بررسی و آشکارسازی اثر گرمایش جهانی بر تغییرات روند دمای خاک و برآورد آن با روش همبستگی رگرسیونی (مطالعه موردی: کرمان)

نوع مقاله: مقاله پژوهشی

نویسندگان

دانشگاه علوم کشاورزی و منابع طبیعی ساری

چکیده

آشکارسازی تغییراقلیم از نظر آماری فرایندی است برای نمایان‌سازی تغییرات معنی‌داری که نتوان آن‌ها را به تغییرات طبیعی ربط داد. انرژی گرمایی نهفته در ژرفای خاک می‌تواند در آشکارسازی تغییرات اقلیمی نقش مهمی بازی کند. بنابراین، هدف این پژوهش پر کردن شکاف در داده‌ها، توسعه یک مجموعه از داده‌های دمای خاک از داده‌های هوا و بررسی اقلیمی تغییرات روند دمای خاک و تأثیر گرمایش جهانی بر آن می‌باشد. برای این پژوهش از داده‌های بارندگی و ابرناکی سالانه، داده‌های روزانه دمای هوا، و داده‌های دمای عمق‌های مختلف خاک (5، 10، 20، 30، 50 و 100 سانتی‌متری) در ایستگاه همدیدی (سینوپتیک) شهر کرمان، برای دوره آماری سال‌های 1951 تا 2009 میلادی، استفاده شد. برای بررسی روند دماها از روش‌های پارامتری پیرسون و تحلیل رگرسیونی و روش‌های ناپارامتری اسپیرمن و من کندال استفاده شد. یافته‌های این پژوهش بیانگر این است که روش ناپارامتری من‌کندال نسبت به دیگر روش‌ها از دقت بیشتری برخوردار است. روند میانگین دمای هوای سالانه، و روند میانگین دمای فصل‌های بهار، تابستان و پاییز افزایشی و بسیار معنی‌دار (01/0 ≥ p) است. همچنین میانگین‌های دمای خاک سالانه و فصل‌های تابستان و پاییز دارای روندی افزایشی و بسیار معنی‌دار (01/0 ≥ p) است. این یافته‌ها همچنین گویای روندی کاهشی و معنی‌دار (05/0 ≥ p) در ابرناکی و بارندگی ایستگاه همدیدی کرمان می‌باشد. از یافته‌های این پژوهش نتیجه گرفته می‌شود که روند گرمایی ایستگاه همدیدی کرمان از روند گرمایش جهانی پیروی می‌کند و دمای خاک نیز می‌تواند چنین روندی را آشکار سازد.

کلیدواژه‌ها


عنوان مقاله [English]

Investigation and Detection Effects Of Global Warming On Soil Temperature Trends And Its Estimated Regression Correlation (Case Study:Kerman)

نویسنده [English]

  • sahar golshan
چکیده [English]

Climate change detection statistically is a process which could reveal significant changes that are not related natural variations. Thermal energy deposition in soil depths could play an important role in tdetecting climate change. Thus, the aims of this study are to fill the gap in soil temperature data and determination of the effect of global warming on long term soil temperature trends. For this purpose long term annual rainfall and cloudiness, and mean annual air and soil depths temperature (5, 10, 20, 30, 50 and 100 cm) data were collected from Kerman synoptic station. The parametric methods of Pearson and regression techniques, and nonparametric techniques of Spearman and Mann-Kendall were employed to detect temperature trends. The results of these tests indicated that Mann-Kendall could more accurately reveal soil and air temperature trends. The mean annual, spring and summer air temperature trends significantly increased (p ≤ 0.01). The mean annual, summer and autumn soil temperatures also had increasing and significant trends (p ≤ 0.01). These findings also show a significant negative trend in cloudiness and rainfall (p ≤ 0.05). It is concluded that global warming affected air and soil temperatures of Kerman synoptic station.

کلیدواژه‌ها [English]

  • "Non-Parametric and Parametric Tests
  • Climate Change
  • Mann-Kendall
  • Kerman"