پیش‌بینی وقوع رویداد ال‌نینو از اواسط سال ۲۰۲۶ میلادی
بر اساس آخرین به‌روزرسانی اقلیمی فصلی سازمان جهانی هواشناسی (WMO)، تغییرات آشکاری در اقیانوس آرام استوایی مشاهده شده است. افزایش سریع دمای سطح دریا، نویدبخش بازگشت احتمالی شرایط ال‌نینو زودتر از پیش‌بینی‌ها، یعنی در بازه زمانی مه تا ژوئیه ۲۰۲۶ (خرداد تا تیر ۱۴۵) است.
مدل‌های پیش‌بینی نشان می‌دهند که در سه ماه آینده، «غلبه تقریبا جهانی دمای سطح خشکی‌ها بالاتر از میانگین نرمال» به همراه نوسانات منطقه‌ای در الگوهای بارش رخ خواهد داد.
ال‌نینو (و پدیده متضاد آن، لانینا) یکی از قدرتمندترین الگوهای اقلیمی کره زمین است. این پدیده ناشی از گرمایش دمای سطح اقیانوس در نواحی مرکزی و شرقی اقیانوس آرام استوایی است و به‌طور معمول هر ۲ تا ۷ سال یک‌بار و به مدت حدود ۹ تا ۱۲ ماه رخ می‌دهد.
📌 نکته فنی: سازمان جهانی هواشناسی از اصطلاح «ال‌نینوی اَبَر» (Super El Niño) استفاده نمی‌کند، زیرا این واژه در طبقه‌بندی‌های عملیاتی استاندارد این سازمان جایگاهی ندارد.
🌍 پیامدهای مورد انتظار:
🌡️ گرم‌تر شدن اقلیم جهانی
🔥 افزایش احتمال وقوع پدیده‌های آب‌وهوایی حدی (Extreme Weather) نظیر امواج گرمایی و بارندگی‌های سیل‌آسا
🌧️ افزایش بارندگی در بخش‌هایی از جنوب آمریکای جنوبی، جنوب ایالات متحده، شاخ آفریقا و آسیای مرکزی
🥵 تشدید شرایط خشکسالی در استرالیا، اندونزی و بخش‌هایی از جنوب آسیا
🌀 در طی تابستان نیمکره شمالی (Boreal Summer)، افزایش احتمال تشکیل طوفان‌های حاره‌ای در اقیانوس آرام مرکزی و شرقی، و کاهش آن در حوضه اقیانوس اطلس.
️ سازمان جهانی هواشناسی (WMO) اواخر ماه مه، پس از پایان دوره موسوم به «سد پیش‌بینی‌پذیری بهاره» (Spring Predictability Barrier)، گزارش تکمیلی و به‌روزرسانی نهایی ال‌نینو را منتشر خواهد کرد.
#ElNino #ClimateChange #WMO #Meteorology #GlobalWarming #WeatherForecast #Science #Oceanography #AcademicPersian
#ال_نینو #تغییر_اقلیم #هواشناسی #سازمان_جهانی_هواشناسی #گرمایش_زمین #پیش_بینی_آب_وهوا #علوم_جوی #اقیانوس_شناسی #اقلیم_شناسی

