میز خدمت الکترونیک
دوره ویراستاری

  اخبار و اعلانات

 آمار

تعداد نشریات127
تعداد شماره‌ها7,140
تعداد مقالات76,850
تعداد مشاهده مقاله154,529,062
تعداد دریافت فایل اصل مقاله116,571,268
کیخسروی, قاسم, حسینی نیا, نازنین. (1405). شهرها و بازخورد های آب و هوایی آن(ابر-بارش) مطالعه موردی: کلان شهر تهران. , 58(1), 65-79. doi: 10.22059/jphgr.2026.396560.1007889
قاسم کیخسروی; نازنین حسینی نیا. "شهرها و بازخورد های آب و هوایی آن(ابر-بارش) مطالعه موردی: کلان شهر تهران". , 58, 1, 1405, 65-79. doi: 10.22059/jphgr.2026.396560.1007889
کیخسروی, قاسم, حسینی نیا, نازنین. (1405). 'شهرها و بازخورد های آب و هوایی آن(ابر-بارش) مطالعه موردی: کلان شهر تهران', , 58(1), pp. 65-79. doi: 10.22059/jphgr.2026.396560.1007889
کیخسروی, قاسم, حسینی نیا, نازنین. شهرها و بازخورد های آب و هوایی آن(ابر-بارش) مطالعه موردی: کلان شهر تهران. , 1405; 58(1): 65-79. doi: 10.22059/jphgr.2026.396560.1007889

شهرها و بازخورد های آب و هوایی آن(ابر-بارش) مطالعه موردی: کلان شهر تهران

پژوهش های جغرافیای طبیعی
دوره 58، شماره 1، فروردین 1405، صفحه 65-79    اصل مقاله (1.16 M)
نوع مقاله: مقاله کامل
شناسه دیجیتال (DOI): 10.22059/jphgr.2026.396560.1007889
نویسندگان
قاسم کیخسروی* 1؛ نازنین حسینی نیا2
1گروه جغرافیای طبیعی دانشگاه شهید بهشتی
2دانشگاه شهید بهشتی
چکیده
در این مطالعه توسعه فیزیکی شهر تهران در سه دهه گذشته(2022-1992)، با کمک شاخص توسعه فیزیکی شهری بر روی تصاویر لندست اعمال گردید. متناسب با روند توسعه فیزیکی، ویژگیهای بارش ها، ارتفاع پایه ابر در تقابل با میدان آئروسل ها و کیفیت هوا با استفاده از کدهای سینوپ و داده های آلاینده شرکت کنترل کیفیت هوای تهران با بکارگیری بسته Corrplot در محیط برنامه نویسی R محاسبه گردید. در سه دهه گذشته تهران از روند رو به رشد سریعی(R=0.97) برخوردار بوده است و به همان نسبت مناطق طبیعی سطح کلانشهر (R=-0.98) در حال کاهش می باشند. متناسب با روند گسترش شهری، نسبت روزهای برفی با شدت بیش از اندازه ای(R=-0.94) کاهش یافته است. در اتمسفر شهر تهران بین مقادیر بارش همرفتی رخ داده و عمق اپتیکی آئروسل ها، همبستگی مثبت با مقدار آماری معنی داری مشاهده می شود. همچنین بین آلاینده های هوا و ارتفاع پایین ترین لایه ابر همبستگی منفی معنادار قابل توجهی وجود دارد، نتایج همبستگی نشان می دهد که ابرها با لایه مرزی شهری جفت شده و هوای آلوده شهری را در خود جذب و اندازه توزیع قطرات را تغییر می دهند که این امر منجر به کاهش ارتفاع پایه ابر نسبت به سطح زمین می شود.
کلیدواژه‌ها
توسعه فیزیکی شهر؛ بارش های همرفتی؛ آلاینده های جوی؛ ارتفاع پایه ابر؛ برف
مراجع
  1. کهراری، پریسا؛ خالدی، شهریار؛ کیخسروی، قاسم و علوی، سید جلیل. (1404). بررسی اثرات آلاینده‌های جوی معیار و پارامترهای هواشناسی بر تغییر غلظت کربن سیاه در تهران و تبریز. مخاطرات محیط طبیعی، 14(43)، 35-58. DOI: 10.22111/jneh.2024.47935.2028.
  2. Bell, TL., Rosenfeld, KM., Kim, JM., Yoo, M., Lee,I., & Hahneberger, M. (2008) Midweek increase in U.S. summer rain and storm heights suggests air pollution invigorates rainstorms. J. Geophys. 113, D02209. doi:10.1029/2007JD008623.
  3. Beck, HE., Zimmermann, NE., McVicar, TR., Vergopolan, N., Berg, A., & Wood, EF. (2018). Present and future Koppen-Geiger climate classification maps at 1-km resolution. Scientific data, 5(1), 1-12. https://doi.org/10.1038/sdata.2018.214.
  4. Bailling, R.C., Jr. and Brazel, S.W. (1987) Diurnal variation in Ari zona monsoon precipitation frequencies. Monthly Weather Review. 115, 342–346.
  5. Bamola, S., Goswami, G., Dewan, S., Goyal, I., Agarwal, M.. Dhir, A., & Anita Lakhani, A. (2024).Characterising temporal variability of PM2.5/PM10 ratio and its correlation with meteorological variables at a sub-urban site in the Taj City. Urban Climate, 53. https://doi.org/10.1016/j.uclim.2023.101763.
  6. Birinci, E., Denizoglu, M., Ozdemir, H. et al. (2025). The role of meteorological variables and cloud base heights in urban air quality. Air Qual Atmos Health (2025). https://doi.org/10.1007/s11869-025-01822-4.
  7. Choi, YS., Ho, CH., Kim,J., Gong,DY., & Park,R.J. (2008).The impacts of aerosols on the summer rainfall frequency in China. J. Appl. Meteor, Climatol, 47, 1802-1813, doi.org/10.1175/2007JAMC1745.1.
  8. Cao, Q., Yupeng, L., Matei, G., & Jianguo, W. (2020). Impacts of Landscape Changes on Local and Regional Climate: A Systematic Review. Landscape Ecology 35, 1269–90. https://doi.org/10.1007/s10980-020-01015-7.
  9. Du, Z., Li, W., Zhou, D., Tian, L., Ling, F., Wang, H., Gui, Y., & Sun, B. (2014). Analysis of Landsat-8 OLI imagery for land surface water mapping. Remote Sens. Lett, 5, 672–681.
  10. Diem, J. and Brown, D. (2003). Anthropocentric impacts on summer precipitation in central Arizona, U.S.A. The Professional Geographer, 55(3), 343–355.
  11. Farias, W., Pinto, O., Naccarato, K.P., & Pinto, I. (2009). Anomalous lightning activity over the metropolitan region of São Paulo due to urban effects. Atmos. Res, 91, 485-490.
  12. Gebremariam, S., Siwei, L., & Mengsteab, W. (2018). Observed Correlation between Aerosol and Cloud Base Height for Low Clouds at Baltimore and New York, United States, Atmosphere 9(4), 143. https://doi.org/10.3390/atmos9040143.
  13. Gu, Y., & Li, D. (2018). A modeling study of the sensitivity of urban heat islands to precipitation at climate scales. Urban Climate, 24, 982-993. https://doi.org/10.1016/j.uclim.2017.12.001.
  14. Huang, X., Wang, D., Ziegler, A. D., Liu, X., Zeng, H., Xu, Z., & Zeng, Z. (2022). Influence of urbanization on hourly extreme precipitation over China. Environmental Research Letters. 17(4)044010. doi: 10.1088/1748-9326/ac59a6.
  15. Hu, J., Liu, Y., Sang, Y. F., Liu, C., & Singh, V. P. (2021). Precipitation variability and its response to urbanization in the Taihu Lake Basin, China. Theoretical and Applied Climatology, 144, 1205-1218. https://doi.org/10.1007/s00704-021-03597-x.
  16. Intergovernmental Panel on Climate Change (IPCC). (2013). The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cabbridge University Press.
  17. Kug, J. S., & Ahn, M. S. (2013). Impact of urbanization on recent temperature and precipitation trends in the Korean peninsula. Asia-Pacific Journal of Atmospheric Sciences, 49, 151-159, https://doi.org/10.1007/s13143-013-0016-z.
  18. Korkmaz, S., Goksuluk, D., & Zararsiz, GN. (2014). MVN: An R package for assessing multivariate normality. R Journal, 6(2).
  19. Kahrari, P., Khaledi, S., Keikhosravi, G., & Alavi, S. J. (2025). Investigating the effects of criteria air pollutants and meteorological parameters on the change of black carbon concentration in Tehran and Tabriz. Journal of Natural Environmental Hazards, 14(43), 35-58. DOI: 10.22111/jneh.2024.47935.2028. [In Persian].
  20. Kar, SK., Liou, YA., & Ha, KJ. (2007). Characteristics of cloud-to-ground lightning activity over Seoul, South Korea in relation to an urban effect. Ann. Geophys., 25, 2113-2118. https://doi.org/10.5194/angeo-25-2113-2007.
  21. Kar, SK., Liou, YA., & Ha, KJ. (2009). Aerosol effects on the enhancement of cloud-to-ground lightning over major urban areas of South Korea. Atmos.. Res., 92, 80-87. https://doi.org/10.1016/j.atmosres.2008.09.004.
  22. Koren, I., Kaufman, YJ., Rosenfeld, D., Remer, LA., & Rudich, Y. (2005). Aerosol invigoration and restructuring of Atlantic convective clouds. Geophys. Res. Lett. 32, 10–1029. doi.org/10.1029/2005GL023187.
  23. Kourtidis, K., Stathopoulos, S., Georgoulias, AK., Alexandri, G., & Rapsomanikis, SA. (2015). study of the impact of synoptic weather conditions and water vapor on aerosol–cloud relationships over major urban clusters of China. Atmos. Chem. Phys, 15, 10955–10964. doi:10.5194/acp-15-10955-2015.
  24. Lacke, MC., Mote, T.L., & Shepherd,JM. (2009). Aerosols and associated precipitation patterns in Atlanta. Atmos, 43, 4359- 4373. https://doi.org/10.1016/j.atmosenv.2009.04.022.
  25. Li, W., Du, Z., Ling, F., Zhou, D., Wang, H., & Gui, Y. (2013). A comparison of land surface water mapping using the normalized difference water index from TM, ETM+ and ALI. Remote Sens, 5, 5530–5549. doi:10.3390/rs5115530.
  26. Li, L., Zha, Y., & Wang, R. (2020). Relationship of surface urban heat island with air temperature and precipitation in global large cities. Ecological Indicators, 117, 106683. https://doi.org/10.1016/j.ecolind.2020.106683.
  27. Li, S., Joseph, E., Min, Q., & Yin, B. (2016). Multi-year ground-based observations of aerosol-cloud interactions in the mid-atlantic of the united states. Journal of Quantitative Spectroscopy & Radiative Transfer, 188, 192-199. https://doi.org/10.1016/j.jqsrt.2016.02.004.
  28. Li, S. (2017). Aerosol Indirect Effect and Cloud-base Height Observations in the North East of the United States. Int J Earth Environ Sci, 2(2), 128. doi.org/10.15344/2456-351X/2017/128.
  29. Li, Z., Niu, F., & Fan, J.  (2011). Long-term impacts of aerosols on the vertical development of clouds and precipitation. Nature Geosci, 4, 888–894. https://doi.org/10.1038/ngeo1313.
  30. Meng, K., Cheng, X., Xu, X., Qu, X., Ma, C., Zhao, Y., ... & Ding, G. (2017). Spatial-temporal variations of pollutant emission sources inverted by adaptive nudging scheme over Beijing-Tianjin-Hebei region based on the CMAQ model. Acta Scientiae Circumstantiae, 37(1), 52-60. DOI: 10.1016/j.scitotenv.2018.06.021.
  31. Mishra, P., Pandey, CM., Singh, U., Gupta, A., Sahu, C., & Keshri, A. (2019). Descriptive statistics and normality tests for statistical data. Annals of cardiac anaesthesia, 22(1). https://doi.org/10.4103/aca.ACA_157_18.
  32. Naccarato, KP., Pinto,O., & Pinto,IRCA. (2003). Evidence of thermal and aerosol effects on the cloud-to-ground lightning density and polarity over large urban areas of Southeastern Brazil. Geophys. Res, https://doi.org/10.1029/2003GL017496.
  33. Otsu, N. (1979). A threshold selection method from gray-level histograms. IEEE Trans. Syst. Man Cybern, 9, 62–66.
  34. Oke, Timothy R., Gerald M., Andreas, Ch., & James A. V. (2017). Urban Climates. Cambridge: Cambridge University Press. https://doi.org/10.1016/s0168- 6321(06)80036-2.
  35. Ronald, C., & Estoque, YM. (2015). Classification and change detection of built-up lands from Landsat-7 ETM+ and Landsat-8 OLI/TIRS imageries: A comparative assessment of various spectral indices. Ecological Indicators, 56, 1470, https://doi.org/10.1016/j.ecolind.2015.03.037.
  36. Soriano, L. R., & Pablo,F. (2002). Effect of small urban areas in central Spain on the enhancement of cloud-to-ground lightning activity. Atmos. Environ. 36, 2809-2816. https://doi.org/10.1016/S1352-2310(02)00204-2.
  37. Steiger, SM., & Orville, RE. (2003). Cloud-to-ground lightning enhancement over Southern Louisiana. Geophys. Res. Lett., 30, 1975. doi:10.1029/2003GL017923.
  38. Steensen, B. M., Marelle, L., Hodnebrog, Ø., & Myhre, G. (2022). Future urban heat island influence on precipitation. Climate Dynamics, 58(11–12), 3393–3403. https://doi.org/10.1007/s00382-021-06105-z.
  39. Shepherd, J.M. (2006). Evidence of urban-induced precipitation variability in arid climate regions. Journal of Arid Environments, 67 (2006), 607–628. https://doi.org/10.1016/j.jaridenv.2006.03.022.
  40. Savic, S., Kalfayan, M., & Dolinaj, D. (2020). Precipitation spatial patterns in cities with different urbanisation types: Case study of Novi Sad (Serbia) as a medium-sized city. Geographica Pannonica, 24(2). doi:10.5937/gp24-25202.
  41. Song, Y., Liu, H., Wang, X., Zhang, N., & Sun, J. (2016). Numerical simulation of the impact of urban non-uniformity on precipitation. Advances in Atmospheric Sciences, 33, 783-793, https://doi.org/10.1007/s00376-016-5042-1.
  42. UN-DESA. (2018). World urbanization prospects: The 2018 revision. online edition (Tech. Rep.). United Nations. Department of Economic andSocial Affairs.
  43. Wei, T. & Simko, VR. (2021). Package “Corrplot”: Visualization of a Correlation Matrix (Version 0.92). Package Corrplot for R Software.
  44. Wang, J., Feng, J., Wu, Q., & Yan, Z. (2016). Impact of anthropogenic aerosols on summer precipitation in the Beijing–Tianjin–Hebei urban agglomeration in China: Regional climate modeling using WRF-Chem. Advances in Atmospheric Sciences, 33, 753-766. https://doi.org/10.1007/s00376-015-5103-x.
  45. https:// data.irimo.ir.
  46. https:// air.tehran.ir.
  47. https:// earthexplorer.usgs.gov.
آمار
تعداد مشاهده مقاله: 99
تعداد دریافت فایل اصل مقاله: 94





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب