بررسی روند تغییرات دمای شبانه در ایران و تأثیر دی‌اکسید کربن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه آب‌وهواشناسی، دانشکدة برنامه‌ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

2 استاد، گروه آب‌وهواشناسی، دانشکدة برنامه‌ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

چکیده

سابقه و هدف:. مطابق با گزاره‌های علمی ‌هنگامی‌ که مقادیر زیادی از گازهای گلخانه‌ای مانند دی‌اکسید کربن در جو متمرکز می‌شود، درجة حرارت نه‌تنها‌‌‌‌‌‌‌‌ در سطح زمین، بلکه در تروپوسفر هم افزایش پیدا خواهد کرد. آنچه شاید مهم‌ترین نکته در مورد نوسانات درجة حرارت سطح جهانی باشد، این است که با وجود فراز و فرودهای کوتاه‌مدت، شواهد نشان می‌دهد که سیارة ما به‌طور ثابت در حال انباشتن گرماست. شب‌هنگام، تابش‌های کوتاه پس از غروب خورشید حذف می‌شود و دمای هوا تابعی از تابش‌های بلند خروجی است. بنابراین دمای شبانه به‌عنوان متغیری است که به‌طور ویژه تحت تأثیر نوسانات گازهای گلخانه‌ای از جمله قرار دارد. بخشی از تابش موج بلند زمینی از طریق پنجره‌های جوی خارج می‌شود و بخش عمده‌ای از آن توسط گازهای گلخانه‌ای به‌صورت تابش بلند برگشتی به سطح زمین بازگشت داده می‌شود که به‌ویژه در شب‌ها‌‌‌‌‌‌‌‌ و فصل زمستان نقش مهمی ‌در تعادل دمایی کرة زمین دارد. مطالعه و بررسی دمای شبانه در ارتباط با مقادیر دی‌اکسید کربن اتمسفر، می‌تواند روند تغییر اقلیم را آشکار سازد. در این پژوهش برای نخستین بار تصاویر سنجندة AIRS به‌منظور بررسی دمای شبانه و گاز دی‌اکسید کربن استفاده شد. اهمیت تغییر دما در زیست گیاهی و جانوری، و به‌طور کل تعادل طبیعت بروز و ظهور پیدا می‌کند و چنانچه این تعادل طبیعی از بین برود، تغییرات اساسی و گاهی جبران‌ناپذیر در حیات کرة زمین و کشور ایران رخ خواهد داد که آثار نامطلوبی برای زندگی بر جای خواهد گذاشت. گاز گلخانه‌ای  می‌تواند طی فرایند گلخانه‌ای دمای شبانه را دچار نوسان کند. لذا انجام این پژوهش می تواند ‌ مدیران و برنامه‌ریزان را در افزایش آگاهی و پیشبرد سیاست‌های اقلیمی برای کاهش و جلوگیری از خطرات احتمالی ناشی از تغییرات در مقادیر انتشار دی‌اکسید کربن و به‌تبع آن تغییرات دمایی و ایجاد طرح‌های مؤثر یاری می‌کند.
مواد و روش‌ها: داده‌های ‌‌‌‌‌‌‌‌این پژوهش مربوط به دورة آماری 2016-2003 و ماه‌های ژانویه، مه، ژوئیه و نوامبر است. به‌منظور بررسی تغییرات و دمای شبانه و تحلیل و ارزیابی اثرگذاری دی‎اکسید کربن بر متغیر دمای شبانه در این پژوهش نمودارهای سری زمانی ماهانه و فصلی بررسی شدند. به‌منظور بررسی معنادار بودن و یا عدم معناداری روندها ‌‌‌‌‌‌‌‌و نوع روند، آزمون من کندال به کار گرفته شد. آزمون همبستگی پیرسون و رگرسیون‌ غیرخطی inverse برای تحلیل‌های آماری داده‌های دمای شبانه و استفاده شد. به‌منظور تحلیل بصری از دمای شبانه و به‌علت طولانی بودن دورة مورد مطالعه، نقشه‌های دمای شبانه سال‌های مورد مطالعه تهیه و با روش درون‌یابی IDW پهنه‌بندی شد.
نتایج و بحث: بررسی آماری توزیع میانگین دمای شبانه در ایران نشان داد میانگین دما در انتهای دورة مطالعاتی (سال 2016) از میانگین کل دورة مطالعاتی به مقدار 42/0درجة کلوین، بیشتر بوده است. بیشترین نوسانات دمای شبانه مربوط به فصل زمستان و کمترین نوسانات که تاحدودی روند یکنواختی در آن مشاهده شده متعلق به فصل تابستان بوده است. مطابق با نمودار سری زمانی، روند میانگین فصلی، میزان در هر چهار فصل در سال‌های 2003 تا 2016 کاملاً افزایشی بوده است. با توجه به نمودار سری زمانی ماهانه، از بین ماه‌های مورد مطالعه ماه ژوئیه، کمترین نوسانات و ماه‌های نوامبر و ژانویه بیشترین نوسانات دمایی را به خود اختصاص دادند. براساس نقشه‌های دمای شبانة فصلی، کمینة دمای شبانه در شمال غرب، رشته کوه‌های البرز، زاگرس و نواحی خراسان شمالی در هر چهار فصل قابل مشاهده بود. سواحل جنوبی و شهرهای ساحلی جنوب از استان خوزستان تا استان سیستان و بلوچستان و همچنین دشت کویر و کویر لوت، در تمام فصل‌ها، بیشینة دمای شبانه را به خود اختصاص داده است. با توجه به نقشة پهنه‌بندی‌شده میانگین دمای شبانة ماه‌های ژانویه، مه، ژوئیه و نوامبر برای سال‌های 2003، 2006، 2009، 2012، 2015 و 2016، توزیع مکانی دمای شبانه در ایران حاکی از افزایش دمای شبانة ماه ژانویه در اواخر دورة مطالعاتی در برخی نواحی مرکزی شامل بخش‌هایی از استان‌های سمنان، یزد و اصفهان و بخش‌هایی از خراسان جنوبی و قسمت‌هایی در جنوب شرق ایران بود. مطابق نتایج آزمون من کندال، تنها‌‌‌‌‌‌‌‌ روند موجود در دمای شبانة ماه ژوئیه صعودی و معنادار بوده و روند ، در همة ماه‌ها‌‌‌‌‌‌‌‌ صعودی و معنادار بوده است. براساس نتایج آزمون پیرسون، دمای شبانة ژوئیه همبستگی بالایی (66/0) با  داشته است. نتایج مدل رگرسیون غیرخطی بین دو متغیر، حاکی از‌این بود که با ضریب تعیین 44/0 بیشینة بیشترین تأثیر را بر بیشینة دمای شبانه در ماه ژوئیه در دورة مطالعاتی داشته است.
نتیجه‌گیری: مطابق با نتایج این پژوهش در بازة زمانی مورد مطالعه، رابطة بین روند افزایشی دمای شبانه و دی‌اکسید کربن در ماه تیر (ژوئیه) تأیید شد. به‌این‌ترتیب، احتمال افزایش دماهای شبانه به‌علت افزایش انتشار دی‌اکسید کربن در نواحی مناطق مختلف جهان، می‌تواند موضوع بررسی پژوهشگران قرار بگیرد. همچنین باید اشاره کرد که در بستر روندهای طولانی‌مدت، گاهی تغییرات دوره‌ای، رخ می‌دهد که دوام آن بیش از یک سال است. اگر مطالعه و پژوهش دیگری در ارتباط با موضوع پژوهش حاضر انجام پذیرد و سری زمانی طولانی‌تری (چندین دهه) مورد مطالعه قرار گیرد، ممکن است روند غالب بر ایران، شرایط دیگری را نشان دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the trend of night temperature changes in Iran and the effect of carbon dioxide

نویسندگان [English]

  • Sajedeh Morady 1
  • Majid Rezaeibanafsheh 2
1 Ph.D. Student, Department of climatology, Faculty of Planning and Environmental Sciences, Tabriz University, Tabriz, Iran
2 Prof. of Department of climatology, Faculty of Planning and Environmental Sciences, Tabriz University, Tabriz, Iran
چکیده [English]

Introduction: According to scientific evidence, the concentration of large amounts of greenhouse gases in the atmosphere leads to an increase in temperature not only at the Earth's surface but also in the troposphere. Despite short-term fluctuations, evidence indicates ongoing global heat accumulation. At night, after sunset, the short rays are no longer present and the outgoing long rays determine the air temperature. Therefore, the nighttime temperature is particularly influenced by variations in greenhouse gases, including CO2. A portion of the Earth's long-wave radiation passes through the atmospheric windows, while the rest is sent back to the Earth's surface as long-wave radiation by greenhouse gases. This process is crucial for maintaining the Earth's temperature balance, particularly during nights and the winter season. In this study, the AIRS sensor images were utilized for the first time to analyze nighttime temperature and carbon dioxide levels in Iran. Research and studies in this regard help managers and planners to raise awareness and promote climate policies to reduce and prevent possible risks caused by changes in the amount of carbon dioxide emissions and, as a result, climate change.
Material and Methods: To investigate the changes in CO2 and night temperature and to assess the effect of carbon dioxide on the night temperature variable from 2003 to 2016 (January, May, July and November), monthly and seasonal time series graphs were examined. The Mann-Kendall test was used to assess the significance or non-significance of the trends and the type of trend. Pearson's correlation test and inverse non-linear regression were used for statistical analysis of night temperature and CO2 data. Night temperature maps were produced and classified using the IDW interpolation method.
Discussion and Results: Statistical analysis of the average night temperature distribution in Iran showed that the average temperature at the end of the study period (2016) was 0.42 o K higher than the average for the entire study period. The highest fluctuations in night temperature were associated with the winter season and the months of November and January, and the lowest fluctuations were associated with the summer season and July. The seasonal average trend of CO2 was completely increasing in all seasons and showed little fluctuation. Based on the distribution of the seasonal mean night temperature, the minimum night temperature was observed in the Northwest, Alborz, Zagros, and North Khorasan regions in all seasons. The southern coasts and southern coastal cities from Khuzestan province to Sistan and Baluchistan province, as well as the Kavir and Lut deserts, have the maximum night temperature in all seasons. Based on the average night temperature maps from 2003, 2006, 2009, 2012, 2015, and 2016, the spatial distribution of night temperatures in Iran shows an increase in January in certain central areas. These areas include parts of Semnan, Yazd, Isfahan, South Khorasan, and southeastern Iran. According to the results of the Mann-Kendall test, the trend of night temperature in July was upward and significant, and the trend of CO2 was upward and significant in all months. According to the results of Pearson's test, the night temperature in July has a high correlation (0.66) with CO2. The results of the non-linear regression model between the two variables showed that, with a coefficient of determination of 0.44, the maximum CO2 had the greatest influence on the maximum July night temperature during the study period.
Conclusion: According to the results of this research, the relationship between the rising trend of night temperature and carbon dioxide in July has been confirmed. Thus, the possibility of increasing night temperatures due to increasing carbon dioxide emissions in different regions of the world can be the subject of research by scientists. It should also be noted that in long-term trends there are sometimes periodic changes that last more than a year. If another study and research related to the subject of the present research is conducted and a longer time series (several decades) is studied, perhaps the dominant trend in Iran will show different conditions.

کلیدواژه‌ها [English]

  • Night temperature
  • Carbon dioxide
  • Trend
  • Iran
Acker, J., Soebiyanto, R., Kiang, R., & Kempler, S., 2014, Use of the NASA Giovanni data system for geospatial public health research: example of weather-influenza connection, ISPRS International Journal of Geo-Information, 3(4),PP. 1372-1386. DOI:10.3390/ijgi3041372
Agbo, E. P., & Ekpo, C. M., 2021, Trend analysis of the variations of ambient temperature using Mann-Kendall test and Sen’s estimate in Calabar, southern Nigeria, Journal of Physics: Conference Series, 1734(1). DOI:10.1088/1742-6596/1734/1/012016
Ahmadi, M., Dadashi Roudbari, A., Ahmadi, H., 2018, Monitoring the nighttime temperature of the earth's surface in the area of Iran based on the output of the MODIS sensor, Geographical Research Quarterly, 33(1), P.P. 174-190. DOI: 10.29252/geores.33.1.174
Alemu, Z. A., & Dioha, M. O., 2020, Climate change and trend analysis of temperature: the case of Addis Ababa, Ethiopia, Environmental Systems Research, 9(1), PP.1-15. https://doi.org/10.1186/s40068-020-00190-5
Alijani, B., Saligheh, M., Akbari, M., Shafaghati, M., 2015, Climate change, consequences and solutions to deal with it, First International Geographical Conference
Ansari, M., Noori, GH., Fotoohi, S., 2017, Investigation of Temperature Precipitation and Flow Trend Using Nonparametric Mankendall (Case Study: Kaju River in Sistan and Baluchestan), Journal of Watershed Management Research. 7(14), PP.152-158. DOI: 10.29252/jwmr.7.14.158
Atehmengo, N., Idika, I.K., Shehu, A., 2014, Climate change/global warming and its impacts on parasitology/entomology. The Open Parasitology Journal, 5, PP. 1-11. DOI: 10.2174/1874421401405010001
Ataee, H & Fnaee, R., 2013, Investigating the trend of time-spatial changes in the night temperature of Isfahan province, Geographical Research, 28(4), PP. 167-182.
Ataee, H & Yoosefifar, B., 2015, Investigating the trend of night temperature changes in Kerman province and its influence on solar radiation intensity (TSI) during the last half century, Geography and Development, 13(40), PP. 195-212. DOI: 10.22111/GDIJ.2015.2106
Ayompe, L. M., Davis, S. J., & Egoh, B. N., 2021, Trends and drivers of African fossil fuel CO2 emissions 1990–2017, Environmental Research Letters, 15(12), 124039. https://doi.org/10.1088/1748-9326/abc64f
Barani, N. and Karami, A., 2020, Annual trend analysis of climate parameters of temperature and precipitation in decuple agroecology regions of Iran, Environmental Sciences, 17(4), PP. 75-90. DOI: 10.29252/ENVS.17.4.75
Broquet, G., Bréon, F. M., Renault, E., Buchwitz, M., Reuter, M., Bovensmann, H., Chevallier, F., Wu, L., Ciais, P., 2018, The potential of satellite spectro-imagery for monitoring CO 2 emissions from large cities, Atmospheric Measurement Techniques, 11(2), PP. 681-708. https://doi.org/10.5194/amt-11-681-2018
Chen, C., Ma, P., Chen, L., Zhang, Y., Zhou, C., Zhao, Sh., Zhang, L., Wang, Zh., 2022, Nitrous Oxide Profile Retrievals from Atmospheric Infrared Sounder and Validation, Atmosphere, 13(4), 619. https://doi.org/10.3390/atmos13040619
Davis, W. J., 2017, The relationship between atmospheric carbon dioxide concentration and global temperature for the last 425 million years. Climate, 5(4),76. https://doi.org/10.3390/cli5040076
Gadedjisso-Tossou, A., Adjegan, K. I., & Kablan, A. K. M., 2021, Rainfall and temperature trend analysis by Mann–Kendall test and significance for rainfed cereal yields in Northern Togo, Sci, 3(1), 17. https://doi.org/10.3390/sci3010017
Gassab Feiz, M., Eslami, H., 2017, Evaluating the trend of rainfall changes with Mann-Kendall and linear regression methods in Khuzestan province, Specialized scientific quarterly of water engineering, 5(2), PP. 113-121.
Ghavidel Rahimi, Y., Farajzadeh, M., & salehian, M., 2018, The Analysis of CO2 role in oscillations of Seasonal maximum temperature in Iran, Journal of Geography and Planning, 22(63), PP. 203-223.
Hatami Zarneh, D., Hejazizadeh, Z., Naserzadeh., M.H., 2019, Analysis of heat waves temporal fluctuation in North - West region of Iran and their relationship with greenhouse gases and global land-ocean temperature anomalies, Journal of Applied Research in Geographical Sciences, 19 (52), PP. 35-56. DOI: 10.29252/jgs.19.52.35
Kefayat Motlagh, O.R., Khosravi, M., Masoudian, S.A, 2019, Analysis of the long-term average terrestrial longwave radiation of Iran with remote sensing data, Sepehr scientific-research quarterly magazine of geographical information, 28(109), P.P, 199-209. https://doi.org/10.22131/sepehr.2019.35647
Kweku, D. W., Bismark, O., Maxwell, A., Desmond, K. A., Danso, K. B., Oti-Mensah, E. A., & Adormaa, B. B., 2017, Greenhouse effect: greenhouse gases and their impact on global warming. Journal of Scientific research and reports, 17(6), 1-9.                                    DOI: 10.9734/JSRR/2017/39630
Lee, H., & Cheong, H. W., 2018, Effects of Carbon Dioxide and Clouds on Temperature, Procedia computer science, 139, PP. 95-103.