هنگامی‌که انفجار قرار بود باران بیاورد: مطالعه‌ای موردی از شبه‌علم در هواشناسی قرن نوزدهم. هفت اقلیم .محمود خسروی🌈
در اواخر قرن نوزدهم، هم‌زمان با تحولات بنیادین در فیزیک و شیمی، ادعایی جذاب اما بدون پشتوانه علمی در حوزه هواشناسی رواج یافت: اندیشه کنترل آب‌وهوا با استفاده از انفجار. رابرت دایرنفورث، پزشک و هواشناسی که با پشتیبانی وزارت کشاورزی ایالات متحده فعالیت می‌کرد، مدعی شد که می‌توان با به‌کارگیری دینامیت، توپ‌های ویژه و بالن‌های منفجره، امواج شوک پدید آورد و با متلاشی کردن لایه‌های اتمسفر، بارش باران را القا نمود. این ادعا که در بستر خشکسالی‌های شدید تگزاس و غرب آمریکا مطرح شد، نه‌تنها توجه رسانه‌ها را جلب کرد، بالاتر از آن بودجه عمومی قابل‌توجهی را نیز به خود اختصاص داد. بااین‌حال، وقتی پروتکل‌های آزمایشی دایرنفورث را از دیدگاه روش‌شناسی علمی معاصر بررسی می‌کنیم، با نقایص ساختاری آشکاری روبه‌رو می‌شویم: عدم وجود گروه کنترل، نبود اندازه‌گیری‌های سامانمند و کمی از پارامترهای جوی، و باارزش‌تر از همه، سوگیری تأییدی در تفسیر داده‌ها. به‌عبارت‌دیگر، هر بارشی که پس از آزمایش‌ها رخ می‌داد حتی اگر هفته‌ها بعد و در فاصله صدها کیلومتری از محل آزمایش اتفاق می‌افتاد— به‌عنوان «تأییدیه موفقیت» گزارش می‌شد، در حالی که هیچ فراکاوی آماری یا فیزیکی برای اثبات پیوند علی میان انفجار و بارش ارائه نمی‌گردید. واکنش جامعه علمی و مطبوعات آن روزگار نیز جالب توجه بود؛ بسیاری از روزنامه‌نگاران و طنزپردازان، این ادعاها را به سخره گرفتند و حتی شعری طنزآمیز با عنوان «داستان ماشین باران ساز» منتشر شد که نمادی از شکاف میان ادعاهای رسانه‌ای و استانداردهای علمی بود. امروزه، پرونده دایرنفورث نه‌تنها به‌عنوان یک مثال کلاسیک از شبه‌علم در تاریخ هواشناسی بررسی می‌شود، بالاتر از آن آموزه‌های روش‌شناختی باارزشی نیز برای پژوهشگران معاصر دارد: نخست آنکه دانش واقعی بر سه‌پایه تکرارپذیری، شفافیت روش‌شناختی و داوری همتا استوار است و هر ادعایی که این سنجه‌ها را نادیده بگیرد، در مرز شبه‌علم قرار می‌گیرد؛ دوم آنکه ادعاهای انقلابی به‌ویژه آن‌هایی که با اصول بنیادین فیزیک جو در تضاد هستند نیازمند شواهدی به‌مراتب نیرومندتر از گزارش‌های توصیفی و همبستگی‌های تصادفی‌اند؛ و سوم آنکه تاریخ علم سرشار از ایده‌های جذاب اما نادرست است، و تمایز علم اصیل از شبه‌علم نه در جذابیت ادعا، بلکه در توانایی سامانه علمی برای اصلاح خود، پذیرش نقد و بازنگری بر پایه شواهد متضاد است. این پژوهش موردی به ما یادآوری می‌کند که حتی در حوزه‌های کاربردی مانند هواشناسی، وسوسه ارائه راه‌حل‌های شتابان و نمایشی برای پُرسمان‌های پیچیده اقلیمی، همواره وجود داشته است؛ و تنها با پایبندی به اصول سخت‌گیرانه روش علمی می‌توان از افتادن در دام شبه‌علم پرهیز ورزید.
Source: Science History Institute – "The Rain-Makers: Pseudoscience and Weather Modification in the 19th Century" | www.sciencehistory.org

📊 هشدار اقلیمی: النینوی ۲۰۲۶ می‌تواند تاریخی باشد
هفت اقلیم:محمود خسروی

طبق داده‌های جدید از اقیانوس آرام، پدیده اقلیمی النینو با سرعتی بی‌سابقه در ۵۰ سال اخیر در حال تشدید است. از ژانویه تاکنون، دمای سطح آب در مناطق استوایی اقیانوس آرام بیش از ۱ درجه سلسیوس افزایش یافته که ثبت این نرخ رشد، دانشمندان را شگفت‌زده کرده.

🌡 مدل‌های پیش‌بینی حالا نشان می‌دهند که احتمالاً با قوی‌ترین النینوی ثبت‌شده در تاریخ روبه‌رو خواهیم بود. این رویداد می‌تواند الگوهای جوی را در سراسر جهان مختل کند.

تأثیر بر استرالیا در سال ۲۰۲۶:

🔴 خشکسالی شدید در مناطق شرقی و شمالی
🔴 افزایش بی‌سابقه خطر آتش‌سوزی‌های جنگلی
🔴 کاهش شدید بارش‌های بهاره و تابستانی
🔴 احتمال گرم‌تر شدن رکوردشکن دمای هوا

افسانه‌های رایج درباره النینو که هواشناس ABC News رد می‌کند:

❌ «النینو همیشه یعنی خشکسالی مطلق»
✅ واقعیت: تأثیر النینو در مناطق مختلف متفاوت است؛ بعضی جاها ممکن است سیلابی هم بشوند.

#ABC_Australia

ادامه👈👈👈
✅ واقعیت: تأثیر النینو در مناطق مختلف متفاوت است؛ بعضی جاها ممکن است سیلابی هم بشوند.

❌ «النینو فقط اقیانوس آرام را گرم می‌کند»
✅ واقعیت: النینو از طریق جت‌استریم روی الگوهای باد و بارندگی در سراسر کره زمین اثر می‌گذارد.

❌ «النینو و لانینا هر دو به یک اندازه مخرب هستند»
✅ واقعیت: النینو معمولاً خشکی و گرما می‌آورد، درحالی که لانینا سیل و طوفان بیشتری ایجاد می‌کند.

