سنجش و تحلیل اثرات درجه خشکی اقلیم با استفاده از شاخص‌های خشکی ماهانه طاوسی، بارش انگوت (K) و یونپ (UNEP) (مورد مطالعه: شهرستان‌های استان گلستان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه جغرافیا دانشگاه پیام نور، ایران.

2 دانشجوی دکتری آب و هواشناسی، دانشگاه آزاد اسلامی، واحد اهواز، اهواز، ایران

چکیده

هدف این پژوهش و تحلیل میانگین بلندمدت بارش (P) و تبخیر و تعرق پتانسیل (PET) مبتنی خشکی اقلیم در شهرستانهای علی­آبادکتول،گرگان،بندرگز،بندرترکمن،کلاله،گمیشان،مینودشت،اینچه برون،گنبد کاووس با استفاده از شاخص­های خشکی ماهانه طاوسی، بارش انگوت (K) و یونپ (UNEP) به‌منظور آشکارسازی تغییرات رخ‌داده در دوره زمانی30 ساله می‌باشد. همچنین در این مطالعه جهت برآورد تبخیر و تعرق پتانسیل از روش هارگریوز – سامانی(Hargreaves-Samani) استفاده گردید. برای نشان دادن معنی داری روند از معیار U -U´ استفاده شد. مقادیر U -U´ برای تمام ماهها و کل سالها در محیط نرم‌افزار اکسل برآورد گردید، مناطق مورد مطالعه با استفاده از روش منکندال (Menkendal) به کمتر از 96/1+ یا بیشتر از 96/1+ یا مناطق دارای روند تفکیک گردید. پس از محاسبه فاکتور خشکی (AI) برای ایستگاه­های موجود در مناطق شهری مورد نظر از طریق نرم‌افزار Excel، با استفاده از روش‌ دورنیابی کریجینگ نقشه تغییرات منطقه­ای خشکی پهنه مورد مطالعه در محیط نرم‌افزار ArcGis ترسیم گردید بدین منظور جهت بهترین نتیجه و کمترین میزان خطا از روش میانیابی مجذور فاصله با پراکنش (Expotntial) و جهت انتخاب بهترین روش درونیابی از شاخص­های آماری ریشه میانگین مربعات خطا RMS قدر مطلق خطا MAE استفاده گردید. در ادامه در بعدی دیگر با توجه به رویکرد پژوهش حاضر مدل مفهومی نهایی در قالب تاثیر خشکی بر تنش زایی گیاهان و کاهش عملکرد اقتصادی جوامع محلی روستایی نیز ارائه گردید. نتایج نشان داد روش عکس فاصله به‌عنوان بهترین روش در میان روش‌های مورداستفاده برای برآورد تغییرات درجه خشکی (AI) می­باشد. نتایج نشان داد  که خطر خشکی به همراه آن آلودگی ناشی از گرد و غبار در هر پهنه مورد مطالعه دور از انتظار نیست، در تمام شهرهای مورد مطالعه بنظر میرسد که با کاهش و تغییر روند حاکمیت بارندگی  به همان میزان شدت تبخیر و تعرق افزایش یافته  و پدیده خشکی به مراتب بیتشر خود را نمایان کند این پدیده میتواند بر روند محصولات کشاورزی و کاهش میزان تولید و سطح زیرکشت محصولات  پهنه استان گلستان و کاهش میزان عملکرد آن‌ها تاثیر گذار باشد بین ماه­های موردسنجش واقع شده، بیشترین روند رو به خشکی در قسمت شمالی استان گلستان نمایان بوده و بیش از 35 درصد مساحت این استان را شامل می­شود. روند تغییرات این شیب از لحاظ آماری معنی‌دار است.

کلیدواژه‌ها

عنوان مقاله [English]

Assessing and Analyzing the Effects of Climate Drought Using Tavosi Monthly Drought, Ingot (K) and UNEP Indices (UNEP) (Case study: cities of Golestan province)

نویسندگان [English]

  • Yousef Darvishi 1
  • Mohammadsadegh Ghadamkheir 2
1 Assistant Professor of Geography, Payame Noor University, Iran
2 PhD student in Meteorology, Islamic Azad University, Ahvaz Branch, Ahvaz, Iran.
چکیده [English]

The purpose of this study was to analyze the long-term mean of precipitation (P) and evapotranspiration (PET) based on climate drought in Aliabadektol, Gorgan, Bandar-e-Gaz, Bandar-e-Turkmen, Kalaleh, Gomishan, Minoodasht, Incheh-e-Borun, Gonbad-e-Kavous using Tavosi monthly drought indices. The rainfall of Ingot (K) and UNEP (UNEP) is used to detect changes in the period of 30 years. Also in this study, Hargreaves-Samani method was used to estimate the potential evapotranspiration. The U-U´ criterion was used to show the significance of the trend. U-U´ values were estimated for all months and whole years in Excel software environment. The study areas were divided into less than +1/96 or more than +1/96 or areas with trend using the Menkendal method. . After calculating the drought factor (AI) for the urban areas through Excel software, using the kriging distance method, the map of land area changes in the study area in the ArcGis software environment was drawn. For this purpose, to select the best interpolation method, the statistical indices of root mean square error RMS absolute value of MAE error were used. The results showed that the risk of drought and dust pollution in each study area is not far from expectation. In all studied cities, it seems that with decreasing and changing the trend of rainfall, the intensity of evapotranspiration increased by the same amount. The phenomenon of drought manifests itself far more. This phenomenon can affect the trend of agricultural products and reduce the amount of production and area under cultivation of products in Golestan province and reduce their yield.

کلیدواژه‌ها [English]

  • Drought
  • Tavosi index
  • Ingot rainfall
  • AI index

مراجع

  1.  

    1. امیدوار، کمال، (1392). مخاطرات طبیعی،انتشارات دانشگاه یزد.
    2. امانی، زینب، دیهیم فرد، رضا، مختصی بیدگلی، علی، (1395). بررسی خشکی تحت شرایط افزایش دمای ناشی از تغییراقلیم در گندم دیم استان فارس با استفاده از شاخص خشکی، مجله تولید گیاهان زراعی، 9(2)، 151-174.
    3. بختیاری، بهرام، مهدوی، نکیسا، سیاری، نسرین، (1400). تحلیل حساسیت و بررسی تغییرات شاخص خشکی (AI) در چند نمونه اقلیمی ایران، تحقیقات منابع آب ایران، 17(1)، 1-15.
    4. پودینه، محمدرضا، حیدری‌نیا، محمد، موسوی، سید روح ا...، دوستی مقدم، حسین، (1399). پایش شاخص‌های خشکی در شهر زاهدان در بازه‌های زمانی مختلف. جغرافیای طبیعی، 13(47)، 133-143.
    5. حجازی‌زاده، زهرا.، جوی‌زاده، سعید، (1389). مقدمه‌ای بر خشکی و شاخص‌های آن، سمت، تهران.
    6. خوش‌اخلاق، فرامرز، رنجبر، فیروز.، طولابی، سوسن.، مقبل، معصومه.، معصومپور سماکوش، جعفر، (1389). بررسی خشکی در سال آبی 1386-87 و اثرات آن بر منابع آب کشاورزی (نمونۀ موردی: شهرستان مرودشت). مجلۀ جغرافیا، 24: 136-119.
    7. کاظمی، روح ا...، یگانه، حسن، خواجه دین، سیدجمال‌الدین، (1390). آشکارسازی تغییرات پوشش گیاهی در طول فصل چرا با استفاده از داده‌های چندزمانه سنجنده IRS-WiFS در منطقه سمیرم. تحقیقات مرتع و بیابان ایران، 18(1): 124-138.
    8. رضایی مقدم، محمد حسین، ولی زاده کامران، خلیل، رستم زاده، هاشم، رضایی، علی، (1390). ارزیابی کارایی داده‌های سنجنده‌ی ‎MODIS در برآورد خشکی (مطالعه‎ی موردی: حوضه‎ی آبریز دریاچه ارومیه). جغرافیا و پایداری محیط، 2(4):37-52.
    9. خورانی، اسداله، جمالی، زهرا، (1395). اثر تغییر اقلیم بر شدت و مدت خشکی در ایستگاه‌های خشک و نیمه‌خشک (بندرعباس و شهرکرد) تحت مدل HADCM3. نشریه علمی جغرافیا و برنامه ریزی، 20(57)، 115-131.
    10. فتح نیا، امان‌اله، رجایی، سعید، برزو، فرزانه، (1396). پیش‌بینی احتمال تکرار دوره‌های خشکی و اثر آن بر پوشش گیاهی در استان گلستان. نشریه علمی جغرافیا و برنامه ریزی، 21(60)، 179-196.
    11. قربانی، خلیل، ولیزاده، اسماعیل، برارخان‌پور، صدیقه، (1397). بررسی روند تغییرات مکانی-زمانی شاخص دومتغیره خشکی هواشناسی SPEI در ایران. مدیریت بیابان، 6(11): 25-38.
    12. عساکره، حسین، صیادی، فریبا، (1396). تحلیل و پیش‌بینی روزهای خشک با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه تهران). نشریه علمی جغرافیا و برنامه ریزی، 21(60)، 161-167.
    13. علیجانی، بهلول، محمودی، پیمان، چوگان، عبدالجبار. (۱۳۹۱). بررسی روند تغییرات بارش های سالانه و فصلی ایران با استفاده از روش ناپارامتریک (برآورد کننده شیب سنس)، نشریه پژوهش های اقلیم شناسی، 3 (9)، ۴۲-۲۳.
    14. طاوسی، تقی، منصوری دانشور، محمدرضا، موقری، علیرضا، (1391). پهنه‌بندی شدت خشکی در ایران با استفاده از مدل تبخیر و تعرق هارگریوز – سامانـــی بر مبنای توپوگرافی رقومی DEM. جغرافیا و پایداری محیط، 2(3)، 95-110.
    15. نوری، هدایت‌الله، نوروزی، اصغر، (1395). مبانی برنامه‌ریزی محیطی برای توسعه پایدار روستایی، دانشگاه اصفهان.
    16. موغلی، مرضیه، (1399). پایش تغییرات پوشش گیاهی در اثر خشکی در حوضه آبریز درودزن با استفاده از تصاویر MODIS. جغرافیای طبیعی، 13(49)، 85-107.
    17. Alwesabi, M. (2012). MODIS NDVI satellite data for assessing drought in Somalia during the period 2000-2011. Student thesis series INES.‏
    18. Bayarjargal, Y., Karnieli, A., Bayasgalan, M., Khudulmur, S., Gandush, C., and Tucker, C.J. (2006). A comparative study of NOAA–AVHRR derived drought indices using change vector analysis. Remote Sensing of Environment, 105(1): 9-22.‏
    19. Bhuiyan, C. (2004). Various droughts for monitoring drought condition in Aravalli terrain of India. In Proceedings of the XXth ISPRS Conference.Int. Soc. Photogramm. Remote Sensing, Istanbul.
    20. Bonaccorso, B., Bordi, I., Cancelliere, A., Rossi, G., and Sutera, A. (2003). Spatial variability of drought: an analysis of the SPI in Sicily. Water resources management, 17(4): 273-296.‏
    21. Ceccato, P., Flasse, S., Tarantola, S., Jacquemoud, S., and Gregoire, J.M. (2001). Detecting vegetation leaf water content using reflectance in the optical domain. Remote Sensing of Environment, 77: Pp. 22–33.
