وردایی فصلی ابرهای مایع در گستره ایران مبتنی بر داده های سنجنده MODIS ماهواره TERRA

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار آب و هواشناسی، دانشگاه شهید بهشتی، دانشکده علوم زمین

2 دانشجوی دکتری آب و هواشناسی شهری، دانشگاه شهید بهشتی، دانشکده علوم زمین

3 کارشناسی ارشد آب و هواشناسی شهری، دانشگاه شهید بهشتی، دانشکده علوم زمین

4 استادیار آب و هواشناسی، دانشگاه شهید بهشتی، دانشکده علوم زمین

10.22131/sepehr.2020.40467

چکیده

ابر پدیده ویژهای است که در اثر دگرگونیهای دینامیکی و ترمودینامیکی گردش عمومی هواسپهر به وجود میآید. ابرها حد واسط بین سامانههای همدیدی و شرایط آب و هوای سطح زمین هستند و از اهمیت ویژهای در رژیم بارش برخوردارند. هدف از این پژوهش بررسی تغییرات زمانی-مکانی ابرهای مایع (LWCOT[1]) فصلی ایران است. بر این اساس دادههای سنجنده MODIS ماهواره Terra (2015-2001) و دادههای بلند مدت 31 ایستگاه آب و هواشناسی همدید (2015-1960) اخذ و پردازش شدند. نتایج نشان داد از شمال به جنوب و از غرب به شرق از فراوانی ابرهای مایع کاسته میشود. ابرهای مایع ایران دارای یک رابطه غیرخطی و احتمالاً پیچیده هستند و عواملی همچون جهتگیری دامنهها، سامانههای بارشی، دوری از منابع رطوبتی در وردایی ابرها نقش چشمگیری دارند. بیشینه فراوانی ابرهای مایع در فصول سرد سال و عمدتاً در عرضهای جغرافیایی بالا قرار دارند. جهتگیری دامنهها، سامانههای کلان مقیاس همدید و دوری و نزدیکی از منابع رطوبتی مهمترین عوامل تغییرات ابرهای مایع ایران هستند. فراوانی روزهای ابر مایع در فصل زمستان منطبق بر مسیر حرکت چرخندها و تودههای هوای وارد شده به کشور محور غربی-شرقی دارند. فروانی چشمگیر ابرهای مایع فصل بهار در شمال غرب کشور و ارتفاعات ناشی از همرفت دامنهای و ناپایداری شدید است که منجر به رشد ابر شده است. در فصل تابستان با افزایش دما و استقرار پرفشار جنب حارهای آزور بر گستره کشور در بیرون از منطقهی خزری ابرهای مایع در خور توجهی مشاهده نمیشود؛ فصل پاییز نیز بیشینه ابرهای مایع در سواحل شمالی کشور به دلیل ورودی سامانه پرفشار سیبری است.



[1]- Liquid Water Cloud Optical Thickness (LWCOT)
 

کلیدواژه‌ها


عنوان مقاله [English]

Seasonal changes of liquid clouds in Iran based on data received from MODIS sensor of TERRA satellite

نویسندگان [English]

  • Mahmoud Ahmadi 1
  • Abbas Ali Dadashi Rodbari 2
  • Behnaz Nassiri Khuzani 3
  • Tayebeh Akbari Azirani 4
1 Associate professor climatology, Faculty of earth sciences, Shahid Beheshti University
2 Ph.D Student of urban climatology, Shahid Beheshti University
3 MSC of urban climatology, Shahid Beheshti University
4 Assistant professor climatology, Faculty of earth sciences, Shahid Beheshti University
چکیده [English]

Introduction
Cloud is a special phenomenon formed by dynamic and thermodynamic changes of the general atmospheric circulation. Through dispersion and reflection of solar radiation, cloudschange energy balance of the Earth and affect its hydrologic cycleby producing rainfall in various forms. Determining the state of clouds (in terms of clouds being liquid or ice) is crucial, sinceitaffects the atmosphere feedback mechanism. Moreover, the state of clouds is related with itsheight, i.e., higher clouds tend to have an icy state. Therefore, determiningtheir statusis especially important for the accuracy of elevation estimation. The present study seeks toinvestigatetemporal and spatial variation of liquid clouds in the geographical range of Iran using information received from meteorological stations and remote sensing techniques. It aims to find the feedback of cloudsin liquid phase and theirdominant condition.
 
Research Methodology
Data received from MODIS Sensor of TERRA Satellite (2001-2015) and Cloud mask (CM) algorithm were used in the present study. Moreover, long-term data of 31 synoptic meteorological stations collected during the period of 1960–2015 were used to compare satellite data. Followingdata decoding and required calculations, maps of each season were produced using Kriging method.
 
Results and discussion
Results indicate that maximum number of liquid clouds occurs in winter, while their minimum number occurs in summer. In winter, Rasht, Ramsar, Babolsar and Gorgan stations (with cumulative frequency of 174.33 to 305.66 days) have maximum frequency of liquid clouds.This country almost lacks liquid clouds in summer. Only in the coastal zone of the Caspian Sea, Rasht, Ramsar, Babolsar and Gorganstations with 153, 93.33, 77.66 and 26 days, respectively,had the maximum frequency of liquid clouds. The average thickness of liquid clouds in Iran was calculated on a seasonal scale. In winter, spring, summer and autumn, it was 22.23, 17.13, 14.11 and 16.7 microns, respectively. Results indicate that the average thickness of liquid clouds decreases in warm seasons. Maximum thickness of liquid clouds in winter, spring, summer and autumn was 33.04, 24.56, 24.85, 22.84 and minimum thickness of liquid clouds was 13.98, 6.82, 6.27, 8.09, respectively. In winter,maximum frequency of liquid clouds occurred in western Iran and the Caspian coastline, while maximum thickness of liquid clouds occurredin northwestern and western Iran.Moving from north to south and west to east,the frequency of liquid and icy clouds decreases. In contrast, maximum frequency of liquid clouds occurs in summer.
 
Conclusion
Results indicated that maximum frequency of winter and autumn liquid clouds mainly occur in high latitudes of northern regions, southern hillside of Alborz(west to east direction), and northwestern and western regions of the country. Maximum frequency of summer liquid clouds occurs in the Caspian Coasts, while maximum frequency of spring liquid clouds occursin the northern half and southeast regions of the country. This is well-justified due toactivities of the expected systems and local factors in each season. Liquid clouds of Iran have a nonlinear and possibly complex relationship, and factors such as hillside orientation, precipitation systems, distance from sources ofmoisture, lack of ascending factor, lack of sufficient moisture and many other factors contribute to this relationship.Evaluation of liquid clouds thickness indicated that elevated regions of central and western Zagros have the highest amount of liquid clouds in cold seasons, since low-pressure systems, fronts and mid-latitudewaves of atmosphere play a decisive role in the growthof cloud numbers in these seasons. This is also in consistencywith Masoudian (2011) results. Northwestern Iran and the Alborz belt are almost always affected by the western winds. Western winds pass over the Mediterranean Sea and its sufficient moisture resource, which play a significant role in the cloudiness of this area. Results are consistent with Alijani’sstudy(2010) that reported 120 cloudy days in Alborz Mountains, Khorasan and northern Azerbaijan altitudes. Increased cloudiness of southern and southeastern Iran during warm seasons is related with the monsoon system in July-September,which is also confirmed by Ghasemifar et al. (2018) and its mechanism is discussed by Yadva (2016). Results are also in consistency with the results of Ahmadi et al. (2018), which examined the cloud optical thickness (COT) and the total cloud cover (TCC) of Iran. In other words, results of Ahmadi et al.(2018) also confirm our findings.

کلیدواژه‌ها [English]

  • Liquid clouds
  • MODIS Sensor
  • TERRA satellite
  • Iran
1.   احمدی، احمدی و داداشی رودباری،محمود، حمزه و عباسعلی (1397a)، واکاوی روند تغییرات و الگوی فضایی ابرناکی سالانه و فصلی در ایران، مخاطرات محیط طبیعی، 7(15): 239-256.
2.   احمدی، داداشی رودباری و احمدی، محمود، عباسعلی و حمزه (1397b)، پایش دمای شب هنگام سطح زمین در گستره ایران مبتنی بر برونداد سنجنده MODIS، فصلنامه تحقیقات جغرافیایی،32(1): 174-190.
3.   افتخاری، دانیال(1392)، ارزیابی برخی ویژگی‌های فیزیکی ابر در جنوب ایران به کمک داده‌های ماهواره‌ای در دوره‌ی 2012-2008، پایان‌نامه کارشناسی ارشد دانشگاه یزد، دانشکده علوم پایه،یزد.
4.   حاتمی بهمن بیگلو و موحدی، خداکرم و سعید (1397)، واکاوی تغییرات زمانی و مکانی پوشش ابر در ایران با بهره گیری از داده‌های سنجش از دور، مخاطرات محیط طبیعی، 7(16): 127-144.
5.   رسولی، جهانبخش و قاسمی، علی اکبر، سعید و احمدرضا (1392)، بررسی تغییرات زمانی و مکانی مقدار پوشش ابر در ایران، فصلنامه تحقیقات جغرافیایی، 28 (3) :85-102.
6.   علیجانی، بهلول (1389)، آب ‌و هوای ایران، انتشارات دانشگاه پیام نور، چاپ دهم، تهران، 221 ص.
7.   فرج‌زاده، منوچهر (1386). تکنیک‌های اقلیم‌شناسی؛ انتشارات سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها (سمت)؛ تهران، 288ص.
8.   قاسمی دستگردی، احمدرضا (1391)، مدل‌سازی تغییرات زمانی و مکانی پوشش ابری با تأکید بر روزهای بارش در ایران؛ رساله دکتری جغرافیای طبیعی؛ دانشگاه تبریز؛ دانشکده برنامه‌ریزی و علوم محیطی؛ گروه جغرافیای طبیعی.
9.   قاسمی‌فر، فرج‌زاده، قویدل رحیمی و علی اکبری بیدختی، الهام، منوچهر، یوسف و عباسعلی (1397)، بررسی تغییرات فضایی- زمانی ابرناکی بر پایة ویژگی‌های جغرافیایی و داده‌های سنجش از دور در ایران، فیزیک زمین و فضا، 44(1): 103-124.
10. مسعودیان، سیدابوالفضل (1390)، آب ‌و هوای ایران، انتشارات شریعه توس مشهد، چاپ اول، مشهد، 288 ص.
11.  مفیدی، عباس (1383)، آب و هوا‏شناسی سینوپتیکی بارش‏های سیل‏زا با منشأ منطقة دریای سرخ در خاورمیانه، فصل‏نامة تحقیقات جغرافیایی، 75: 71-93.
12. Ackerman, S. A., Strabala, K. I., Menzel, W. P., Frey, R. A., Moeller, C. C., & Gumley, L. E. (1998), Discriminating clear sky from clouds with MODIS. Journal of Geophysical Research: Atmospheres, 103(D24), 32141-32157.
13. Ahmadi, M., Dadashiroudbari, A., Ahmadi, H. (2018), Spatiotemporal Variations of Total Cloud Cover and Cloud Optical Thickness in Iran. Journal of the Earth and Space Physics, 44(4), 145-164.
14. Banta, R. M. (1990), the role of mountain flows in making clouds. In Atmospheric processes over complex terrain (pp. 229-283). American Meteorological Society, Boston, MA.
15. Bony, S., Stevens, B., Frierson, D. M., Jakob, C., Kageyama, M., Pincus, R., ...& Watanabe, M. (2015), Clouds, circulation and climate sensitivity. Nature Geoscience, 8(4), 261.
16. Christensen, M. W., Stephens, G. L., & Lebsock, M. D. (2013), Exposing biases in retrieved low cloud properties from CloudSat: A guide for evaluating observations and climate data. Journal of Geophysical Research: Atmospheres, 118(21).
17. Di Girolamo, L., Liang, L., & Platnick, S. (2010), a global view of one dimensional solar radiative transfer through oceanic water clouds. Geophysical Research Letters, 37(18).
18. Flato, G., Marotzke, J., Abiodun, B., Braconnot, P., Chou, S. C., Collins, W., ...& Forest, C. (2013), Evaluation of climate models. In Climate change 2013: the physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (pp. 741-866). Cambridge University Press.
19. Ghasemifar, E., Farajzadeh, M., Perry, M. C., Rahimi, Y. G., & Bidokhti, A. A. (2017), Analysis of spatiotemporal variations of cloud fraction based on geographic characteristics over Iran. Theoretical and Applied Climatology, 1-17.
20. King, M. D., Platnick, S., Menzel, W. P., Ackerman, S. A., & Hubanks, P. A. (2013), Spatial and temporal distribution of clouds observed by MODIS onboard the Terra and Aqua satellites. IEEE Transactions on Geoscience and Remote Sensing, 51(7), 3826-3852.
21. Leinonen, J., Lebsock, M. D., Stephens, G. L., & Suzuki, K. (2016),improved retrieval of cloud liquid water from CloudSat and MODIS. Journal of Applied Meteorology and Climatology, 55(8), 1831-1844.
22. Menzel, W.P. Frey, R.A. and Baum. B.A. (2010), Cloud top pressures and cloud algorithm theoretical basis document. Report, 8: 1-62.
23. Mueller, R., Trentmann, J., Träger-Chatterjee, C., Posselt, R., & Stöckli, R. (2011),The role of the effective cloud albedo for climate monitoring and analysis. Remote Sensing, 3(11), 2305-2320.
24. O’Neill, L. W., Wang, S., & Jiang, Q. (2011), Satellite climatology of cloud liquid water path over the Southeast Pacific between 2002 and 2009. Atmospheric Chemistry & Physics Discussions, 11(11).
25. Platnick, S., King, M. D., Ackerman, S. A., Menzel, W. P., Baum, B. A., Riédi, J. C., & Frey, R. A. (2003), The MODIS cloud products: Algorithms and examples from Terra. IEEE Transactions on Geoscience and Remote Sensing, 41(2), 459-473.
26. Platnick, S., Meyer, K. G., King, M. D., Wind, G., Amarasinghe, N., Marchant, B., ...& Yang, P. (2017), The MODIS cloud optical and microphysical products: Collection 6 updates and examples from Terra and Aqua. IEEE Transactions on Geoscience and Remote Sensing, 55(1), 502-525.
27. Stephens, G. L., & Kummerow, C. D. (2007), The remote sensing of clouds and precipitation from space: A review. Journal of the Atmospheric Sciences, 64(11), 3742-3765.
28. Stephens, G. L., L’Ecuyer, T., Forbes, R., Gettelmen, A., Golaz, J. C., Bodas Salcedo, A., ...& Haynes, J. (2010), Dreary state of precipitation in global models. Journal of Geophysical Research: Atmospheres, 115(D24).
29. Stubenrauch, C. J., Rossow, W. B., Kinne, S., Ackerman, S., Cesana, G., Chepfer, H., ...& Maddux, B. C. (2013), Assessment of global cloud datasets from satellites: Project and database initiated by the GEWEX radiation panel. Bulletin of the American Meteorological Society, 94(7), 1031-1049.
30. Wang, P. K. (2013), Physics and dynamics of clouds and precipitation. Cambridge University Press.
31. WMO (2011), Manual on Codes - Volume II Regional Codes and National Coding Practices. WMO.
32. Yadav, R. K. (2016),on the relationship between Iran surface temperature and northwest India summer monsoon rainfall. International Journal of Climatology, 36(13), 4425-4438.
33. Zhou, C., Zelinka, M. D., & Klein, S. A. (2016), Impact of decadal cloud variations on the Earth’s energy budget. Nature Geoscience, 9(12), 871.