Lee, S., Kim, D., Im, J., Lee, M. I., & Park, Y. G., 2017, CO2 concentration and its spatiotemporal variation in the troposphere using multi-sensor satellite data, carbon tracker, and aircraft observations, GIScience & Remote Sensing, 54(4), PP. 592-613. https://doi.org/10.1080/15481603.2017.1317120
Lenssen, N. J., Schmidt, G. A., Hansen, J. E., Menne, M. J., Persin, A., Ruedy, R., & Zyss, D., 2019, Improvements in the GISTEMP uncertainty model. Journal of Geophysical Research: Atmospheres, 124(12), PP. 6307-6326. https://doi.org/10.1029/2018JD029522
Li, Z., Wang, K., Ma, H., & Wu, Y., 2018, An adjusted inverse distance weighted spatial interpolation method. In 2018 3rd International Conference on Communications.             DOI: 10.2991/cimns-18.2018.29
Luintel, N., MA, W., MA, Y., WANG, B., & SUBBA, S., 2019, Spatial and temporal variation of daytime and nighttime MODIS land surface temperature across Nepal, Atmospheric and Oceanic Science Letters, 12(5), PP. 305-312. https://doi.org/10.1080/16742834.2019.1625701
Manabe, S., 2019, Role of greenhouse gas in climate change. Tellus A: Dynamic Meteorology and Oceanography, 71(1), 1620078. https://doi.org/10.1080/16000870.2019.1620078
Mansouri Daneshvar, M. R., Rabbani, G., & Shirvani, S., 2019, Assessment of urban sprawl effects on regional climate change using a hybrid model of factor analysis and analytical network process in the Mashhad city, Iran, Environmental Systems Research, 8(1),PP.1-12. https://doi.org/10.1186/s40068-019-0152-2
Masoudian, S.A, 2012, Iran's Weather. First Edition, Sharia Tus, PP.1-288.
Me-ead, C., McNeil, R., 2019, Pattern and trend of night land surface temperature in Africa, Scientific Reports, 9(1), PP.1-8. https://doi.org/10.1038/s41598-019-54703-z
Mishra, N., Khare, D., Shukla, R., & Kumar, K., 2014, Trend analysis of air temperature time series by Mann Kendall test-a case study of upper Ganga canal command (1901-2002), British Journal of Applied Science & Technology, 4(28), 4066. DOI: 10.9734/BJAST/2014/8650
Mousavi, S.M., Falahatkar, S., Farajzadeh Asl, M., 2018, Concentration in Changes of CO2 and CH4 Greenhouse Gases Relation to Environmental Variable in Iran, Iranian Journal of Applied Ecology; 6 (4), PP.65-79. DOI: ‎10.29252/ijae.6.4.65
Olivier, J. G., & Peters, J. A., 2017, Trends in global CO2 and total greenhouse gas emissions, report. The Hague: PBL Netherlands Environmental Assessment Agency, PBL publication number: 4331.
Rajab, J. M., Ahmed, H. S., & Mossa, H. A., 2012, Analysis of Troposphere Carbon Dioxide in IRAQ from Atmosphere Infrared Sounder (AIRS) data: 2010-2011. Journal of University of Babylon, 22(1), PP. 524-531.
Sefakor, M. D., Zougmoré, R. B., Akponikpè, P. B., Koomson, E., Savadogo, P., & Adiku, S. G., 2018, Assessment of Greenhouse Gas Emissions from Different Land-Use Systems: A Case Study of CO2 in the Southern Zone of Ghana. Applied and Environmental Soil Science, PP. 1-12. https://doi.org/10.1155/2018/1057242
Susskind, J., Schmidt, G. A., Lee, J. N., & Iredell, L., 2019, Recent global warming as confirmed by AIRSEnvironmental Research Letters14(4), 044030. https://doi.org/10.1088/1748-9326/aafd4e
Warner, J. X., Wei, Z., Strow, L. L., Dickerson, R. R., & Nowak, J. B. (2016). The global tropospheric ammonia distribution as seen in the 13-year AIRS measurement record, Atmospheric Chemistry and Physics, 16(8), PP. 5467-5479. DOI:10.5194/acp-16-5467-2016
Zarco-Perello, S., & Simões, N., 2017, Ordinary kriging vs inverse distance weighting: spatial interpolation of the sessile community of Madagascar reef, Gulf of Mexico, PeerJ, 5, e4078. https://doi.org/10.7717/peerj.4078.