    22. Edossa D.C., Babel. M.S., and Gupta, A.D. (2009). Drought Analysis in the Awash River Basin, Ethiopia, Springer seience + Business Media B.V, Water Resour Manage, 1441-1460.
    23. FAO (2013). Drought Facts-Food and Agriculture, fao.org.
    24. Gu, L., Hanson, P.J., Post, W.M., Kaiser, D.P., Yang, B., Nemani, R.,... and Meyers, T. (2008). The 2007 eastern US spring freeze: increased cold damage in a warming world?. BioScience, 58(3), 253-262.‏
    25. Howitt, R., MacEwan, D., Medellín-Azuara, J., Lund, J., and Sumner, D. (2015). Economic Analysis of the 2015 Drought for California Agriculture, University of California Davis, P. 31
    26. Keck, A., and Dinar, A. (2000). Water supply variability and drought impact and mitigation in subsahara Africa, Drought a Global Assessment, London.
    27. Kendall, M.G. (1970). Rank Correlation Methods, 2nd Ed., New York: Hafner.
    28. Mann, H.B. (1945). Nonparametric tests against trend, Econometrica, 13: 245-259
    29. Mishra, A.K., and Singh, V.P. (2010). A review of drought concepts, Journal of Hydrology, 391 (1): 202-216.
    30. Murad, M.H., Elamin, K.B., Abu Elnour, N.O., Elamin, M.B., Alkatib, A.A., Fatourechi, M.M., ... and Erwin, P.J. (2011). The effect of vitamin D on falls: a systematic review and meta-analysis. The Journal of Clinical Endocrinology & Metabolism, 96(10), 2997-3006.‏
    31. McKee, T.B., Doesken, N.J., and Kleist, J. (1993). The relationship of drought frequency and duration11 to time scales. Preprints, 8th Conference on Applied Climatology, Anaheim.
    32. Park, E.J., Yi, J., Chung, K.H., Ryu, D.Y., Choi, J., and Park, K. (2008). Oxidative stress and apoptosis induced by titanium dioxide nanoparticles in cultured BEAS-2B cells. Toxicology letters, 180(3): 222-229.‏
    33. Rahimzadeh, F., Asgari, A., and Fattahi, E. (2009). Variability of extreme temperature and precipitation in Iran during recent decades. International Journal of Climatology: A Journal of the Royal Meteorological Society, 29(3): 329-343.‏
    34. Shaban, A. (2008). Indicator and Aspects of Hydrogical Drought in Lebanon. Springer science + Business Media B. V. Water Resour Manage, 1875-1891.
    35. Silva-Valio, A. (2008). Estimating stellar rotation from starspot detection during planetary transits. The Astrophysical Journal Letters, 683(2): L179.‏
    36. Sheffield, J., Goteti, G., Wen, F.H., Wood, E.F. (2004). A simulated soil moisture based drought analysis for the United States. J. Geophys. Res. 109, D24108.
    37. Stow, D.A. & 23 others (2004). “Remote sensing of vegetation and land-cover change in arctic tundra ecosystems”, Remote Sensing of Environment, 89, 281-308.
    38. Tsakiris, G., and Vangelis, H. (2004). Towards a drought watch system based on spatial SPI. Water resources management, 18(1), 1-12.‏
    39. Tian, W., Liu, X., Liu, C., and Bai, P. (2018). Investigation and simulations of changes in the relationship of precipitation-runoff in drought years. Journal of Hydrology, 565, 95–105.
    40. Tirivarombo, S., Osupile, D., and Eliasson, P. (2018). Drought monitoring and analysis: Standardised Precipitation Evapotranspiration Index (SPEI) and Standardised Precipitation Index (SPI). Physics and Chemistry of the Earth, Parts A/B/C. V 106, P 1-10.
    41. Wilhite, D.A., Sivakumar, M.V.K., and Pulwarty, R. (2014). Managing drought risk in a changing climate: the role of national drought policy. Weather Clim. Extremes 3, 4–13.
    42. Zhang, Q., Li, J., Singh, V.P., and Bai, Y. (2012). SPI-based evaluation of drought events in Xinjiang, China, Natural hazards,. 64(1), 481-492.
    43. Zhao, H., Xu, Z., Zhao, J., and Huang, W. (2017). A drought rarity and evapotranspiration-based index as a suitable agricultural drought indicator. Ecological Indicators, 82, 530–538.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار