has more effect than MB or VB selection. The paper used different scenarios and methods to predict future streamflow. Probabilistic approach showed the importance of considering uncertainty in streamflow prediction and the possible range of future changes which may be used in defining the reservoir operating rule. در این پژوهش دقت 11 سری از داده‌های بازکاوی روزانه ERA-Interim مربوط به مرکز اروپایی پیش‌بینی‌های میان‌مدت ECMWFبا تفکیک‌های مکانی 125/0 ، 25/0، 4/0، 5/0، 75/0، 1، 125/1، 5/1، 2، 5/2 و 3 درجه با داده‌های مشاهداتی 17 ایستگاه هواشناسی شمال شرق(خراسان شمالی، خراسان رضوی، خراسان جنوبی)، در یک دوره زمانی 26 ساله (2015-1990) موردبررسی قرار گرفت. برای این منظور از آماره‌های ضریب تبیین، شاخص توافق، اُریبی نسبی و NRMSE استفاده شد. نتایج نشان دادند که بر اساس آماره NRMSE دقت تمامی تفکیک‌های مکانی موردمطالعه زیر 10 قرار دارد که در محدوده عالی می باشد، اما سری داده‌های با تفکیک مکانی 4/0 درجه در سه نمایه آماری دیگر( ضریب تعیین،اریبی نسبی و ضریب توافق) بهترین عملکرد را دارا است و هماهنگی بهتری در مقایسه با سایر داده‌های ERA-Interim دارد و می‌تواند برای تکمیل خلاءهای آماری و مناطق فاقد آمار مورداستفاده قرار گیرد. در سری داده‌های با تفکیک مکانی 4/0 درجه، بیشترین ضریب تبیین در بین ایستگاه‌های موردمطالعه در ایستگاه مشهد مشاهده شد که ممکن است ناشی از بالا بودن بارش آن، پایین بودن تغییرپذیری بارش آن در مقایسه با سایر ایستگاه‌ها و نیز سابقه آماری بالای این ایستگاه و لحاظ داده‌های آن در سامانه داده‌گواری جهانی داده‌ها است که به‌عنوان داده‌های پایه در آغازگری مدل پیش‌بینی عددی ECMWFاستفاده می‌شود. کمترین مقدار نرمال شده جذر میانگین مربع خطاها در ایستگاه‌های تقریباً پربارش شمالی منطقه شامل مشهد، بجنورد و قوچان و بیشترین خطای مقدار نرمال شده جذر میانگین مربع خطاها در ایستگاه‌های تقریباً خشک و کم بارش مشاهده شد. رفتار شاخص توافق کم و بیشتر شبیه NRMSE است. قدر مطلق بایاس نسبی در تمامی ایستگاه‌های کمتر از 01/0 است که بیشترین خطای مربوطه در ایستگاه‌هایتقریباً کم بارش مرکز و جنوب منطقه مشاهده شد. با توجه به یافته‌های این پژوهش، داده‌های بازکاوی روزانه ERA-Interim با تفکیک مکانی 0.4 درجه می‌توانند برای تکمیل خلاءهای آماری و مناطق فاقد آمار بارش در خراسان مورداستفاده قرار گیرد.

https://clima.irimo.ir/article_113321_0539db8ed8a2b48c90cfac095f6e9e2e.pdf

سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی پژوهش های اقلیم شناسی 2228-5040 1398 38 2020 08 22 Using the AHP method in site selecting of the Road Meteorological Stations for the main roads of Khorasan Razavi province بکارگیری روش AHP در جانمائی ایستگاه هواشناسی جاده ای در محورهای ارتباطی استان خراسان رضوی 93 111 113324 FA سینا صمدی مدیر گروه پژوهشی اقلیم شناسی بلایای جوی، پژوهشکده اقلیم شناسی مجید حبیبی نوخندان دانشیار، پژوهشکده اقلیم شناسی احسان فرشته پور کارشناسی ارشد، سازمان مسکن و شهرسازی خراسان رضوی شراره ملبوسی عضو گروه پژوهشی اقلیم شناسی بلایای جوی، پژوهشکده اقلیم شناسی دانا علیزاده پژوهشکده اقلیم شناسی Journal Article 2020 08 27 Today, road traffic management is highly dependent on accurate and up-to-date road weather data, so the accuracy of more data that is taken from the stations, will be increase the accuracy of the decisions. Therefore, site selecting of the stations has a significant impact on the accuracy of the data obtained from them.Two factors, number and type of appropriate distribution of weather stations, play an essential role in determining and computing the meteorological data of a basin. Several factors affect the location of a road-weather meteorological station, such as environmental factors and climate Data, topography of elevation, slope, shadow, vegetation, environmental lighting, access to facilities such as electricity and telephone, etc. In this regard, the present study, based on descriptive-analytical method and with emphasis on its practical aspect, is trying to find in Khorasan Razavi province, that is one of the most populous provinces of the country in terms of road traffic and incidents Road and it is aimed at locating the meteorological stations of the road in its main ways of communication. Geographic Information System software has been used to determine the optimal location point. Therefore, after the required layers are provided, the mentioned indices, since each layer has a different value and importance in identifying the appropriate location, therefore, the fuzzy logic method and the AHP hierarchy analysis to prioritize the proposed points has been used. After performing the steps and applying models, suitable points were identified from the environmental, climate, traffic and risk perspectives. Abstract: Today, road traffic management is highly dependent on accurate and up-to-date road weather data, so the accuracy of more data that is taken from the stations, will be increase the accuracy of the decisions. Therefore, site selecting of the stations has a significant impact on the accuracy of the data obtained from them.Two factors, number and type of appropriate distribution of weather stations, play an essential role in determining and computing the meteorological data of a basin. Several factors affect the location of a road-weather meteorological station, such as environmental factors and climate Data, topography of elevation, slope, shadow, vegetation, environmental lighting, access to facilities such as electricity and telephone, etc. In this regard, the present study, based on descriptive-analytical method and with emphasis on its practical aspect, is trying to find in Khorasan Razavi province, that is one of the most populous provinces of the country in terms of road traffic and incidents Road and it is aimed at locating the meteorological stations of the road in its main ways of communication. Geographic Information System software has been used to determine the optimal location point. Therefore, after the required layers are provided, the mentioned indices, since each layer has a different value and importance in identifying the appropriate location, therefore, the fuzzy logic method and the AHP hierarchy analysis to prioritize the proposed points has been used. After performing the steps and applying models, suitable points were identified from the environmental, climate, traffic and risk perspectives. امروزه مدیریت های ترافیک جاده ای وابستگی بسزائی به اخذ صحیح و بهنگام داده های هواشناسی جاده ای داشته بطوریکه هر چه داده های که از ایستگاه ها برداشت می شود دارای دقت بالاتری باشد، میزان صحت تصمیم گیری ها نیز بالاتر خواهد رفت. از این رو تعیین محل جای گیری ایستگاه ها تاثیر بسزائی بر دقت داده های حاصل از آنها دارد. دو عامل تعداد و نوع توزیع مناسب ایستگاه های هواشناسی جاده ای، نقش اساسی را در تعیین و محاسبه داده های هواشناسی یک حوضه ایفا می کنند. عوامل متعددی بر روی مکانیابی یک ایستگاه هواشناسی جاده ای تاثیرگذار بوده مانند عوامل محیطی و توپوگرافی ارتفاع، شیب، سایه، پوشش گیاهی، روشنایی محیطی، دسترسی به امکاناتی نظیر برق و تلفن و ... . در این راستا پژوهش حاضر بر اساس روش توصیفی- تحلیلی و با تاکید بر جنبه کاربردی آن، سعی بر آن دارد تا در استان خراسان رضوی که یکی از پر رفت و آمدترین استان های کشور از منظر ترافیک جاده ای محسوب گردیده و به لحاظ وقوع حوادث جاده ای جزو رتبه های نخست کشور می باشد، به جانمایی ایستگاه های هواشناسی جاده ای در راه های ارتباط اصلی آن مبادرت ورزد. به منظور مشخص نمودن نقطه مکان یابی بهینه از نرم افزار سیستم اطلاعات جغرافیایی استفاده شده است. لذا بدین منظور پس از تهیه لایه های مورد نیاز از شاخص های ذکر شده، از آنجایی که هر کدام از لایه ها دارای ارزشو اهمیت متفاوتی در شناسایی مکان مناسب می باشند، لذا از روش منطق فازی و تحلیل سلسله مراتبیAHp جهت اولویت دهی نقاط پیشنهادی استفاده گردیده است. پس از انجام مراحل و اجرای مدل های کاربردی مذکور، مکان های بهینه و مناسب از منظر محیطی، اقلیمی، ترافیکی و خطرپذیری شناسایی و پیشنهاد گردیدند.

https://clima.irimo.ir/article_113324_9d7db814dd162e275b91f517bd7eda6a.pdf

سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی پژوهش های اقلیم شناسی 2228-5040 1398 38 2020 08 22 Analysis of the trend of evapotranspiration of reference crop at synoptic stations of Khorasan Razavi province بررسی و تحلیل روند تبخیر و تعرق گیاه مرجع در ایستگاه‌های سینوپتیک استان خراسان رضوی 113 129 113326 FA هوشمند عطایی عضو هیات علمی دانشگاه پیام نور اصفهان سید علیرضا تشکری هاشمی دانشجوی کارشناسی ارشد آب و هواشناسی، دانشگاه پیام نور مهسا راویان دانشجوی کارشناسی ارشد آب و هواشناسی، دانشگاه پیام نور Journal Article 2020 08 27 Evapotranspiration is one of the most important factors in determining the region's climate and also in hydrological cycle after precipitation , which is important for estimating water demand, especially in agriculture. In this research, evapotranspiration process of the reference crop was investigated by Penman-Monteith method for Razavi Khorasan province. Razavi Khorasan Province is located in north east of Iran. The province, with an area of about 118,000 square kilometers, is the fourth largest province in the country and one of the most important agricultural parts, and it is evident that the proper estimation of evaporation and prediction of its trend for water resource planning and management is of particular importance. In this research, Tissen polygon method has been used to estimate the evapotranspiration of the reference crop in Khorasan Razavi province. In addition, the trend of changes in important climate parameters affecting evapotranspiration including temperature, relative humidity, wind and sunny hours in synoptic stations of Khorasan Razavi province have been investigated in annual, seasonal and monthly time series. For this purpose, the 30 year statistics of ten synoptic stations of Khorasan Razavi province were used during the period of 1988 to 2017. After collecting data, Their accuracy were controlled. After verification of the accuracy of the data and their completeness during the selection period, which was carried out using accepted scientific methods, the calculated potential evapotranspiration of the reference crop has been calculated. Since the data are abnormal, in order to investigate the trend, the Mann-Kendall test was used at a significant level of 5%. The slope estimator was used to determine the trend slope. The results show that the annual ETo data of all stations in the province have a positive amount of ZMK and is significant in the seven stations located in the north and the center of this province. Also, all stations have an upward slope. The highest slope is for the Sabzevar station, which has grown by an average of 18 mm ETo per year in the last 30 years. In winter, ETo all stations in the province have a meaningful positive trend. Also, ZMK is positive in the spring and autumn season for all stations. Meaningful process is observed in seven and five stations for spring and autumn accordingly. The summer season is only negative at the ZMK Torbat Jam Station, and This downward trend is meaningless.An ETo survey of 10 stations per month shows that in 94% of cases there is an increasing trend for ETo, of which 65% of cases are significant. In only 6% of cases, the The ETo without a meaningful trend is decreasing. Neyshabour and Sabzevar, in all months of the year, Mashhad in 11 months and Golmakan and Torbat Heidariye in 10 months of the year show a meaningful trend. The highest monthly Sen’s slope in total was related to Sabzevar and the lowest incremental Sen’s slope in Torbat Jam. In examining the parameters affecting ETo, it is observed that the minimum and maximum monthly temperatures in the 83% of cases are increasing, which is significant in 46% of the time. The temperature of Mashhad has increased more than other cities. The wind speed, which has a direct effect on the increase of ETo, is rising in 97% of cases, and 63% of them have a significant trend. Sunny hours are also rising for 66 percent of the time, but only 13 percent are significant. But relative humidity, which has an inverse relationship with ETo, is 71% lower, and 18% of it has a significant negative trend. The monthly ETo process in Khorasan Razavi province has been calculated using the weighted average and Arc Gis software, and the results indicate that all months of the year have a positive ZMK and, except for November, every 11 months of this trend is Meaningful. The annual and seasonal ETo of the province also has a significant trend. Also, in the statistical period of 30 years, an average of 8.8 mm per year was increased by ETo level in the province. The results of this study indicate the trend in potential evapotranspiration in Khorasan Razavi province. Considering that this parameter has a direct impact on the water needs of agricultural products and water supply, it is necessary to consider these changes in climate predictions for large-scale water management and agricultural management in the province. تغییر اقلیم میتواند بر روی پارامترهای تاثیرگذار در بیلان هیدروکلیماتولوژی نظیر تبخیر و تعرق اثرات مهمی داشته باشد. از سوی دیگر شناخت این تغییرات در پیشبینیهای اقلیمی جهت برنامهریزیهای کلان منابع آب ضروری به نظر میرسند. در این تحقیق روند تبخیر و تعرق گیاه مرجع به روش پنمن مانتیث بررسی شده است. علاوه براین روند تغییرات پارامترهای مهم اقلیمی تاثیرگذار بر تبخیر و تعرق شامل دما، رطوبت نسبی، ساعات آفتابی در ایستگاههای سینوپتیک استان خراسان رضوی در سریهای زمانی سالانه، فصلی و ماهانه بررسی شده است.بدین منظور آمار30 ساله ده ایستگاه سینوپتیک استان خراسان رضوی طی دوره آماری 1988 تا 2017 میلادی بکارگیری شده است. برای بررسی وجود روند، آزمون آماری من-کندال در سطح معنی داری 5 درصد بکارگیری شده است. برای تعیین شیب روند از آزمون تخمینگر شیب سن استفاده شد. نتایج این تحلیل نشان میدهد ETo سالانههمه ایستگاههای استان دارای مقدار مثبت از ZMK هستند و در هفت ایستگاه این روند در سطح 5 درصد معنی دار است. علاوه بر این سری زمانی ETo محاسبه شده بصورت وزنی برای استان خراسان رضوی نشان میدهد ETo سالانه و فصلی استان دارای روند معنی دار در سطح 5 درصد است. با توجه به شیب سن نیز میزان افزایش متوسط سالانه ETo در استان خراسان رضوی برابر 8/8 میلیمتر برآورد شده و بیشترین شیب فصلی ETo نیز مربوط به بهار میباشد. پارامترهای دما حداقل و حداکثر، سرعت باد و تابش خورشیدی که با ETo رابطه مستقیم دارند در طی30 سال گذشته روند افزایشی و رطوبت نسبی که با ETo رابطه معکوس دارند روند کاهشی داشته و میتواند در مجموع روند معنی دار افزایشی EToرا توجیه کند.

https://clima.irimo.ir/article_113326_23d74442f600e64351a684a8743ef09b.pdf