📡 منبع: گزارش تصویری ABC News با حضور تام ساندرز، هواشناس
🎥 لینک ویدیوی کامل در استوری
📖 مقاله کامل در سایت ABC News (لینک در بیو)

💬 نظر تو چیه؟ فکر می‌کنی امسال النینو واقعاً رکورد می‌شکند؟

#النینو_۲۰۲۶
#پیش‌بینی_آب_وهوا
#تغییرات_اقلیمی
#استرالیا
#اقیانوس_آرام
#AlertClimatic
#ABC_Australia

تحلیل سری زمانی بارش بهاره ایران
هفت اقلیم محمود خسروی🌈
با سپاس از آقای دکتر محمد احمدی به خاطر تهیه این نمودار بارش بهاره ایران پیرو پست قبلی تحلیل سری زمانی بارش ارائه می گردد.
1. تحلیل روند (Trend Analysis)
روندها نشان‌دهنده جهت‌گیری کلی داده‌ها در طول زمان هستند. در این نمودار سه نوع روند قابل مشاهده است:👇👇👇👇

تحلیل سری زمانی بارش بهاره ایران
🌈هفت اقلیم محمود خسروی
با سپاس از آقای دکتر محمد احمدی به خاطر تهیه این نمودار بارش بهاره ایران پیرو پست قبلی تحلیل سری زمانی بارش ارائه می گردد.
1. تحلیل روند (Trend Analysis)
روندها نشان‌دهنده جهت‌گیری کلی داده‌ها در طول زمان هستند. در این نمودار سه نوع روند قابل مشاهده است:
• میانگین بلندمدت (خط ممتد مشکی): این خط که حول عدد ۹۵ میلی‌متر قرار دارد، نشان‌دهنده میانگین بارش در کل دوره آماری است. اگرچه میانگین ثابت است، اما توزیع بارش در اطراف آن به‌شدت متغیر است.
• روند نوسانی / چندجمله‌ای (خط‌چین مشکی): این منحنی نشان می‌دهد که بارش بهاره ایران یک‌روند خطی ساده ندارد. در دهه ۸۰ و ۹۰ میلادی یک‌روند افزایشی ملایم، در دهه ۲۰۰۰ و ۲۰۱۰ یک افت (شکم‌دادگی منحنی به پایین) و در سال‌های اخیر مجدداً یک شیب رو به بالا را طی کرده است.
• روند کوتاه‌مدت اخیر (خط سبزرنگ): تحلیلگر نمودار با رسم یک خط سبز از سال ۲۰۰۸ (پایین‌ترین نقطه) تا سال ۲۰۲۶، یک‌روند صعودی شیب‌دار را در دوره اخیر برجسته کرده است. این نشان می‌دهد که علیرغم خشکسالی‌های مقطعی، برآیند خطی بارش‌های بهاره در ۱۵ سال گذشته رو به افزایش بوده است.
۲. الگوهای چرخه‌ای و تناوبی (Cyclical Patterns)
الگوهای چرخه‌ای نوساناتی هستند که در دوره‌های طولانی‌تر تکرار می‌شوند. طراح نمودار با استفاده از کادرهای قرمز و فلش بنفش به زیبایی به یک چرخه اقلیمی اشاره‌کرده است:
• تشابه رفتاری دوره‌ها (دوره ۱۹۹۵-۲۰۰۴ در برابر ۲۰۱۹-۲۰۲۶): فلش بنفش یک ارتباط چرخه‌ای رابین پیک‌بارشی سال ۱۹۹۶ (حدود ۱۷۰ میلی‌متر) و پیک بی‌سابقه سال ۲۰۱۹ (نزدیک به ۱۹۵ میلی‌متر - سیلاب‌های سراسری بهار ۹۸ در ایران) نشان می‌دهد.
• طول چرخه: فاصله بین این دو قله بارشی شدید حدود ۲۳ سال است. این رفتار چرخه‌ای می‌تواند متأثر از پیوندهای از دور (Teleconnections) مانند چرخه‌های خورشیدی (Solar cycles) یا نوسانات اقیانوسی بلندمدت باشد.
• الگوی "ترسالی-خشکسالی": در هر دو کادر قرمز، یک رفتار مشابه دیده می‌شود؛ یک صعود ناگهانی و ثبت رکورد بارشی (۱۹۹۶ و ۲۰۱۹)، که بلافاصله با یک سقوط شدید و ورود به یک دوره خشکسالی عمیق در سال‌های پس‌ازآن (مانند سال ۲۰۰۰ و سال ۲۰۲۱) همراه شده است.
• با محاسبه میانگین متحرک ۵ ساله، الگوی نوسانات دهه‌ای به‌خوبی نمایان می‌شود:
• اوایل دهه ۱۳۶۰ (اوایل ۱۹۸۰): میانگین بارش نسبتاً پایین (۸۵–۹۳ میلی‌متر).
• دهه ۱۳۷۰ (دهه ۱۹۹۰): یک دوره پربارش مشهود که اوج آن در میانه دهه ۱۳۷۰ با میانگین متحرک ۱۳۰ میلی‌متر (سال‌های ۱۹۹۳–۱۹۹۷) رخ‌داده است.
• دهه ۱۳۸۰ تا اوایل ۱۳۹۰ (۲۰۰۱–۲۰۱۳): افت محسوس بارش به کمینه میانگین متحرک حدود ۶۰ میلی‌متر (سال‌های ۲۰۰۸–۲۰۱۳).
• اواخر دهه ۱۳۹۰ (۲۰۱۵–۲۰۲۰): جهش دوباره به سمت دوره پربارش با میانگین متحرک ۱۰۸–۱۲۲ میلی‌متر.
• سال‌های اخیر (۲۰۲۱–۲۰۲۶): نوسان حول میانگین با تمایل به افزایش (میانگین متحرک ۱۱۲ در ۲۰۲۲–۲۰۲۶).
طول این چرخه‌ها حدود ۲۰–۲۵ سال به نظر می‌رسد و احتمالاً با الگوهای کلان جوی نظیر نوسانات چند دهه‌ای اقیانوس اطلس (AMO) یا نوسان دهه‌ای اقیانوس آرام (PDO) مرتبط است.
۳. مؤلفه نامنظم (Irregular / Random Component)
• سری زمانی بارش بهاره دارای نوسانات شدید سالانه است. انحراف معیار داده‌ها نزدیک به میانگین است (حدود ۳۵–۴۰ میلی‌متر) که بیانگر بی‌نظمی بالا هست. برخی از رخدادهای فرین (ناپایدار) عبارت‌اند از:
• سال‌های فوق‌العاده پربارش: ۱۹۹۵ با ۱۷۵ میلی‌متر، ۱۹۹۷ با ۱۷۰ میلی‌متر، و رکورد ۲۰۱۹ با ۱۹۰ میلی‌متر.
• سال‌های فوق‌العاده کم‌بارش: ۲۰۰۱ با ۴۵ میلی‌متر، ۲۰۲۱ با ۳۵ میلی‌متر (خشک‌ترین سال)، و سال‌های ۱۹۹۹، ۲۰۰۳ و ۲۰۰۹ با ۵۰ میلی‌متر.
این نوسانات تصادفی احتمالاً حاصل تغییرات الگوهای همدیدی کوتاه‌مدت، مانند جابه‌جایی مسیر سامانه‌های بارشی مدیترانه‌ای و سودانی، فازهای ال نینو/لانینا و شاخص‌های پیوند از دور است.
4. تحلیل واریانس، نوسانات و رویدادهای فرین (Volatility & Extremes)
یکی از مهم‌ترین یافته‌های این نمودار، بررسی پراکندگی (واریانس) داده‌ها نسبت به میانگین است:
• افزایش شدید دامنه نوسانات (تغییر رژیم اقلیمی): اگر به نیمه اول نمودار (سال ۱۹۸۰ تا ۱۹۹۵) نگاه کنید، نوسانات حول خط میانگین نسبتاً آرام و با دامنه کوتاه هستند. اما از اواخر دهه ۹۰ و به‌ویژه در دو دهه اخیر، دامنه نوسانات (Amplitude) به‌شدت بازشده است.
• رویدادهای حدی (Extreme Events): نمودار نشان می‌دهد که اقلیم ایران از یک حالت "متعادل" خارج‌شده و به سمت "رفتارهای حدی" رفته است. ثبت خشک‌ترین سال‌ها (۲۰۰۸ با حدود ۲۰ میلی‌متر بارش و ۲۰۲۱ با کمتر از ۳۵ میلی‌متر) و مرطوب‌ترین سال‌ها (۲۰۱۹ با بیش از ۱۹۰ میلی‌متر) همگی در دو دهه اخیر رخ‌داده‌اند.

5. ارزیابی ایستایی (Stationarity)
از منظر علم آمار، یک سری زمانی وقتی"ایستا" (Stationary) است که میانگین و واریانس آن در طول زمان ثابت بماند.
• این نمودار به‌وضوح نشان‌دهنده یک سری زمانی ناایستا (Non-stationary) حداقل در بخش واریانس است. واریانس (پراکندگی داده‌ها) در طول زمان بزرگ‌تر شده است. این ناایستایی کار پیش‌بینی‌های خطی و استفاده از مدل‌های سنتی مانند ARIMA را برای آینده بسیار دشوار و نیازمند تبدیل‌های آماری پیچیده می‌کند.
نتیجه‌گیری اقلیمی: این نمودار به شکل تخصصی تأیید می‌کند که بارش‌های بهاره ایران تحت تأثیر پدیده تغییر اقلیم (Climate Change) قرار دارد. ویژگی اصلی این تغییر اقلیم در ایران، کاهش روزهای بارشی منظم و جایگزینی آن با رخدادهای فرین (سیلاب‌های ناگهانی شدید در برابر خشکسالی‌های عمیق چندساله) است. روند افزایشی اخیر (خط سبز) بیشتر ناشی از وقوع بارش‌های سیل‌آسای مقطعی است تا یک ترسالی مداوم و پایدار.

📡 هشدار هواشناسی جهانی: احتمال اَبَر ال نینو تا سپتامبر ۲۰۲۶
🌈هفت اقلیم.محمود خسروی

به گزارش مدل پیش‌فصلی اروپا، یک اَبَر ال نینو (Super El Niño) تا ماه سپتامبر سال جاری ممکن است شکل بگیرد.

🔴 اَبَر ال نینو زمانی غیررسمی اعلام می‌شود که دمای منطقه «نینو ۳.۴» در اقیانوس آرام حاره ای بیش از ۲ درجه سلسیوس بالاتر از نرمال برود.

🌡 گرمترین سال‌های تاریخ از راه می‌رسند:
ال نینو در گذشته باعث ثبت گرمترین سال‌ها مانند ۲۰۲۴ شده است. این بار همراه با روند گرمایش جهانی، سال‌های ۲۰۲۶ و ۲۰۲۷ جزو دو گرمترین سال تاریخ مدرن زمین خواهند بود.

🌪 افزایش حوادث شدید اقلیمی:
سیل، خشکسالی، طوفان‌های سهمگین – انتظار می‌رود در ۱.۵ سال آینده جهان شاهد تاثیرات شدید اقلیمی بی‌سابقه‌ای باشد.

🌀 کاهش طوفان در اطلس، افزایش شدید در شرق آرام:
🔻 فصل طوفان اطلس: کمتر از نرمال
🔺 فصل طوفان شرق اقیانوس آرام: بسیار شدیدتر از نرمال

🔔 در جریان باشید. این هشدار را جدی بگیریم.

✅ منبع: us_stormwatch (اینستاگرام)
🌍 بازنشر به آگاهی عموم | اقلیم در حال تغییر است

🌊 هشدار اقلیمی: ال نینوی قوی‌تر از همیشه در راه است؟ گودزیلا
هفت اقلیم:محمود خسروی🌈

پیش‌بینی‌های جدید نشان می‌دهد که النینوی در حال شکل‌گیری در اقیانوس آرام حاره ای، احتمالاً یکی از قوی‌ترین نمونه‌های ثبت‌شده در تاریخ خواهد بود.
دانشمندان نگران تأثیرات عظیم انسانی این پدیده هستند، همچنین احتمال ثبت گرم‌ترین سال جهان در ۲۰۲۷ را بسیار بالا می‌دانند.
🔍 النینو دقیقاً چیست و چگونه زندگی ما را تحت تأثیر قرار می‌دهد؟
📺 برای تماشای توضیحات کامل ویدیو کانال بی‌بی سی‌نیوز را ببینید:
🔗 https://bbc.in/bbcnews
⏱️ سرفصل‌های ویدیو:
0:00 - النینو در راه است
0:35 - النینو چیست؟
1:14 - چقدر قوی می‌شود؟
1:55 - النینوهای قبلی
2:32 - تأثیر بر آب‌وهوا
3:48 - تأثیر بر مواد غذایی
5:03 - تأثیر بر بریتانیا
#آب_و_هوا #النینو #اقلیم #تغییرات_اقلیمی #BBCNews

The Most Powerful El Niño In Recorded History is Forming in the Pacific Ocean From:https://youtu.be/nJwZ7W51_4w

تحلیلی بر چالش‌های داوری همتا و ضرورت بازنگری در مسئولیت‌پذیری پژوهشگران
🌈هفت اقلیم:محمود خسروی  20 خرداد 1405،دانشگاه سیستان و بلوچستان
تصویر طنزگونه‌ای که در فضای آکادمیک دست‌به‌دست می‌شود، بازتاب‌دهنده حقیقتی ناخوشایند است: به درازا کشاندن زمان در فرآیند بررسی، پذیرش و انتشار مقالات علمی. این دیرکردن زمانی، به‌ویژه در روزهای رتبه‌بندی اعضای معلمان و مصاحبه‌های دکتری، که نتایج آن پیامدهای عمیقی بر آینده کاری و علمی افراد دارد، بسیار چالش‌برانگیز است. بر پایه تجربه زیسته ویراستاران و سردبیران، دیر کردن در داوری همتا (Peer Review) ریشه‌ای‌ترین راه‌بند در این راه است؛ چنان‌که گاهی فرآیند بررسی، ماه‌ها به درازا می‌انجامد یا داور، پاسخ‌گو نیست.
نگارنده به‌عنوان عضوی از جامعه دانشگاهی، داوری بیش از ۳۲۰۰ مقاله علمی در طول بیش از سه دهه کُنشگری را از افتخارات علمی خود می‌داند. بااین‌وجود، مشاهده می‌شود که برخی همکاران و دانش‌آموختگان پیشین از این مسئولیت گریزانند. به‌عنوان نمونه، در یک مورد، یکی از این افراد پس از یک ماه تأخیر در پاسخ‌دهی به درخواست داوری، با ادبیاتی غیرمتعارف اظهار داشت که به دلیل اشتغالات فراوان، پیش آمدی برای این کار ندارد. این در حالی است که ایشان نه‌تنها از شاخص اچ (h-index) بالایی برخوردار نبود، بالاتر از آن خود برای ارتقای پایه سالانه، نیازمند چاپ یک مقاله  علمی ننوشته !!بود. پاسخ نگارنده به ایشان، افزون آرزوی کامیابی، قاطعانه مبنی بر عدم ارسال درخواست‌های آینده داوری بود که با نشانه‌ای از همدلی (ایموجی قلب و لاله سرخ) پایان یافت.
بدون گزافه‌گویی، بیش از ۸۰ درصد به‌روز بودن علمی خود(که سال های نوری با استانداردهای روز دنیا فاصله دارد) را بدهکار فرصت مطالعه مقالات تازه از راه داوری برای مجلات داخلی و بین‌المللی می‌دانم. ازاین‌روی پیشنهاد می‌شود داوری مقالات با جدیت بیشتری پیگیری شود.
شاید بسیاری داوری را تنها یک «وظیفه اخلاقی» ملال‌آور تلقی کنند، ولی برای پژوهشگران تراز نخست، این فرآیند یک «ابزار راهبردی» برای رهبری فکری است. اهمیت داوری از چند دیدگاه قابل بازگفت است:
۱. کسب سرمایه نمادین: عضویت در لیست داوران مجلات معتبری چون Nature و The Lancet، نشانگر اعتماد جامعه علمی به قدرت تحلیل و قضاوت پژوهشگر است.
۲. جهت‌دهی به جریان علم: داوران با رواج دادن استانداردهای روش‌شناسی، عملاً نقش تدوین‌کنندگان قوانین بازی علمی را ایفا می‌کنند.
۳. دسترسی به مرزهای دانش: داوری، امکان دسترسی پیش‌دستانه به یافته‌های نوظهور علمی را فراهم می‌آورد و پژوهشگر را در خط پیشگام پیشرفت‌های دانشوارانه قرار می‌دهد.
۴. بالا بردن کیفیت پژوهش فردی: نقدِ آثار دیگران، آینه‌ای برای بازبینی تیزبینانه‌تر نقاط ضعف و قوتِ کارِ خودِ پژوهشگر است.
۵. پایداری قرارداد اجتماعی علم: دانش بر پایه همکاری رودررو بناشده است. بنابراین، کوتاهی در داوری نه‌تنها به کیفیت علم آسیب می‌زند، بالاتر از آن پژوهشگر را از مدارهای تصمیم‌گیری علمی حذف می‌کند.
در پایان، داوری نباید صرفاً به‌عنوان یک فعالیت جانبی قلمداد شود؛ والاتر که این فرآیند، «مدال افتخار» و «نقشه راه آینده» هر پژوهشگر در جامعه علمی است.

پدر علم هواشناسی ایران
پاییز امسال پربارش و زودرس خواهد بود

حسین اردکانی، پدر علم هواشناسی ایران:

· برخی متخصصان داخلی اثرات پدیده ال نینیو بر ایران را نادیده می‌گیرند، برخی از آن‌ها شاگرد خودم بوده‌اند متاسفانه می‌گویند چون این پدیده در مناطق گرمسیری شکل می‌گیرد، تاثیر چندانی روی ما ندارد.
· تحقیقات نشان داده که در زمان ال‌نینیو، رطوبت زیادی به منطقه ایران وارد شده و در نتیجه احتمالاً بارندگی‌های نسبتاً مناسبت در غرب و مرکز و شمال ایران خواهیم داشت. این رویداد در بازه پایین و زمستان می‌افتند و حتی می‌تواند بهار را هم شامل شود.
· ما واقعاً در ایران مدیریت آبی نداریم. در ژاپن در فصل سرد، ارث/ش تمام برف‌های کوهستان‌ها و جاده‌های اطراف را جمع‌آوری و در پشت سدها انبار می‌کند. این برف‌ها در بهار و تابستان به تدریج ذوب می‌شوند و کمبود آب را جبران می‌کنند.
· برخی از جمله خانم تاجبخش که شاگرد بنده بوده‌اند، گفته‌اند که چون امسال ال‌نینیو داریم، ایران هم بسیار گرم می‌شود. من این مطلب را رد می‌کنم. ما امسال سال نرمال خود را خواهیم داشت.

*استفاده‌ها غیرمجاز از هوش مصنوعی در نوشتن مقالات علمی*
استفاده از هوش مصنوعی در نوشتن مقاله علمی، در موارد زیر کاملاً غیرمجاز و نقض آشکار اخلاق پژوهشی محسوب می‌شود:
*۱- تولید محتوای اصیل و استدلال‌های علمی:*
غیرمجازترین استفاده، واگذاری تفکر، تحلیل و نگارش اصیل علمی به هوش مصنوعی است. این شامل:
- نوشتن بخش‌های محتوایی مانند چکیده، مقدمه، تحلیل نتایج، بحث یا نتیجه‌گیری توسط هوش مصنوعی.
- تولید ایده‌ها، فرضیه‌ها یا تفسیرهای علمی نو بدون تفکر انتقادی عمیق پژوهشگر.
- خلق داده‌ها، نتایج آزمایشگاهی یا یافته‌های شبیه‌سازی‌نشده. هوش مصنوعی هرگز نباید برای ساخت یا دستکاری داده‌های تجربی استفاده شود.
*۲- انجام وظایفی که نیاز به قضاوت تخصصی انسانی دارند:*
- ارزیابی و انتخاب منابع علمی: اتکا به هوش مصنوعی برای قضاوت درباره کیفیت، ارتباط یا اعتبار منابع پژوهشی.
- استنتاج روابط علّی یا تفسیر معناداری آماری بدون نظارت و تایید متخصص حوزه.
- تصمیم‌گیری‌های اخلاقی در طراحی پژوهش یا تفسیر پیامدهای اجتماعی یافته‌ها.
*۳- تقلب آشکار و تخریب یکپارچگی علمی:*
- تولید متن‌های خلاقانه برای فرار از شناسایی سرقت علمی (پارافریز غیراصیل و اتوماتیک). منظور از پارافریز غیراصیل و اتوماتیک، بازنویسی یک متن توسط نرم‌افزار یا هوش مصنوعی است که صرفاً کلمات و ساختار جملات را به شکل مکانیکی تغییر می‌دهد، بدون اینکه نویسنده درک مفهومی از متن داشته یا محتوای جدیدی به آن بیفزاید.
- ایجاد مقاله‌های ساختگی کامل یا تولید انبوه مقالات کم‌محتوا (مقاله‌سازی سَلَمی) فقط برای افزایش رزومه.
- جعل هویت علمی: استفاده از هوش مصنوعی برای نوشتن مقاله‌ای که ادعا می‌کند نویسنده‌ای با تخصص خاص (مثلاً پزشک یا مهندس) آن را نوشته، در حالی که نویسنده فاقد آن صلاحیت است.

*خط قرمز مطلق: نقض مسئولیت‌پذیری و شفافیت:*
هرگونه استفاده مخفیانه و غیرشفاف از هوش مصنوعی که در آن:
نقش هوش مصنوعی در هر مرحله از پژوهش افشا نشود.
پژوهشگر مسئولیت کامل محتوا را نپذیرد و آن را به هوش مصنوعی نسبت دهد.

👎دلیل اصلی غیرمجاز بودن این موارد آن است که هوش مصنوعی:
فاقد قضاوت علمی، درک مفهومی و مسئولیت‌پذیری اخلاقی است.
مستعد تولید اطلاعات نادرست یا ساختگی (هالوسینیشن) واژه انگلیسی شماره زده شود است که بر پایه صداقت، اصالت فکری و مسئولیت‌پذیری انسان‌ها بنا شده است.
@AASaboury

🌍 چرا بخشی از اقیانوس اطلس در میانه گرمایش جهانی، در حال سرد شدن است؟
🌈هفت اقلیم .محمود خسروی
Rahmstorf, S., Jendrkowiak, J., Gou, R., Cheng, L., Ruiz-Angulo, A., & Björnsson, H. (2026). Multidecadal Atlantic “warming hole” heat content variations are caused by ocean heat transport, not by surface fluxes. Geophysical Research Letters, 53, e2025GL118383. https://doi.org/10.1029/2025GL118383
در حالی که دمای سطح سیاره ما روند افزایشی دارد، منطقه‌ای در اقیانوس اطلس شمالی (جنوب گرینلند و ایسلند) برخلاف این روند جهانی، به طور قابل‌توجهی سرد شده است. این پدیده که با نام حفره گرمایشی (Warming Hole) یا حباب سرد» (Cold Blob) شناخته می‌شود، موضوع مقاله جدیدی به رهبری استفان رامستورف (Stefan Rahmstorf) است.
پیش‌تر محققان در این باره بحث می‌کردند که آیا این سرمایش به دلیل کاهش انتقال گرما توسط جریان‌های اقیانوسی به این منطقه است یا به دلیل از دست رفتن بیشتر گرما از طریق سطح دریا. اکنون، تحلیل داده‌های مشاهداتی نتایج مهمی را روشن کرده است:
🔍 نکات کلیدی این پژوهش:
سرمایش در عمق آب: «حباب سرد» تنها یک پدیده سطحی نیست، بلکه نشان‌دهنده کاهش محتوای گرمایی در کل ستون آب است.
رد فرضیه از دست دادن گرمای سطحی: برخلاف برخی تصورات، منطقه افت محتوای گرمایی با افزایش هدررفت گرمای سطحی همخوانی ندارد. در واقع، داده‌ها نشان می‌دهند که هدررفت گرمای سطحی در منطقه حباب سرد کاهش یافته است.
عامل اصلی شکل‌گیری حباب سرد: تغییرات محتوای گرمایی این منطقه در طول چند دهه، ارتباط بسیار قوی‌تری با تغییرات «انتقال گرمای افقی اقیانوس» دارد تا با نوسانات شار حرارتی سطح.
تضعیف جریان‌های اقیانوسی (AMOC): این پژوهش تایید می‌کند که پدیده حباب سرد نشانه‌ای از تضعیف جریان نصف‌النهاری اقیانوس اطلس (AMOC) است، جریانی که بخش عمده‌ای از انتقال حرارت به این منطقه را بر عهده دارد.
⚠️ چرا این موضوع اهمیت دارد؟ شواهد قوی مبنی بر تضعیف AMOC یک نگرانی جدی برای جوامع و سیاست‌گذاران است. تضعیف بیشتر انتقال گرمای اقیانوس اطلس در اثر تغییرات اقلیمی، می‌تواند پیامدهای بسیار جدی و خطرناکی برای شرایط آب‌وهوایی در اروپا و دیگر نقاط جهان به همراه داشته باشد.
#تغییرات_اقلیمی #اقیانوس_شناسی #گرمایش_جهانی #حباب_سرد #جریان_اقیانوسی #محیط_زیست #پژوهش_علمی

🌍 چرا بخشی از اقیانوس اطلس در میانه گرمایش جهانی، در حال سرد شدن است؟🌈هفت اقلیم .محمود خسروی
Rahmstorf, S., Jendrkowiak, J., Gou, R., Cheng, L., Ruiz-Angulo, A., & Björnsson, H. (2026). Multidecadal Atlantic “warming hole” heat content variations are caused by ocean heat transport, not by surface fluxes. Geophysical Research Letters, 53, e2025GL118383. https://doi.org/10.1029/2025GL118383
در حالی که دمای سطح سیاره ما روند افزایشی دارد، منطقه‌ای در اقیانوس اطلس شمالی (جنوب گرینلند و ایسلند) برخلاف این روند جهانی، به طور قابل‌توجهی سرد شده است. این پدیده که با نام حفره گرمایشی (Warming Hole) یا حباب سرد» (Cold Blob) شناخته می‌شود، موضوع مقاله جدیدی به رهبری استفان رامستورف (Stefan Rahmstorf) است.
پیش‌تر محققان در این باره بحث می‌کردند که آیا این سرمایش به دلیل کاهش انتقال گرما توسط جریان‌های اقیانوسی به این منطقه است یا به دلیل از دست رفتن بیشتر گرما از طریق سطح دریا. اکنون، تحلیل داده‌های مشاهداتی نتایج مهمی را روشن کرده است:
👇👇

👍 *راهنمای کمیته اخلاق نشر بین‌المللی در استفاده از هوش مصنوعی*
بر اساس آخرین راهنمای کمیته اخلاق نشر (COPE) سال 2025، در مورد هوش مصنوعی، محورهای اصلی زیر مورد تأکید قرار گرفته‌اند:
*۱* - شفافیت و بیان شفاف
- الزام به بیان کامل استفاده از هرگونه ابزار هوش مصنوعی در فرآیند پژوهش
- ذکر دقیق ابزارها و نسخه‌ها (مانند ChatGPT-4)
- تشریح نقش AI در هر مرحله از پژوهش (ایده‌پردازی، طراحی، تحلیل داده، نگارش)
*۲* - مسئولیت‌پذیری و پاسخگویی
- پژوهشگران مسئول نهایی تمام محتوای تولیدشده توسط AI هستند.
- عدم پذیرش AI به عنوان نویسنده به دلیل ناتوانی در پذیرش مسئولیت.
- ضرورت بررسی دقیق خروجی‌های AI از نظر خطا، سوگیری و سرقت علمی.
*۳* - یکپارچگی محتوایی
- ممنوعیت استفاده از AI برای تولید یا دستکاری داده‌های پژوهشی.
- اجتناب از تولید تصاویر، نمودارها یا نتایج مصنوعی توسط AI.
- حفظ اصالت اندیشه و جلوگیری از وابستگی بیش از حد به AI.
*۴* - حریم خصوصی و امنیت داده
- ممنوعیت بارگذاری داده‌های حساس در سکو‌های AI عمومی.
- رعایت مقررات حفاظت داده (مانند GDPR) در استفاده از AI.
- ارزیابی ریسک امنیتی سکو‌های AI قبل از استفاده.
*۵* - سوگیری و انصاف
- شناسایی و گزارش سوگیری‌های احتمالی در الگوریتم‌های AI.
- اجتناب از تداوم تبعیض از طریق سیستم‌های AI.
- تنوع داده‌های آموزشی و توجه به نمایندگی گروه‌های مختلف.
*۶* - مالکیت فکری و استناد
- عدم استناد به AI به عنوان منبع اولیه.
- رعایت حقوق مالکیت محتوای استفاده‌شده برای آموزش AI.
- شفافیت در تعارض منافع هنگام استفاده از ابزارهای AI تجاری.
*۷* - نظارت و ارزیابی مستمر
- ایجاد کمیته‌های نظارتی برای پایش استفاده از AI در مؤسسات.
- بررسی دوره‌ی راهنماها با توجه به سرعت تحولات فناوری.
- تدوین پروتکل‌های داخلی برای استفاده مسئولانه از AI.
@AASaboury