نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

خلاصه

این مطالعه الگوهای توزیع فضایی طوفان‌های استوایی (TCs) در دریای چین جنوبی (SCS) را ارائه کرد و تأثیرات احتمالی دمای متوسط ​​سطح دریا (SST) و اندازه گرداب‌های گرم اقیانوس را بر تغییرات شدت TCs در حال عبور مورد بحث قرار داد. آنها را بین سال‌های 1993 تا 2013، SCS 233 TC را تجربه کرده است که از این تعداد 134 با گرداب‌های گرم اقیانوس تعامل داشته‌اند. نتایج خوشه بندی c -means فازی (FCM) نشان داد که این TC ها عمدتاً در بخش شمالی SCS قرار دارند. پس از تعامل با گرداب های گرم اقیانوس، TC ها ممکن است تشدید شوند، در همان شدت باقی بمانند، یا ضعیف شوند. برای تشدید TC ها، پیشرفت ها فقط از 0 تا 3 متر بر ثانیه است. با این حال، این سطح از افزایش شدت TC از نظر آماری معنی‌دار است<0.05. تجزیه و تحلیل های آماری بیشتر نشان می دهد که گرداب های گرم اقیانوس با SST بالاتر از حد متوسط ​​و نسبت بزرگتر بین اندازه گرداب های گرم اقیانوس و شعاع حداکثر باد TC ممکن است به تشدید TC های عبوری کمک کند.
کلید واژه ها: 

GIS ; طوفان استوایی ؛ گردابی اقیانوس ; دریای چین جنوبی ؛ فازی c -به معنای خوشه بندی است

 

1. معرفی

طوفان های استوایی (TCs) یک پدیده طبیعی رایج هستند که معمولاً باعث بروز بلایای ویرانگر می شوند و در نتیجه بر فعالیت های اجتماعی و اقتصادی انسان تأثیر قابل توجهی می گذارند. پس از اینکه یک TC به خشکی می رسد، معمولاً باعث تلفات جانی قابل توجه، آسیب به زیرساخت های شهر و تخریب اکوسیستم می شود. به عنوان مثال، هنگامی که کاترینا در سراسر ساحل شمالی خلیج آمریکا در حال حرکت بود، باعث مرگ حدود 1500 نفر و خسارت کلی حدود 81 میلیارد دلار شد [ 1 ]. در اقیانوس آرام غربی، ابر طوفان Maemi، در سال 2003، مخرب ترین TC بود. طوفان تولید شده توسط Maemi تقریباً جان 130 نفر را گرفت و باعث خسارت مالی 5 میلیارد دلاری در کره شد [ 2]]. نرگس TC یکی از ویرانگرترین بلایای طبیعی در شمال اقیانوس هند در سالهای اخیر بود. تقریباً 600 میلی متر بارندگی کل و یک طوفان به ارتفاع 3 تا 4 متر را به ارمغان می آورد که دلتای رودخانه ایراوادی کم ارتفاع و پرجمعیت را سیل می کند. تعداد تلفات و مفقودین نرگس از 130000 نفر فراتر رفت و خسارات اقتصادی بیش از 10 میلیارد دلار بود [ 3 ، 4 ].
پیش بینی مسیرهای TC و همچنین تغییرات شدت آنها در این مسیرها برای جامعه ارزش زیادی دارد. سیستم های کمی برای ردیابی TC ها توسعه یافته و با موفقیت مورد استفاده قرار گرفته اند، مانند سیستم پیش بینی جهانی (GFS) اداره ملی اقیانوسی و جوی (NOAA)، سیستم پیش بینی طوفان منطقه ای NOAA/Geophysical Fluid Dynamics Laboratory (GFDL)، ایالات متحده سیستم پیش‌بینی جوی جهانی عملیاتی نیروی دریایی (NOGAPS)، مدل مرکز اروپا برای پیش‌بینی هوای متوسط ​​(ECMWF) و مدل اداره هواشناسی (UKMET) [ 5 ]. با این حال، در دهه گذشته، توانایی پیش‌بینی تغییرات شدت TC به طور مداوم از توانایی پیش‌بینی مسیر آنها عقب‌تر بوده است [ 5 ، 6]]- عمدتاً به این دلیل که تغییرات شدت TC تحت تأثیر عوامل متعددی قرار می گیرد [ 7 ، 8 ، 9 ، 10 ، 11 ]. یکی از عوامل مهم دمای سطح دریا در مناطقی است که یک TC از آن عبور می کند.
مطالعات قبلی تشدید ناگهانی و غیرمنتظره TC ها را گزارش کرده اند که از مناطق گرم اقیانوس مانند جریان های اقیانوسی و گرداب های گرم اقیانوس عبور می کنند [ 8 ، 12 ، 13 ، 14 ، 15 ، 16 ]. به عنوان مثال، در سال 1995، طوفان اوپال از 965 به 916 هکتوپاسکال در عرض 14 ساعت پس از برخورد با گرداب گرم اقیانوس در خلیج مکزیک تقویت شد. فرآیند تشدید را می توان هم به ساختار حرارتی بالای اقیانوس و هم به ناهنجاری های جوی پایین نسبت داد. با این حال، اولی تمایل دارد نقش مهم تری نسبت به دومی در تأثیر آن بر تغییرات شدت TC بازی کند [ 17 ، 18]]. گرداب های گرم اقیانوس احتمالاً به عنوان یک مخزن گرما برای تأمین انرژی گرمایی عمل می کنند که TC های عبوری را تشدید می کند. آنها همچنین ممکن است به عنوان یک عایق موثر بین TC و آب سردتر اقیانوس عمل کنند [ 19 ، 20 ]. گرداب های گرم اقیانوس با یک لایه همدما 26 درجه سانتی گراد عمیق و ضخیم مشخص می شوند که ویژگی های آن می تواند برای اندازه گیری پتانسیل گرمایی طوفان مورد استفاده قرار گیرد [ 21 ]. هنگامی که یک TC با یک گرداب اقیانوس گرم روبرو می شود، لایه مخلوط بالای اقیانوس از گرداب گرم اقیانوس تمایل دارد از بالا آمدن آب سرد زیر جلوگیری کند. در نتیجه، دمای سطح دریا به اندازه مناطقی که دارای گرداب های گرم اقیانوسی نیستند، کاهش نمی یابد. چنین تأثیری هم از داده‌های مشاهده و هم از نتایج آزمایش عددی شناسایی شده است [ 12, 13 , 18 , 19 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ]. برای مثال، زمانی که طوفان اوپال خلیج مکزیک را درنوردید، دمای سطح دریا پس از طوفان (SST) به ترتیب در مناطقی با و بدون گرداب های گرم اقیانوس تقریباً 0.5 درجه سانتیگراد و 2 درجه سانتیگراد کاهش یافت.
گرداب های اقیانوس که پدیده های اقیانوسی همه جا حاضر هستند [ 30 ، 31 ]، نقش مهمی در حمل و نقل و تبادل هر دو ترکیب فیزیکی و شیمیایی (یعنی گرما، تکانه، جرم، کلروفیل) در داخل اقیانوس ها دارند [32 ، 33 ، 34 ] . گرداب های گرم و سرد اقیانوس ممکن است لایه مخلوط بالای اقیانوس را تغییر دهند. اینها معمولاً تغییرات شدت TC را به روشهای کاملاً متضاد تحت تأثیر قرار می دهند: گردابهای گرم و سرد به ترتیب تمایل به تشدید و تضعیف TCهای عبوری دارند [ 18 ، 35 ]. در این مطالعه، ما در درجه اول بر روی رابطه بین گرداب‌های گرم اقیانوس و TC تمرکز کردیم.
نتایج مدل‌سازی عددی بینش‌های مهمی در مورد تأثیرات گرداب‌های گرم اقیانوس بر تغییرات شدت TC ارائه می‌کند [ 12 ، 13 ، 19 ، 22 ، 23 ، 24 ]. در حال حاضر، فرآیندهای تعامل بین گرداب های گرم اقیانوس و TC ها را می توان با استفاده از مدل های توفان-اقیانوس همراه مانند مدل سیستم پیش بینی شدت طوفان (CHIPS) [19]، مدل طوفان متقارن محوری و مدل اقیانوس چهار لایه [ 22] شبیه سازی کرد.]. این نتایج مدل‌سازی را می‌توان برای ارزیابی اثرات عوامل مختلف بر شدت TC و نشان دادن مکانیسم‌های فیزیکی که تعامل بین این دو پدیده را هدایت می‌کنند، مورد استفاده قرار داد. با این حال، نتایج مدل‌سازی بر اساس مورد به مورد متفاوت است. بنابراین، آنها را نمی توان برای بررسی فعل و انفعالات بین گرداب های گرم اقیانوس و TC ها در یک منطقه وسیع مورد استفاده قرار داد.
ویانا و همکاران [ 29 ] یک مطالعه موردی برای ارزیابی چگونگی تأثیر گرداب‌های گرم اقیانوس بر طوفان کاتارینا با استفاده از داده‌های Argo و داده‌های مشتق شده از ماهواره با وضوح بالا از جمله باد سطح اقیانوس، ارتفاع سطح دریا و SST انجام داد. آنها به این نتیجه رسیدند که گرداب های گرم اقیانوس ها طوفان کاتارینا را تشدید کردند، اگرچه، برخلاف مدل سازی عددی، این نوع مطالعه موردی قادر به ارزیابی چگونگی تأثیر عوامل فردی بر تغییرات شدت TC نیست.
اوروپزا و همکاران [ 36 ] از داده‌های بهترین مسیر آرشیو شده مرکز ملی طوفان از سال 1993 تا 2009 برای مطالعه چگونگی تقویت سریع گرداب‌های اقیانوسی TC در شمال شرقی اقیانوس آرام گرمسیری استفاده کرد. نتایج تجزیه و تحلیل آماری نشان داد که گرداب های گرم اقیانوس برای تقویت TCs مطلوب هستند. آنها به این نتیجه رسیدند که تبادل حرارتی محلی بین اقیانوس و TC زمانی که یک TC منطقه ای با گرداب های گرم اقیانوس را در نوردید، افزایش یافت. آنها همچنین با استفاده از یک الگوریتم توسعه یافته توسط Goni و همکاران، تغییر در محتوای گرمای اقیانوس را در پاسخ به گرداب های گرم اقیانوس تخمین زدند. [ 37 ] و شای و همکاران. [ 12]. با این حال، این مطالعه از چند محدودیت رنج می برد. اول، همانطور که نویسندگان اشاره کردند، استفاده از محتوای گرمای آب برای شناسایی گرداب های گرم اقیانوس مناسب نیست. دوم، تعریف وسعت گردابی گرم اقیانوس بر اساس محتوای بالای گرمای آب و ناهنجاری های مثبت سطح دریا یک رویکرد علمی دقیق نیست. بنابراین، همانطور که در این مطالعه انجام دادیم، بررسی فعل و انفعالات بین TC ها و گرداب های گرم اقیانوس با استفاده از روش های دقیق تر بر اساس معیارهای واضح تر، ارزش زیادی دارد [38 ] .
فناوری سیستم‌های اطلاعات جغرافیایی (GIS) دارای قابلیت‌های مدیریت، تجزیه و تحلیل و ارائه داده‌های مکانی برتر است [ 39 ] و به طور گسترده در برنامه‌ریزی حمل‌ونقل شهری [ 40 ، 41 ]، مطالعات محیطی [ 42 ]، مدل‌های گسترش بیماری [ 43 ]، و زمینه های واکنش به بلایا [ 44 ]. GIS همچنین در هواشناسی برای پیش‌بینی مسیر طوفان استفاده شده است [ 45 ]. هم مسیرهای TC و هم گردابه‌های اقیانوس گرم دارای ویژگی‌های فضایی هستند و بنابراین می‌توان آنها را به داده‌های مکانی ترجمه کرد و سپس در GIS بررسی کرد تا الگوهای توزیع فضایی برهم‌کنش‌های بین گرداب‌های اقیانوس گرم و TCs را در یک منطقه وسیع نشان دهد.
این مطالعه از مجموعه داده‌های سری زمانی طولانی مدت (1993-2013) از گرداب‌های اقیانوس گرم و TCها برای بررسی تعامل بین این دو نوع پدیده استفاده می‌کند. علاوه بر ارزیابی اثرات گرداب های گرم اقیانوس بر تغییرات شدت TC، و بیشتر برای تایید نتایج مطالعات قبلی. با این حال، در یک منطقه بسیار گسترده تر (به عنوان مثال، دریای چین جنوبی (SCS)).

2. داده ها و روش ها

2.1. منطقه مطالعه

SCS بزرگترین دریای حاشیه ای نیمه محصور در شمال غربی اقیانوس آرام است. این یکی از مهم ترین مناطقی است که اغلب تحت تأثیر TC ها قرار می گیرد [ 46 ، 47 ]. گرداب‌های مقیاس متوسط ​​در سراسر SCS همه جا حاضر هستند و نقش مهمی در تبادل انرژی منطقه‌ای و انتقال مواد دارند [ 33 ، 48 ، 49 ، 50 ، 51 ]. مطالعات قبلی نشان داده‌اند که گرداب‌های گرم اقیانوس نیز بر تغییرات شدت TC در SCS تأثیر می‌گذارند [ 52]؛ با این حال، هنوز مشخص نیست که گرداب های گرم اقیانوس چگونه با TC ها تعامل دارند و اینکه آیا این تعاملات در سراسر SCS متفاوت است. درک بهتر چنین تعاملاتی در پیش بینی TC مهم است، که برای افرادی که در مناطق آسیب پذیر در برابر TC ها زندگی می کنند حیاتی است.

2.2. داده های ارتفاع سنجی، TC و دمای سطح دریا

ما از سه مجموعه داده اصلی در این مطالعه استفاده کردیم، از جمله مجموعه داده‌های TC، مجموعه داده‌های دمای سطح دریا (SST) و نقشه‌های ناهنجاری سطح دریا. مجموعه داده TC اطلاعاتی در مورد مسیرهای TC بهینه و تغییرات در شدت نسبی TC ها ارائه می دهد. داده‌های SST برای استخراج دمای سطح گرداب‌های گرم اقیانوس، که از نقشه‌های ناهنجاری سطح دریا در سال‌های 1993-2013 استخراج شده‌اند، استفاده شد.
نقشه های ناهنجاری سطح دریا محصول ادغام چندین ماموریت ماهواره ای موجود (HY-2A، Saral/AltiKa، Cryosat-2، Jason-1، Jason-2، T/P، Envisat، GFO، ERS1/2 و داده های Geosat) است. با وضوح مکانی 1/4 درجه × 1/4 درجه و وضوح زمانی روزانه. نقشه‌های ناهنجاری سطح دریا در سال‌های 1993 تا 2013 از پایگاه اینترنتی آرشیو، اعتبارسنجی و تفسیر داده‌های اقیانوس‌شناسی ماهواره‌ای (AVIOS) ( http://www.aviso.altimetry.fr/en/home.html ) استخراج و دانلود شدند. داده های ناهنجاری سطح دریا در مناطق قفسه ای با عمق آب کمتر از 200 متر پوشانده شد و به دلیل مسائل دقیق در این مطالعه استفاده نشد [ 53 ، 54 ].
داده های TC 1993-2013 از موسسه طوفان شانگهای اداره هواشناسی چین ( http://www.typhoon.gov.cn ) به دست آمده است. مطالعات قبلی [ 55 ، 56 ] نشان داده است که مجموعه داده TC به دلیل استقرار یک شبکه مشاهده متراکم از دهه 1950 قابل اعتماد است. در این مطالعه، ما از داده‌های بهترین مسیر TC استفاده کردیم که شامل مکان مرکزی، حداقل فشار مرکزی و حداکثر سرعت باد پایدار مرکزی 2 دقیقه‌ای TCs در فواصل 6 ساعته در امتداد هر مسیر TC است. شعاع حداکثر بادهای TC که از سال 2003 در دسترس بوده اند، از مرکز مشترک هشدار طوفان (JTWC) ( http://www.usno.navy.mil/JTWC/ ) بدست آمده است.). TC ها بر اساس حداکثر سرعت باد سطحی پایدار و حداکثر مقیاس باد بر اساس استاندارد ملی چین (GB/T 19201-2006) به شش دسته کلی طبقه بندی شدند (جدول 1 ) .
داده های SST از NOAA/OAR/ESRL PSD ( http://www.esrl.noaa.gov/psd/data/gridded/data.noaa.oisst.v2.highres.html ) به دست آمد. این مجموعه داده شامل داده‌های SST درونیابی بهینه روزانه (OISST، V2) است که از مجموعه داده‌های SST با وضوح بالا که توسط NOAA منتشر شده است، مشتق شده‌اند. داده‌های SST با ترکیب مشاهدات جهانی از چندین پلتفرم (ماهواره‌ها، کشتی‌ها و شناورها) تولید شدند و مجموعه داده دارای وضوح فضایی 1/4 درجه × 1/4 درجه است.

2.3. روش شناسی

2.3.1. شناسایی گردابی

روش های Okubo-Weiss [ 57,58 ] و روش های مبتنی بر ارتفاع سطح دریا [ 30 ] پرکاربردترین روش ها برای شناسایی خودکار گردابی هستند . روش Okubo-Weiss عمدتا بر اساس پارامترهای فیزیکی است. پارامتر فیزیکی W برای تشخیص گرداب های اقیانوس از ناهنجاری سطح دریا به صورت زیر تعریف می شود:

دبلیو=Sn2+Ss2–ω2،

که در آن S n تغییر شکل برشی، Ss تغییر شکل کرنش، و ω جزء عمودی گردابه است. معمولاً سطوح دریا با W کمتر از -0.2σ w (σ w انحراف استاندارد فضایی W است.) به عنوان گرداب های اقیانوسی شناخته می شوند. در مقابل، روش مبتنی بر ارتفاع سطح دریا به هیچ آستانه ای برای شناسایی گرداب نیاز ندارد. اگر حداقل یک مقدار ارتفاع محلی شدید سطح دریا در داخل یک منطقه گرداب غالب وجود داشته باشد، این روش یک منطقه را به عنوان گرداب تعریف می کند. با این حال، این دو روش هر دو دارای اشکالات خاص خود هستند و نتایج شناسایی به طور قابل توجهی تحت تأثیر نویز ناشی از فرآیند محاسبه پارامترهای فیزیکی یا میدان ناهنجاری ارتفاع سطح دریا قرار می‌گیرند.

در این مطالعه، گرداب ها با استفاده از روش تشخیص ترکیبی [ 38 ] شناسایی شدند. این روش اساساً ایده های دو روش ذکر شده قبلی را با هم ترکیب کرد. به عبارت دیگر، یک گردابی باید یک ناحیه هسته با الگوی جریان دایره ای یا مارپیچی و یک مقدار ارتفاع محلی شدید سطح دریا در داخل منطقه هسته داشته باشد. روش ترکیبی ابتدا “ناحیه هسته” یک گردابی را با توجه به مقادیر W شناسایی می کند . سپس، مقدار شدید محلی ناهنجاری ارتفاع سطح دریا در ناحیه هسته، سپس به عنوان مرکز گرداب شناسایی می‌شود. در نهایت، بیرونی ترین ایزولین ناهنجاری ارتفاع سطح دریا (با فاصله 0.5 سانتی متر) که به طور کامل ناحیه هسته گرداب را در بر می گیرد، به عنوان مرز گرداب شناسایی می شود. مطالعه قبلی [ 38] نشان داد که روش ترکیبی در شناسایی گرداب های اقیانوس در SCS بسیار موفق است.

2.3.2. شناسایی TC های متقابل و گرداب های گرم اقیانوس

ما از GIS برای انتخاب همه TCها و گردابهای اقیانوسی که در دوره 1993 تا 2013 در SCS بر اساس طرح تطبیق مکانی-زمانی نشان داده شده در شکل 1 متقابل متقابل داشتند، استفاده کردیم . مسیرهای TC و گرداب های اقیانوس همه در GIS نقشه برداری شدند. مسیرهای TC زمانی انتخاب می شوند که، در هر زمانی در طول عمرشان، هر یک از نقاط مسیر آنها در سطح دریای یک گرداب اقیانوس گرم شناسایی شده باشد. در همان زمان، ما همچنین تمام گرداب‌های اقیانوس گرم را که حاوی حداقل یک نقطه مسیر TC هستند استخراج کردیم. از این پس، گرداب‌های TC و اقیانوس‌های گرم به طور خاص به مواردی اشاره می‌کنند که با استفاده از این طرح تطبیق استخراج شده‌اند، مگر اینکه خلاف آن مشخص شده باشد.
شکل 2 نشان می دهد که چگونه نقاط مسیر از داده های مسیر TC اصلی ایجاد شده اند. در اصل، بهترین آهنگ های TC هر شش ساعت ضبط می شد. با این حال، این فاصله برای ثبت موقعیت‌هایی که یک TC فقط یک گرداب اقیانوس گرم را لمس می‌کند و سپس از آن خارج می‌شود، بیش از حد درشت است. بنابراین، ما بهترین مسیرهای TC را به صورت خطی با استفاده از یک فاصله زمانی یک ساعته نمونه‌برداری کردیم. سپس تغییرات شدت TC را محاسبه کردیم، به عنوان مثال، تفاوت بین حداکثر سرعت باد در نقاطی که یک TC برای اولین بار تماس می گیرد و برای اولین بار یک گرداب را ترک می کند.

2.3.3. تحلیل الگوی TC

ما از الگوریتم خوشه‌بندی c-means فازی (FCM) [ 59 ] استفاده کردیم که قبلاً برای خوشه‌بندی مسیرهای تایفون [ 60 ، 61 ] برای بررسی الگوی فضایی TCها استفاده شده است. برخلاف روش‌های خوشه‌بندی سخت، FCM از درجه عضویت برای اندازه‌گیری احتمال قرار گرفتن یک شی داده در یک خوشه بر اساس حداقل مقدار تابع c-means استفاده می‌کند:

جیمتر=∑من=1سی∑ک=1نμمنکمتر∥ایکسک–جمن∥2،

جایی که

μمنک=[∑j=1سی(∥ایکسک–جمن∥/∥ایکسک–جj∥)2/(متر – 1)]–1،

و

جمن=∑ک=1نμمنکمترایکسک∑ک=1نμمنکمتر،
ضریب عضویت، μمنک، اندازه گیری درجه عضویت شی داده k- امین در خوشه i است ، جایی که μمنک≥0و ∑من=1سیμمنک=1; C تعداد خوشه ها و N تعداد اشیاء داده و m ضریب فازی است که بزرگتر از 1 است که درجه همپوشانی بین خوشه ها را کنترل می کند. هنگامی که m روی مقدار کوچکی تنظیم می شود، به اشیاء داده ای که به مرکز خوشه نزدیکتر هستند، وزن بیشتری نسبت داده می شود. همانطور که در سایر مطالعات FCM [ 60 ، 61 ]، در این مطالعه نیز m روی 2 تنظیم شده است.
FCM همچنین نیاز به تعیین فاصله آستانه دارد که به تعداد معینی از خوشه ها در مجموعه داده بستگی دارد. شاخص شباهت متوسط ​​برای تعریف تابع اندازه گیری جداسازی خوشه کلی، R (Si, Sj , Mij ) استفاده می شود که میانگین شباهت بین هر خوشه و شبیه ترین خوشه آن را اندازه می گیرد [ 62 ]. تابع جداسازی خوشه به صورت زیر محاسبه می شود:

آر¯=1ن∑من=1 نآرمن،

جایی که  آرمن≡بیشترین از آرمنj،من≠jو N تعداد خوشه هاست. اینجا،

آرمنj≡اسمن+اسjممنj،

جایی که آر¯میانگین اندازه گیری شباهت برای کل سیستم است. نتیجه خوشه بندی بهینه زمانی به دست می آید که آر¯به حداقل مقدار خود می رسد. S i و S j به ترتیب معیارهای پراکندگی برای خوشه i و j هستند . M ij به ترتیب فاصله بین مراکز خوشه i و j است . سپس شاخص شباهت به صورت زیر تعریف می شود:

اسمن={1تیمن∑j=1تیمن|ایکسj–آمن|q}1q،

که در آن T i تعداد بردارهای خوشه i است ، X j عضو خوشه i و A i مرکز خوشه i است . سرانجام،

ممنj={∑ک=1ن|αکمن–αکj|پ}1پ

که α ki مولفه k امین بردار α i است که مرکز خوشه i است . پارامتر p 2 و q برابر 1 است.

2.3.4. حداکثر تغییر سرعت باد مبتنی بر شبکه

ما همچنین میانگین بلند مدت تغییرات حداکثر سرعت باد را برای هر سلول نقشه ناهنجاری سطح دریا 1/4 × 1/4 درجه محاسبه کردیم. در این مطالعه، یک تغییر در حداکثر سرعت باد به عنوان تفاوت حداکثر سرعت باد بین هر دو نقطه مجاور در امتداد یک مسیر TC خاص تعریف می‌شود. سپس میانگین بلندمدت تغییرات حداکثر سرعت باد را برای همه مسیرهای TC که از سال 1949 تا 2013 در هر سلول از روی SCS عبور می‌کنند، خلاصه کردیم، صرف‌نظر از اینکه آیا یک گرداب اقیانوس گرم در سلول وجود دارد یا خیر. سپس ما تغییرات شدت TC ها را که با گرداب های گرم اقیانوس در تعامل بودند با میانگین بلندمدت تغییرات حداکثر سرعت باد مبتنی بر شبکه مقایسه کردیم تا تأثیر احتمالی گرداب های گرم اقیانوس را بر تغییرات شدت TC بررسی کنیم.

3. نتایج

3.1. ویژگی های عمومی آهنگ های TC

طی دوره 1993 تا 2013، 233 TC از SCS عبور کردند. از این تعداد، 134 مورد با گرداب های گرم اقیانوس تعامل داشتند ( شکل 3 ). از نظر بصری، مسیرهای TC عمدتاً در شمال SCS خوشه‌بندی می‌شوند. تعداد کمتری از SCS مرکزی و حتی کمتر از SCS جنوبی عبور می کنند. سپس ما مسیرهای TC را به خوشه‌هایی گروه‌بندی کردیم تا الگوی توزیع فضایی آن‌ها را از نظر کمی بهتر نشان دهیم. تعداد بهینه خوشه هایی که مسیرهای TC در آنها گروه بندی شدند بر اساس میانگین شاخص شباهت انتخاب شد که پس از 1000 تکرار الگوریتم خوشه بندی محاسبه شد. شکل 4 تغییرات میانگین شاخص شباهت را در پاسخ به تعداد مختلف خوشه هایی که مسیرهای TC در آنها گروه بندی شده اند نشان می دهد.
همانطور که در شکل 4 نشان داده شده است، گروه بندی مسیرهای TC به دو یا سه خوشه کمترین میانگین شاخص شباهت را نشان می دهد (به ترتیب 1.08 و 1.30). با این حال، این دو طرح خوشه‌بندی تنها یک روند حرکتی غربی بسیار کلی (خوشه‌های ①، ②، و ③ در شکل 5 ) از TCها را نشان می‌دهند و تنها به قیمت از دست دادن الگوهای محلی. گروه بندی مسیرهای TC به هفت یا هشت خوشه، خوشه های محلی بیشتری را نشان می دهد (⑦ و ⑧ در شکل 5 ). با این حال، تنها 8.21٪ از آهنگ های TC به ترتیب در این دو خوشه گروه بندی شدند. در نتیجه، ما مسیرهای TC را به شش خوشه گروه‌بندی کردیم تا از میانگین شاخص تشابه پایین اطمینان حاصل کنیم و همچنین نرخ عضویت کمتر از 10٪ را حفظ کنیم.
شکل 6 شش دسته از مسیرهای TC را در بالای گرداب های گرم اقیانوس نشان می دهد که با TC های عبوری تعامل دارند. بیشتر گرداب های گرم اقیانوس در شمال SCS قرار دارند. پنج از شش خوشه مسیر TC در شمال SCS (شمال 14 درجه شمالی) شناسایی شد: چهار در حال حرکت به سمت شمال غربی و یکی به سمت شمال. در مقابل، در جنوب SCS (جنوب 14 درجه شمالی)، تنها یک خوشه شناسایی شد. جدول 2 نشان می دهد که 88.81٪ از TC ها در خوشه های SCS شمالی (خوشه های 2-6) گروه بندی شدند، در حالی که کمتر از 12٪ در خوشه در SCS جنوبی (خوشه 1) گروه بندی شدند. این نتایج با مطالعات قبلی [ 61 ، 63 ، 64 ] مطابقت دارد .
جدول 2 همچنین میانگین فاصله را نشان می دهد که میانگین فاصله بین هر TC و مرکز خوشه ای است که در آن گروه بندی می شود. میانگین فاصله پنج خوشه در شمال SCS به تدریج از شمال به جنوب افزایش می یابد. خوشه های 4 و 6 بیشترین فاصله را نشان می دهند. TCهایی که در این دو خوشه گروه بندی می شوند عمدتاً به صورت محلی در حوضه SCS متولد می شوند (93٪ برای خوشه 4 و 70٪ برای خوشه 6). مسیرهای TCهای محلی متولد شده عموماً به دلیل جریان ضعیف فرمان [ 65 ] پیچ و تاب بیشتری دارند و بنابراین زمانی که در یک خوشه گروه بندی می شوند فاصله متوسط ​​بیشتری را نشان می دهند. نتایج تحلیل واریانس (ANOVA) نشان می‌دهد که تفاوت بین میانگین فاصله‌های شش خوشه از نظر آماری با p-مقدار 0.014. مقایسه زوجی دانکن نشان می‌دهد که این مقادیر را می‌توان به دو زیر مجموعه طبقه‌بندی کرد، اگرچه هر دو زیرمجموعه شامل خوشه‌های 3 و 1 هستند. جدول 3 نشان می‌دهد که میانگین فاصله‌های خوشه‌ها در زیرمجموعه 1 کوتاه‌تر از زیرمجموعه 2 است. در زیر مجموعه 1، خوشه‌های 3 و 1 میانگین فاصله بیشتری را نسبت به خوشه‌های 2 و 5 نشان می‌دهند، اگرچه این تفاوت از نظر آماری معنی‌دار نیست ( p -value 0.077).

3.2. تغییرات در شدت TC

شکل 7 فرکانس تغییر شدت (ΔV) TC ها را در دسته های مختلف ( جدول 1 ) پس از عبور از گرداب های گرم اقیانوس نشان می دهد. بیش از نیمی (~57٪) از TCها تغییری در شدت نشان نمی دهند، اما درصدها در بین دسته های مختلف TC متفاوت است (~62٪ برای فرورفتگی های استوایی، ~52٪ برای طوفان های استوایی، ~57٪ برای طوفان ها).
به طور کلی، در میان TC هایی که تغییرات شدت را تجربه می کنند، 34٪ تشدید می شوند در حالی که تنها 9٪ پس از مواجهه با گرداب های گرم اقیانوس ضعیف می شوند. اکثر TC های تشدید کننده (~82٪) مقادیر تغییر شدت (ΔV) را در محدوده بسیار باریکی بین 0.00 و 3.00 نشان می دهند. با این حال، نتایج آزمون t نشان می دهد که تفاوت بین مقادیر ΔV با میانگین افزایش m/s 0.48 از نظر آماری معنی دار است ( جدول 4 ).
با این حال، درصد تشدید و تضعیف TC ها در بین هر یک از دسته های TC متفاوت است. برای فرورفتگی‌های استوایی و طوفان‌های استوایی، نسبت بیشتری از TC برای تشدید نسبت به تضعیف، 35% در مقابل 3% برای فرورفتگی‌های استوایی و 38% در مقابل 10% برای طوفان‌های استوایی وجود دارد. با این حال، 19٪ از طوفان ها تشدید می شوند در حالی که 24٪ ضعیف می شوند. این نتیجه با کاپلان و دماریا [ 8 ] مطابقت دارد، که استدلال کردند که طوفان‌های قوی‌تر تمایل دارند سریع‌تر از بین بروند. ویلوبی و همکاران [ 66 ] همچنین اشاره کرد که یک طوفان به دلیل فروریختن دیواره چشم داخلی آن احتمال پوسیدگی بیشتری دارد.
هم طوفان های استوایی و هم فرورفتگی ها بیشتر از طوفان ها تشدید می شوند ( شکل 7 و جدول 5 ). فرورفتگی‌ها و طوفان‌های استوایی دارای میانگین ارزش ΔV هستند، در حالی که طوفان‌ها دارای میانگین ارزش منفی هستند. جدول 5 همچنین نشان می دهد که انحراف معیار ΔV طوفان ها بیشتر از فرورفتگی های استوایی و طوفان های استوایی است. این را می توان به قدرت اولیه کمتر طوفان ها و فرورفتگی های استوایی در مقایسه با طوفان ها نسبت داد. در نتیجه، دو نوع قبلی پتانسیل بیشتری برای تشدید دارند. برعکس، تایفون‌های قوی‌تر تمایل دارند به سرعت از بین بروند [ 8 ، 67 ].

3.3. نسبت بین شعاع حداکثر بادهای TC و اندازه گردابهای گرم اقیانوس

داده‌های شعاع حداکثر بادهای TC تنها پس از سال 2003 در دسترس قرار گرفت. در مجموع، 50 شعاع برای TCهایی که از سال 2003 تا 2013 از روی SCS عبور می‌کردند و با گرداب‌های گرم اقیانوس در تعامل بودند، به‌دست آمد. شعاع متوسط ​​حداکثر باد TCها 17/53 کیلومتر است ( جدول 6 ). سپس مساحت دایره ای معادل هر گرداب گرم اقیانوس را محاسبه کردیم. سپس شعاع مساحت دایره‌ای معادل محاسبه شد و میانگین آن 73.06 کیلومتر است که بسیار شبیه به آنچه Xiu و همکارانش است. [ 68] گزارش شده (87.4 کیلومتر). نسبت بین دو شعاع (شعاع مساحت دایره‌ای معادل هر گرداب اقیانوس گرم و شعاع حداکثر باد یک TC که با آن گرداب گرم اقیانوس مواجه می‌شود) برای ارزیابی رابطه احتمالی بین اندازه‌های گرداب‌های گرم اقیانوس محاسبه شد. و شعاع حداکثر بادهای TC.
سپس نسبت ها بر اساس اینکه آیا TC ها تشدید می شوند، شدت تغییر نمی کنند یا شدت آن ضعیف می شوند خلاصه شدند ( جدول 6 ). به طور کلی، میانگین نسبت برای گرداب های گرم اقیانوسی که با TC های تشدید شونده مواجه می شوند، بزرگترین و برای گرداب های گرم اقیانوسی که با TC های ضعیف مواجه می شوند، کوچک ترین است. آزمون مقایسه زوجی با استفاده از روش کمترین تفاوت معنی‌دار (LSD) نشان می‌دهد که تفاوت بین دسته تشدیدکننده و طبقه ضعیف در سطح معنی‌داری 05/0 معنی‌دار است.

4. بحث

4.1. میانگین تغییرات شدت TC مبتنی بر سلول

شکل 8 میانگین سلولی تفاوت حداکثر سرعت باد را بین هر دو نقطه مجاور در امتداد مسیرهای TC در SCS نشان می‌دهد. سلول هایی با میانگین حداکثر سرعت باد در حال افزایش عمدتاً در ناحیه باز SCS قرار دارند. گرمای اقیانوس احتمالاً به تقویت TC ها کمک می کند. در مقابل، سلول‌های کنار ساحل تمایل دارند حداکثر سرعت باد را کاهش دهند، که در درجه اول به دلیل افزایش اصطکاک نزدیک خشکی است.
شکل 8 همچنین نقاط هسته گرداب های گرم اقیانوس را نشان می دهد که حداقل یک TC را ملاقات می کنند. اکثر نقاط مرکزی در داخل سلول ها با میانگین دراز مدت افزایش حداکثر سرعت باد قرار دارند. نتایج آزمون T نشان داد که میانگین تغییر شدت تمام TC هایی که از سال 1993 تا 2013 با گرداب اقیانوس گرم مواجه می شوند، بالاتر از میانگین دراز مدت حداکثر سرعت باد مبتنی بر سلول است و این تفاوت از نظر آماری معنی دار است ( p = 0.0001). چنین نتیجه ای نشان می دهد که گرداب های گرم اقیانوس ممکن است، حداقل تا حدی، به تشدید عبور TC ها از روی آنها کمک کنند.

4.2. تغییرات زمانی شدت TC

ما بیشتر تغییرات زمانی در شدت TC را در طول دوره 6 ساعته قبل و بعد از ملاقات یک TC با گرداب اقیانوس گرم و در طول دوره ای که یک TC به طور مستقیم با یک گرداب اقیانوس گرم در تعامل است بررسی کردیم. شکل 9 نشان می دهد که تمام مقادیر تغییر شدت در 1.5 برابر محدوده بین چارکی قرار دارند و هیچ تفاوت قابل توجهی بین ارتفاع سه جعبه وجود ندارد که نشان دهنده تغییرات شدت TC در سه مرحله شرح داده شده در بالا است. شکل 9 و شکل 10همچنین نشان می دهد که میانه و میانگین مقادیر حداکثر سرعت باد در طول دوره ای که یک TC در حال تعامل با یک گرداب گرم اقیانوس است بیشتر از مقادیر در طول دو مرحله دیگر است. در نتیجه، تغییرات در شدت TC در طول دوره تعامل گردابی نسبت به قبل و بعد از آن تعامل قابل توجه‌تر است. همانطور که توسط نتایج ANOVA و تجزیه و تحلیل مقایسه زوجی ( جدول 7 و جدول 8 ) نشان داده شده است، تفاوت در تغییرات شدت در این سه مرحله مختلف از نظر آماری معنی‌دار است ( 001/0= p ) در سطح اطمینان 95 درصد.
با این حال، در مقیاس زمانی بزرگ‌تر، تفاوت در شدت TC در دوره‌های 12 ساعته قبل و بعد از تعامل و در طول فرآیند تعامل از نظر آماری معنی‌دار نیست (آزمون ANOVA، 0.53 = p) در سطح معنی‌داری 0.05. در نتیجه، تغییرات زمانی در شدت TC تنها در یک دوره زمانی کوتاه تقریباً 7 ساعت قابل توجه است، که میانگین طول تعامل بین TCs و گرداب‌های گرم اقیانوس در SCS است. در مقابل، در مناطق دیگر مانند خلیج مکزیک و اقیانوس آزاد غربی اقیانوس آرام شمالی، برهمکنش بین گرداب‌های اقیانوس و TCها مانند اوپال، میچ و مایمی معمولاً بیش از 10 ساعت طول می‌کشد [19 ]]. در نتیجه، تأثیر گرداب‌های گرم اقیانوس بر تغییرات شدت TC در SCS باید در یک بازه زمانی کوتاه‌تر، مانند تقریباً 7 ساعت بررسی شود. در بازه‌های زمانی طولانی‌تر، تأثیر عوامل دیگر مانند مقادیر کم برشی باد، مقادیر رطوبت نسبی بالا در تروپوسفر میانی و مقادیر رطوبت یکپارچه عمودی بالا ممکن است نقش مهم‌تری در تأثیرگذاری بر TC نسبت به گرداب‌های گرم اقیانوس داشته باشند. مطالعه ارتباط بین TC های تشدید کننده و گرداب های گرم اقیانوس در مقیاس های زمانی طولانی تر غیرممکن است.

4.3. تأثیرات SST بر تغییر شدت TC

مطالعات قبلی نشان داده اند که شدت TC به طور قابل توجهی تحت تاثیر ساختار عمودی گرداب های گرم اقیانوس [ 12 ، 22 ] و SST [ 69 ، 70 ، 71 ، 72 ، 73 ] است. با این حال، مشخص نیست که ساختار عمودی گرداب‌های گرم اقیانوس تا چه حد بر شدت TC تأثیر می‌گذارد، عمدتاً به دلیل عدم وجود داده‌های اندازه‌گیری در محل ساختار عمودی گرداب‌های گرم اقیانوس. در مقابل، داده های SST به دلیل پیشرفت در سنجش از دور به طور گسترده در دسترس هستند. بنابراین، استفاده از داده های SST برای بررسی چگونگی تغییر مقادیر SST در پاسخ به TC های تشدید، بدون تغییر و تضعیف مفید خواهد بود.
ما ابتدا میانگین SST اولین جفت گردابهای گرم اقیانوس را مقایسه کردیم، یعنی آنهایی که با تضعیف شدن مواجه شدند در مقابل آنهایی که با TCهای غیر ضعیف (از جمله بدون تغییر و تشدید) مواجه شدند. سپس میانگین SST جفت دوم گردابهای گرم اقیانوس را مقایسه کردیم، یعنی آنهایی که با تشدید مواجه می شوند در مقابل آنهایی که با TCهای بدون تغییر مواجه می شوند. نتایج آزمون t دو طرفه ( جدول 8 ) نشان می دهد که تفاوت در میانگین SST گرداب های گرم اقیانوس بین دو جفت گرداب اقیانوس گرم که در بالا توضیح داده شد، هر دو از نظر آماری معنی دار هستند ( 021/0 = p و p= 0.034، به ترتیب). میانگین SST گرداب های اقیانوس گرم که با TC های تشدید کننده مواجه می شوند بیشتر از SST گرداب های اقیانوس گرم است که با TC های بدون تغییر مواجه می شوند. این نتیجه احتمالاً نشان می دهد که SST بالاتر تمایل به تشدید عبور TC دارد. مطالعات قبلی نیز روابط یکسانی را بین شدت SST و TC نشان داده‌اند [ 11 ، 20 ، 70 ].
ضریب همبستگی برای تغییر شدت TC و SST گرداب های گرم اقیانوس (گروه یک در جدول 9) که با TCهای ضعیف یا غیر ضعیف مواجه می شوند 0.25 است. ضریب همبستگی برای تغییر شدت TC و SST گردابه های اقیانوس گرم (گروه دو) که با TC های تشدید کننده و بدون تغییر مواجه می شوند 0.19 است. هر دوی این دو همبستگی در سطح معنی‌داری کمتر از 05/0 هستند. این دو ضریب همبستگی، اگرچه در اندازه کم هستند، نشان می‌دهند که بین SST و تغییرات شدت TC رابطه مثبت وجود دارد. مقدار کم ضریب همبستگی احتمالاً به این دلیل است که SST تنها یکی از عواملی است که بر تغییرات شدت TC تأثیر می گذارد. قدرهای کم ممکن است از بازه زمانی کوتاه (6 ساعت) که برای بررسی تغییرات شدت TC استفاده کردیم، ناشی شود. دماریا و کاپلان [ 74] از 10 پیش بینی کننده برای پیش بینی تغییرات شدت TC استفاده کرد و دریافت که ضرایب همبستگی به تدریج از 0.60 در یک بازه پیش بینی 12 ساعته به 0.73 در بازه زمانی 72 ساعت افزایش می یابد. بنابراین، اگر تغییرات شدت TC را در SCS در یک بازه زمانی طولانی‌تر بررسی کنیم، انتظار این است که ضرایب همبستگی افزایش یابد.

4.4. رابطه بین اندازه گرداب های گرم اقیانوس و شعاع حداکثر باد TC

شعاع عملیاتی موثر شار آنتالپی سطح دریا، زمانی که حدود 7-8 برابر شعاع حداکثر سرعت باد TCها باشد، تمایل دارد که TCهای عبوری را تشدید کند [ 75 ]. تفاوت معنی‌دار نسبت بین شعاع معادل گرداب‌های گرم اقیانوس و شعاع حداکثر باد TCهای تشدیدکننده و ضعیف‌کننده در SCS نشان می‌دهد که اندازه گرداب‌های اقیانوس گرم احتمالاً تا حدی به تغییرات شدت TC کمک می‌کند. با این حال، حداکثر نسبت در SCS تنها 5.18 است، که به اندازه شعاع عملیات موثر گزارش شده توسط Miaymoto و همکاران نیست. [ 75]. این نسبت نسبتاً کمتر در SCS احتمالاً توضیح می‌دهد که چرا تنها بخشی از TCs در SCS پس از مواجهه با گرداب‌های گرم اقیانوس تشدید می‌شوند: گرداب‌ها به اندازه کافی بزرگ نیستند. بنابراین، محتوای انرژی گرمایی به اندازه کافی قوی نیست که TC های عبوری از آنها را تشدید کند.

5. نتیجه گیری ها

این مطالعه توزیع TCs در SCS و روابط متقابل آنها با گرداب های گرم اقیانوس را بررسی کرد. از سال 1993 تا 2013، ما 134 TC را پیدا کردیم که حداقل برای یک دوره کوتاه با گرداب های گرم اقیانوس تعامل داشتند. مسیرهای این 134 TC در شش خوشه گروه بندی شدند که بیشتر آنها در شمال SCS قرار دارند.
بیش از نیمی (~57٪) از 134 TC پس از مواجهه با گرداب های گرم اقیانوس در SCS هیچ تغییری در شدت نشان ندادند. تقریباً 9٪ و 34٪ از TC ها به ترتیب پس از تعامل با یک گرداب گرم اقیانوس ضعیف یا تشدید می شوند. اگرچه اکثر TCهای تشدیدکننده (82٪) مقادیر تغییر شدت را در محدوده باریکی بین 0.00 و 3.00 متر بر ثانیه نشان می دهند، تفاوت در شدت از نظر آماری معنی دار است.
تغییر شدت نیز در دسته های مختلف TC ها متفاوت است. هم طوفان های استوایی و هم افسردگی ها بیشتر از طوفان ها تشدید می شوند. دو نوع قبلی TC تمایل بیشتری به تشدید دارند، در حالی که تایفون های قوی تر تمایل به پوسیدگی دارند.
ما بیشتر تغییرات زمانی در شدت TC را در طول دوره 6 ساعته قبل و بعد از ملاقات TC با گرداب اقیانوس گرم و همچنین در طول دوره تعامل بین یک TC و یک گرداب اقیانوس گرم بررسی کردیم. تفاوت در تغییرات شدت در طول این سه دوره از نظر آماری در فاصله زمانی 6 ساعت معنی دار است اما در فاصله 12 ساعت معنی دار نیست. در نتیجه، تغییرات زمانی در شدت TC تنها در یک بازه زمانی کوتاه قابل توجه است – تقریباً 7 ساعت، که میانگین دامنه تعاملات بین TCs و گرداب های گرم اقیانوس در SCS است.
ما همچنین دریافتیم که تفاوت‌ها در میانگین SST گردابه‌های اقیانوس گرم که با TCهای تشدید یا بدون تغییر و همچنین آنهایی که با TCهای ضعیف یا غیرضعیف مواجه می‌شوند، هر دو از نظر آماری معنی‌دار هستند. علاوه بر این، میانگین SST بالای گرداب‌های اقیانوس گرم که با TCهای تشدیدکننده مواجه می‌شوند، احتمالاً نشان می‌دهد که SST بالاتر به تشدید TC‌های عبوری کمک می‌کند. اندازه گردابهای گرم اقیانوس نیز ممکن است به تشدید TC در SCS کمک کند. با این حال، سهم آنها ممکن است به دلیل اندازه نسبتا کوچک گرداب های گرم اقیانوس در SCS در مقایسه با شعاع حداکثر بادهای TCs محدود باشد.

منابع

  1. Beven، JL; آویلا، لس آنجلس؛ بلیک، ES; براون، DP; فرانکلین، جی ال. Knabb، RD; Pasch، RJ; روم، جی آر. استوارت، فصل طوفان آتلانتیک SR سال 2005. دوشنبه. Weather Rev. 2008 , 136 , 1109-1173. [ Google Scholar ] [ CrossRef ]
  2. کانگ، S.-W. جون، ک.-سی. پارک، K.-S. هان، اس.-دی. طوفان مایمی در خلیج ماسان کره. مار. جئود. 2009 ، 32 ، 218-232. [ Google Scholar ] [ CrossRef ]
  3. مک فادن، ام جی; فولتز، GR; لی، تی. مورتی، VSN; راویچاندران، م. Vecchi، GA؛ ویالارد، جی. ویگرت، جی دی. یو، L. برهمکنش های اقیانوس-اتمسفر در طول طوفان نرگس. EOS Trans. صبح. ژئوفیز. اتحادیه 2009 ، 90 ، 53-54. [ Google Scholar ] [ CrossRef ]
  4. وبستر، نرگس مرگبار پی جی میانمار. نات. Geosci. 2008 ، 1 ، 488-490. [ Google Scholar ] [ CrossRef ]
  5. گوپالاکریشنان، اس جی; گلدنبرگ، اس. کوئیرینو، تی. ژانگ، ایکس. مارکس، اف ام، جونیور؛ بله، K.-S. اطلس، آر. تالاپراگادا، V. به سوی بهبود پیش بینی طوفان عددی با وضوح بالا: تأثیر وضوح شبکه افقی مدل، مقداردهی اولیه، و فیزیک. پیش بینی آب و هوا. 2012 ، 27 ، 647-666. [ Google Scholar ] [ CrossRef ]
  6. دماریا، ام. ماینلی، م. Shay, LK; کناف، ج.ا. Kaplan, J. بهبودهای بیشتر در طرح آماری پیش بینی شدت طوفان (SHIPS). پیش بینی آب و هوا. 2005 ، 20 ، 531-543. [ Google Scholar ] [ CrossRef ]
  7. هالیدی، CR; تامپسون، AH ویژگی‌های اقلیمی طوفان‌هایی که به سرعت تشدید می‌شوند. دوشنبه Weather Rev. 1979 , 107 , 1022-1034. [ Google Scholar ] [ CrossRef ]
  8. کاپلان، جی. Demaria، M. ویژگی های مقیاس بزرگ طوفان های استوایی به سرعت در حال تشدید در حوضه اقیانوس اطلس شمالی. پیش بینی آب و هوا. 2003 ، 18 ، 1093-1108. [ Google Scholar ] [ CrossRef ]
  9. کریشنامورتی، TN; پتنیک، اس. استفانووا، ال. کومار، تی. مکی، BP; اوشی، ای جی؛ Pasch, RJ موضوع شدت طوفان. دوشنبه Weather Rev. 2005 , 133 , 1886-1912. [ Google Scholar ] [ CrossRef ]
  10. لین، I.-I.; گونی، جی. کناف، ج.ا. فوربس، سی. علی، M. محتوای گرمای اقیانوس برای پیش‌بینی شدت طوفان استوایی و تأثیر آن بر موج طوفان. نات. خطرات 2013 ، 66 ، 1481-1500. [ Google Scholar ] [ CrossRef ]
  11. سان، ی. ژونگ، ز. یی، ال. ها، ی. Sun, Y. اثرات مخالف دمای سطح داخلی و خارجی دریا بر شدت طوفان گرمسیری. جی. ژئوفیس. Res. اتمس. 2014 ، 119 ، 2193-2208. [ Google Scholar ] [ CrossRef ]
  12. Shay, LK; گونی، جی. سیاه، PG اثرات یک ویژگی اقیانوسی گرم بر اوپال طوفان. دوشنبه Weather Rev. 2000 , 128 , 1366–1383. [ Google Scholar ] [ CrossRef ]
  13. هنگ، ایکس. چانگ، SW; رامان، اس. Shay, LK; Hodur, R. تعامل بین اوپال طوفان (1995) و یک حلقه هسته گرم در خلیج مکزیک. دوشنبه Weather Rev. 2000 , 128 , 1347–1365. [ Google Scholar ] [ CrossRef ]
  14. گونی، جی. Trinanes، JA نظارت بر ساختار حرارتی اقیانوس می تواند در پیش بینی شدت طوفان های استوایی کمک کند. EOS Trans. صبح. ژئوفیز. اتحادیه 2003 ، 84 ، 573-578. [ Google Scholar ] [ CrossRef ]
  15. امانوئل، ک. DesAutels، C.; هالووی، سی. کورتی، R. کنترل محیطی شدت طوفان گرمسیری. J. Atmos. علمی 2004 ، 61 ، 843-858. [ Google Scholar ] [ CrossRef ]
  16. مارکس، FD; Shay, LK طوفان های استوایی: مشکلات پیش بینی و فرصت های تحقیقاتی مرتبط گاو نر صبح. هواشناسی Soc. 1998 ، 79 ، 305-323. [ Google Scholar ]
  17. نامیاس، ج. Cayan, DR تعاملات هوا و دریا در مقیاس بزرگ و نوسانات اقلیمی کوتاه مدت. Science 1981 , 214 , 869-876. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  18. جیمز، بی. Shay, LK خنک‌سازی لایه‌ای مخلوط در گرداب‌های اقیانوسی در مقیاس متوسط ​​در طول طوفان‌های کاترینا و ریتا. دوشنبه Weather Rev. 2009 , 137 , 4188-4207. [ Google Scholar ] [ CrossRef ]
  19. لین، I.-I.; وو، سی.-سی. امانوئل، کالیفرنیا؛ لی، آی.-اچ. وو، سی.-ر. Pun, I.-F. تعامل ابرطوفان مامی (2003) با گرداب گرم اقیانوس. دوشنبه Weather Rev. 2005 , 133 , 2635–2649. [ Google Scholar ] [ CrossRef ]
  20. دماریا، م. کاپلان، جی. دمای سطح دریا و حداکثر شدت سیکلون های استوایی اقیانوس اطلس. جی. کلیم. 1994 ، 7 ، 1324-1334. [ Google Scholar ] [ CrossRef ]
  21. Leipper، DF; Volgenau، D. پتانسیل گرمایی طوفان خلیج مکزیک. J. Phys. Oceanogr. 1972 ، 2 ، 218-224. [ Google Scholar ] [ CrossRef ]
  22. وو، سی.-سی. لی، سی.-ای. لین، I.-I. اثر گردابی اقیانوس بر شدت طوفان استوایی J. Atmos. علمی 2007 ، 64 ، 3562-3578. [ Google Scholar ] [ CrossRef ]
  23. لین، I.-I.; چو، دکتر Wu، CC تاثیر یک گرداب اقیانوس گرم بر طوفان موراکوت (2009): یک مطالعه مقدماتی از مشاهدات ماهواره‌ای و مدل‌سازی عددی. ترس اتمس. اقیانوس. علمی 2011 ، 22 ، 661-671. [ Google Scholar ] [ CrossRef ]
  24. لین، I.-I.; چن، CH; Pun, IF; لیو، WT; Wu، CC ناهنجاری اقیانوس گرم، شارهای دریایی هوا، و تشدید سریع طوفان گرمسیری نرگس (2008). ژئوفیز. Res. Lett. 2009 ، 36 . [ Google Scholar ] [ CrossRef ]
  25. لین، I.-I.; وو، سی.-سی. Pun, I.-F. Ko، D.-S. ساختار حرارتی بالای اقیانوس و طوفان های رده 5 اقیانوس آرام غربی. بخش اول: ویژگی های اقیانوس و تشدید طوفان های دسته 5. دوشنبه Weather Rev. 2008 , 136 , 3288–3306. [ Google Scholar ] [ CrossRef ]
  26. لین، I.-I.; Pun, I.-F. وو، سی.-سی. ساختار حرارتی بالای اقیانوس و طوفان های رده 5 اقیانوس آرام غربی. بخش دوم: وابستگی به سرعت ترجمه. دوشنبه Weather Rev. 2009 , 137 , 3744–3757. [ Google Scholar ] [ CrossRef ]
  27. علی، م. جگادیش، پ. جین، اس. اثرات گرداب ها بر شدت طوفان خلیج بنگال. EOS Trans. صبح. ژئوفیز. اتحادیه 2007 ، 88 ، 93-95. [ Google Scholar ] [ CrossRef ]
  28. بندر، MA; Ginis، I. شبیه‌سازی‌های واقعی تعامل طوفان-اقیانوس با استفاده از یک مدل همراه با وضوح بالا: اثرات بر شدت طوفان. دوشنبه Weather Rev. 2000 , 128 , 917-946. [ Google Scholar ] [ CrossRef ]
  29. ویانا، ام ال. Menezes، VV; پزا، AB; سیموندز، I. تعاملات بین طوفان کاتارینا (2004) و حلقه های هسته گرم در اقیانوس اطلس جنوبی. جی. ژئوفیس. Res. Oceans 2010 , 115 . [ Google Scholar ] [ CrossRef ]
  30. چلتون، دی.بی. Schlax، MG; ساملسون، RM مشاهدات جهانی گردابه‌های غیرخطی در مقیاس متوسط. Prog. Oceanogr. 2011 ، 91 ، 167-216. [ Google Scholar ] [ CrossRef ]
  31. چلتون، دی.بی. Schlax، MG; ساملسون، آر.ام. de Szoeke, RA مشاهدات جهانی از گرداب های بزرگ اقیانوسی. ژئوفیز. Res. Lett. 2007 ، 34 . [ Google Scholar ] [ CrossRef ]
  32. چلتون، دی.بی. Gaube، P. Schlax، MG; اوایل، جی جی; ساملسون، RM تأثیر گردابه های غیرخطی در مقیاس متوسط ​​بر کلروفیل اقیانوسی نزدیک به سطح. علوم 2011 ، 334 ، 328-332. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  33. لیو، اف. تانگ، اس. چن، سی. تأثیر گردابه‌های مزو مقیاس غیرخطی بر توزیع فیتوپلانکتون در شمال دریای چین جنوبی. جی مارس سیست. 2013 ، 123-124 ، 33-40. [ Google Scholar ] [ CrossRef ]
  34. هاسمن، یو. Czaja، A. امضای مشاهده شده از گردابه های متوسط ​​در دمای سطح دریا و انتقال حرارت مرتبط. Deep Sea Res. I Oceanogr. Res. مقالات 2012 ، 70 ، 60-72. [ Google Scholar ] [ CrossRef ]
  35. Ma، ZH; فی، جی اف. لیو، ال. هوانگ، XG; چنگ، XP اثرات گردابی هسته سرد بر شدت و ساختار طوفان استوایی تحت شرایط ایده‌آل برهمکنش هوا و دریا. صبح. هواشناسی Soc. 2013 ، 141 ، 1285-1303. [ Google Scholar ] [ CrossRef ]
  36. اوروپزا، اف. راگا، GB عمیق شدن سریع طوفان های استوایی در شمال شرقی اقیانوس آرام گرمسیری: رابطه با گرداب های اقیانوسی. Atmósfera 2015 ، 28 ، 27–42. [ Google Scholar ] [ CrossRef ]
  37. گونی، جی. کمهولز، س. گرزولی، س. اولسون، دی. دینامیک محل تلاقی برزیل-مالویناس بر اساس صداگیرهای اکو معکوس و ارتفاع سنجی. جی. ژئوفیس. Res. اقیانوس ها 1996 ، 101 ، 16273-16289. [ Google Scholar ] [ CrossRef ]
  38. یی، جی. دو، ی. او، ز. ژو، سی. افزایش دقت تشخیص گردابی خودکار و قابلیت تشخیص ساختارهای چند هسته ای از روی نقشه های ناهنجاری سطح دریا. علم اقیانوس 2014 ، 10 ، 39-48. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. چن، اس. ژئوسیستم و سیستم اطلاعات جغرافیایی. Acta Geogr. گناه 1991 ، 58 ، 1-7. (به زبان چینی) [ Google Scholar ]
  40. لوپس، اس. برودینو، ن. Rodrigues da Silva، A. ابزارهای تحلیلی مبتنی بر GIS برای برنامه ریزی حمل و نقل: مدل های رگرسیون فضایی برای پیش بینی تقاضای حمل و نقل. ISPRS Int. J. Geo-Inf. 2014 ، 3 ، 565-583. [ Google Scholar ] [ CrossRef ]
  41. فورد، آ. بار، اس. داوسون، آر. جیمز، پی. تجزیه و تحلیل دسترسی حمل و نقل با استفاده از GIS: ارزیابی حمل و نقل پایدار در لندن. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 124-149. [ Google Scholar ] [ CrossRef ]
  42. هالووی، پی. میلر، جی. بررسی مقیاس فضایی، خودهمبستگی و غیر ایستایی الگوهای غنای گونه‌های پرندگان. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 783-798. [ Google Scholar ] [ CrossRef ]
  43. تران، سی. یوست، آر. یاناگیدا، جی. ساکسنا، س. فاکس، جی. Sultana، N. مدل‌سازی وقوع فضایی-زمانی آنفلوانزای فوق‌العاده پرندگان H5N1: مطالعه موردی در دلتای رودخانه قرمز، ویتنام. ISPRS Int. J. Geo-Inf. 2013 ، 2 ، 1106-1121. [ Google Scholar ] [ CrossRef ]
  44. جونگمن، بی. Wagemaker، J.; رومرو، بی. د پرز، ای. تشخیص زودهنگام سیل برای واکنش سریع بشردوستانه: مهار سیگنال‌های ماهواره‌ای و توییتر در زمان واقعی. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 2246-2266. [ Google Scholar ] [ CrossRef ]
  45. زو، ال. رن، ا. خو، اف. Zhang، X. پیش بینی مسیر طوفان بر اساس تجزیه و تحلیل فضایی GIS. J. Tsinghua Univ. (Sci. Technol.) 2008 ، 12 ، 2036-2040. (به زبان چینی) [ Google Scholar ]
  46. چن، اس. مناطق منشأ طوفان‌های گرمسیری بر فراز شمال غربی اقیانوس آرام. هواشناسی 1990 ، 16 ، 23-26. (به زبان چینی) [ Google Scholar ]
  47. یوموتو، ام. Matsuura، T. تنوع بین دهه‌ای فعالیت طوفان استوایی در غرب اقیانوس آرام شمالی. J. Meteorol. Soc. Jpn. سر. II 2001 ، 79 ، 23-35. [ Google Scholar ] [ CrossRef ]
  48. وانگ، جی. سو، جی. گرداب‌های چو، PC Mesoscale در دریای چین جنوبی با داده‌های ارتفاع سنج مشاهده شدند. ژئوفیز. Res. Lett. 2003 ، 30 . [ Google Scholar ] [ CrossRef ]
  49. چن، جی. هو، ی. پیچه های چو، X. Mesoscale در دریای چین جنوبی: میانگین خواص، تنوع فضایی و زمانی، و تاثیر بر ساختار ترموهالین. جی. ژئوفیس. Res. Oceans 2011 , 116 . [ Google Scholar ] [ CrossRef ]
  50. وانگ، جی. سو، جی. گردابه‌های Li، R. Mesoscale در دریای چین جنوبی و تأثیر آنها بر پروفایل‌های دما. Acta Oceanol. گناه 2005 ، 24 ، 39-45. [ Google Scholar ]
  51. هو، ز. تان، ی. آهنگ، X. ژو، ال. لیان، ایکس. هوانگ، ال. او، Y. تأثیر گردابه‌های مقیاس متوسط ​​بر تولید اولیه در دریای چین جنوبی در طول دوره موسمی بهار. Acta Oceanol. گناه 2014 ، 33 ، 118-128. [ Google Scholar ] [ CrossRef ]
  52. لیو، جی.-پی. هو، جی.-ای. پاسخ گردابه های متوسط ​​به طوفان های استوایی در دریای چین جنوبی: مطالعه موردی J. Oceanogr. تنگه تایوان 2009 ، 28 ، 308-315، (به زبان چینی با چکیده انگلیسی). [ Google Scholar ]
  53. یوان، دی. هان، دبلیو. Hu, D. مسیر Kuroshio سطحی در منطقه تنگه لوزون برگرفته از داده های سنجش از دور ماهواره ای. جی. ژئوفیس. Res. Oceans 2006 , 111 . [ Google Scholar ] [ CrossRef ]
  54. لین، پی.-ف. وانگ، اف. چن، Y.-L. تانگ، X.-H. ویژگی‌های تغییرات زمانی و مکانی در گرداب‌ها در دریای چین جنوبی: I تحلیل‌های آماری. Acta Oceanol. گناه 2007 ، 29 ، 14-22، (به زبان چینی با چکیده انگلیسی). [ Google Scholar ]
  55. یانگ، ام. ژانگ، دبلیو. یو، اچ. لو، ایکس. فنگ، جی. فن، ی. زو، ی. چن، دی. مروری بر پایگاه داده طوفان های گرمسیری اداره هواشناسی چین. J. Atmos. اقیانوس. تکنولوژی 2014 ، 31 ، 287-301. [ Google Scholar ] [ CrossRef ]
  56. لیانگ، جی. رن، F.-M. یانگ، X.-Q. مطالعه بر روی تفاوت بین مجموعه داده های طوفان گرمسیری CMA و JTWC برای شمال غربی اقیانوس آرام. Acta Oceanol. گناه 2010 ، 32 ، 10-22. (به زبان چینی) [ Google Scholar ]
  57. Okubo، A. پراکندگی افقی ذرات شناور در مجاورت تکینگی های سرعت مانند همگرایی ها. Deep Sea Res. Oceanogr. Abstr. 1970 ، 17 ، 445-454. [ Google Scholar ] [ CrossRef ]
  58. ویس، جی. دینامیک انتقال آنستروفی در هیدرودینامیک دو بعدی. فیزیک D پدیده غیرخطی. 1991 ، 48 ، 273-294. [ Google Scholar ] [ CrossRef ]
  59. بزدک، جی سی. ارلیش، آر. کامل، W. FCM: الگوریتم خوشه بندی c -means فازی. محاسبه کنید. Geosci. 1984 ، 10 ، 191-203. [ Google Scholar ] [ CrossRef ]
  60. چو، اچ.-ج. لیاو، سی.-جی. لین، سی.-اچ. سو، بی.- اس. ادغام تجزیه و تحلیل خوشه فازی و تخمین چگالی هسته برای ردیابی مسیر طوفان در منطقه تایوان سیستم خبره Appl. 2012 ، 39 ، 9451-9457. [ Google Scholar ] [ CrossRef ]
  61. کیم، اچ اس. کیم، جی اچ. هو، CH; طبقه‌بندی الگوی چو، PS مسیرهای توفان با استفاده از روش خوشه‌بندی فازی-میانگین. جی. کلیم. 2011 ، 24 ، 488-508. [ Google Scholar ] [ CrossRef ]
  62. دیویس، دی ال. Bouldin، DW اندازه گیری جداسازی خوشه. IEEE Trans. الگوی مقعدی ماخ هوشمند 1979 ، 2 ، 224-227. [ Google Scholar ] [ CrossRef ]
  63. کامارگو، اس جی. رابرتسون، AW; گافنی، اس جی; اسمیت، پی. Ghil, M. تجزیه و تحلیل خوشه ای از آهنگ های طوفان. بخش اول: خواص عمومی. جی. کلیم. 2007 ، 20 ، 3635-3653. [ Google Scholar ] [ CrossRef ]
  64. لی، سی.-اچ. لیو، سی.-ایکس. چنگ، Z.-Q. ویژگی‌های توزیع زمانی و مکانی فرکانس‌های طوفان استوایی بر روی دریای چین جنوبی و عوامل اقیانوسی مؤثر بر آن در 50 سال گذشته جی تروپ. هواشناسی 2007 ، 23 ، 341-347. (به زبان چینی) [ Google Scholar ]
  65. هار، PA; Elsberry، RL تنوع گردش خون در مقیاس بزرگ بر روی اقیانوس آرام غربی شمالی گرمسیری. بخش اول: الگوهای فضایی و ویژگی‌های طوفان گرمسیری. دوشنبه Weather Rev. 1995 , 123 , 1225-1246. [ Google Scholar ] [ CrossRef ]
  66. Willoughby، HE; کلوس، جی. Shoreibah، MG دیوارهای چشمی متحدالمرکز، حداکثر باد ثانویه، و تکامل گرداب طوفان. J. Atmos. علمی 1982 ، 39 ، 395-411. [ Google Scholar ] [ CrossRef ]
  67. شو، اس. مینگ، جی. چی، P. ویژگی های مقیاس بزرگ و احتمال تشدید سریع طوفان های استوایی در غرب حوضه اقیانوس آرام شمالی. پیش بینی آب و هوا. 2012 ، 27 ، 411-423. [ Google Scholar ] [ CrossRef ]
  68. شیو، پی. چای، اف. شی، ال. شو، اچ. Chao، Y. سرشماری فعالیت‌های گردابی در دریای چین جنوبی طی سال‌های 1993-2007. جی. ژئوفیس. Res. Oceans 2010 , 115 . [ Google Scholar ] [ CrossRef ]
  69. امانوئل، KA حداکثر شدت طوفان. J. Atmos. علمی 1988 ، 45 ، 1143-1155. [ Google Scholar ] [ CrossRef ]
  70. رن، ایکس. پری، دبلیو. برهم کنش هوا-دریا طوفان سینلاکو (2002) شبیه سازی شده توسط مدل کانادایی MC2. Adv. اتمس. علمی 2006 ، 23 ، 521-530. [ Google Scholar ] [ CrossRef ]
  71. زو، تی. ژانگ، دی.-ال. تاثیر خنک کننده SST ناشی از طوفان بر شدت طوفان. Adv. اتمس. علمی 2006 ، 23 ، 14-22. [ Google Scholar ] [ CrossRef ]
  72. چان، JCL; دوان، ی. Shay, LK شدت طوفان گرمسیری از یک مدل ساده جفت شده اقیانوس-اتمسفر تغییر می کند. J. Atmos. علمی 2001 ، 58 ، 154-172. [ Google Scholar ] [ CrossRef ]
  73. لیو، ن. لینگ، تی جی; وانگ، اچ. ژانگ، YF; گائو، زی. Wang, Y. شبیه‌سازی عددی طوفان Muifa (2011) با استفاده از سیستم مدل‌سازی Coupled Ocean-Atmosphere-Wave-Sediment Transport (COAWST). J. Ocean Univ. چین 2015 ، 14 ، 199-209. [ Google Scholar ] [ CrossRef ]
  74. دماریا، ام. کاپلان، جی. طرح پیش بینی شدت طوفان آماری (SHIPS) برای حوضه اقیانوس اطلس. پیش بینی آب و هوا. 1994 ، 9 ، 209-220. [ Google Scholar ] [ CrossRef ]
  75. میاموتو، ی. تاکمی، T. شعاع موثر شار آنتالپی سطح دریا برای حفظ یک طوفان استوایی. اتمس. علمی Lett. 2010 ، 11 ، 278-282. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00169 g001 550
شکل 1. نمودار جریانی که نشان می‌دهد چگونه طوفان‌های استوایی (TCs) و گرداب‌های گرم اقیانوس در این مطالعه انتخاب شدند.
Ijgi 05 00169 g002 550
شکل 2. یک نمودار شماتیک که نشان می دهد چگونه نقاط مسیر TC ایجاد شده و برای محاسبه تغییرات شدت TC قبل و بعد از برهم کنش گردابی استفاده شده است. ناحیه قرمز در مرکز نقشه نشان دهنده منطقه سطح دریا است که از نقشه ناهنجاری سطح دریا که متعلق به یک گرداب اقیانوس گرم است استخراج شده است. خط زرد مسیرهای TC را نشان می دهد.
Ijgi 05 00169 g003 550
شکل 3. توزیع مسیرهای TC در SCS از سال 1993 تا 2013.
Ijgi 05 00169 g004 550
شکل 4. میانگین شاخص شباهت با تعداد مختلف خوشه با استفاده از FCM.
Ijgi 05 00169 g005 550
شکل 5. نتایج خوشه بندی پس از گروه بندی مسیرهای TC به سه، شش، هفت و هشت خوشه.
Ijgi 05 00169 g006 550
شکل 6. نتایج خوشه بندی FCM. خط نارنجی ایزولاین عمق 200 متری SCS را نشان می دهد. رنگ پس‌زمینه چگالی گرداب‌های گرم اقیانوس را نشان می‌دهد که TCs با آن‌ها مواجه شده‌اند.
Ijgi 05 00169 g007 550
شکل 7. فراوانی TC ها در دسته های مختلف که بدون تغییر، یک تغییر تشدید کننده و یک تغییر در شدت ضعیف نشان می دهند.
Ijgi 05 00169 g008 550
شکل 8. میانگین سلولی تغییرات حداکثر سرعت باد در امتداد TC ها از سال 1949 تا 2013. نقاط آبی گرداب های گرم اقیانوس را نشان می دهند که با TC های تشدید کننده در دریای چین جنوبی مواجه شده اند.
Ijgi 05 00169 g009 550
شکل 9. نمودار نمودار جعبه ای که تغییرات شدت TC را در مراحل قبل، حین و بعد از تعاملات TC با گردابه های گرم اقیانوس نشان می دهد.
Ijgi 05 00169 g010 550
شکل 10. مقدار میانگین تغییرات شدت TC در یک بازه 6 ساعته قبل، در طول و بعد از برهمکنش بین TC و گرداب های گرم اقیانوس.
جدول
جدول 1. دسته بندی های مختلف TC بر اساس حداکثر مقیاس باد و حداکثر سرعت باد سطحی پایدار.
جدول
جدول 2. تعداد و درصد TCهایی که بر اساس مسیرهایشان در شش خوشه مختلف گروه بندی شدند. میانگین فواصل همه خوشه ها نیز ارائه شده است.
جدول
جدول 3. نتایج مقایسه زوجی دانکن.
جدول
جدول 4. نتایج آزمون T برای تغییرات در شدت TC.
جدول
جدول 5. نتایج آماری تغییرات شدت (ΔV) برای فرورفتگی‌های استوایی، طوفان‌های استوایی، طوفان‌ها و همه TC. N تعداد TC است. میانگین، انحراف استاندارد (std. dev)، حداقل (min) و حداکثر (max) ΔV نیز ارائه شده است.
جدول
جدول 6. آمار شعاع حداکثر باد TCها و اندازه گردابهای گرم اقیانوس: آره¯مقدار متوسط ​​شعاع معادل گردابهای گرم اقیانوس است و آرw¯مقدار متوسط ​​شعاع حداکثر باد TC هایی است که با گرداب های گرم اقیانوس تعامل دارند.
جدول
جدول 7. تفاوت در حداکثر سرعت باد در یک بازه زمانی 6 ساعته قبل، در طول و بعد از فعل و انفعالات بین TC و گرداب های گرم اقیانوس تغییر می کند.
جدول
جدول 8. نتایج آزمون T که تفاوت‌ها را در تغییرات حداکثر سرعت باد در یک بازه 6 ساعته قبل، در طول و بعد از برهم‌کنش بین TC و گرداب‌های گرم اقیانوس نشان می‌دهد.
جدول
جدول 9. تجزیه و تحلیل آزمون تی تفاوت در SST گردابه های اقیانوس گرم که با TC های تضعیف نشده و ضعیف کننده مواجه می شوند و گرداب های اقیانوس گرم که با TC های تشدید شده و بدون تغییر مواجه می شوند. ضرایب همبستگی (r) بین SST و تغییر شدت TC در این دو گروه نیز ارائه شده است.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370