بررسی روند خشکسالی با استفاده از شاخص‎های SPEI اصلاح شده و MSPI در مقیاس‌های زمانی مختلف (مطالعه موردی: استان فارس)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران

2 دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران. گروه پژوهشی خشکسالی و تغییر اقلیم، دانشگاه بیرجند، بیرجند، ایران

3 3دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران. گروه پژوهشی خشکسالی و تغییر اقلیم، دانشگاه بیرجند، بیرجند، ایران

4 استادیار، گروه مهندسی عمران و محیط زیست، دانشگاه ایالتی سن خوزه، سن خوزه، کالیفرنیا، آمریکا

چکیده

پایش مؤثر و به‌موقع خشکسالی می‌تواند به توسعه سامانه‌های خشکسالی و مدیریت بهینه منابع آبی کمک کند. بنابراین، در این پژوهش وضعیت خشکسالی ایستگاه‌های سینوپتیک استان فارس (آباده، شیراز، فسا و لار) در مقیاس‌های زمانی مختلف (6،3، 9 و 12 ماهه) با استفاده از شاخص‎های بارش-تبخیر و تعرق (SPEI) و بارش استاندارد چند متغیره (MSPI) مورد بررسی قرار گرفت. در نهایت، به منظور بررسی روند شاخص‎های مورد بررسی از آزمون من-کندال استفاده شده است. بر اساس نتایج، در مقیاس‌های زمانی کوتاه مدت فراوانی دوره‌های خشک و مرطوب زیاد است. اما با افزایش مقیاس‎های زمانی، فراوانی دوره‎های خشک و مرطوب کاهش می‌یابد و تداوم آن‎ها افزایش پیدا می‎کند. از لحاظ شاخص SPEI در مقیاس زمانی 3 ماهه شدیدترین خشکسالی در ایستگاه آباده (20/5-) و شدیدترین ترسالی در ایستگاه شیراز (21/5) می‎باشد. در مقیاس زمانی 6 ماهه شدیدترین خشکسالی و ترسالی به ترتیب در ایستگاه‌های آباده (45/3-) و شیراز (10/3) مشاهده شد. در مقیاس زمانی 9 ماهه شدیدترین خشکسالی و ترسالی در ایستگاه لار به ترتیب با مقادیر 63/3- و 48/2 می‎باشد. همچنین در مقیاس 12 ماهه شدیدترین خشکسالی در ایستگاه شیراز (37/3-) و شدیدترین ترسالی در ایستگاه آباده (37/2) می‎باشد. تجزیه و تحلیل مؤلفه های اصلی سری زمانی SPI نشان داد که اولین مؤلفه اصلی (PC1) می‌تواند درصد زیادی از تغییرات را در سری‌های زمانی SPI اصلی در تمام مناطق مورد مطالعه در این پژوهش، به خود اختصاص دهد. همچنین نتایج نشان داد که MSPI ها از نوسانات سری زمانیSPI  به‌ویژه در دوره‌های خشک و مرطوب طولانی‌مدت پیروی می‌کنند. به طوری که، دوره‌های خشک و مرطوب جزئی در دوره‌های خشک یا مرطوب شدید و طولانی، ممکن است توسط MSPI حذف شوند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigating the drought trend using the modified SPEI and MSPI indices in different time scales (case study: Fars province)

نویسندگان [English]

  • samira rahnama 1
  • Ali Shahidi 2
  • Mostafa Yaghoobzadeh 3
  • AliAkbar Mehran 4
1 Ph. D Student of Water Resources Engineering, Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran
2 Associate Professor, Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran. Department of Research Group of Drought and Climate Change, University of Birjand, Birjand, Iran
3 Associate Professor, Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran. Department of Research Group of Drought and Climate Change, University of Birjand, Birjand, Iran
4 Assistant Professor, Department of Civil and Environmental Engineering, San Jose State University, San Jose, California, United States
چکیده [English]

The effective and timely monitoring of drought can help to develop drought systems and optimal management of water resources. Therefore, in this research, the drought situation in the synoptic stations of Fars province (Abadeh, Shiraz, Fasa and Lar) was investigated in different time scales (3, 6, 9 and 12 months) using precipitation-evaporation and transpiration (SPEI) and Multivariate standardized precipitation (MSPI) indices. The Mann-Kendall test was used in order to check the trend of the investigated indicators. Based on the results, the frequency of dry and wet periods is high in short-term time scales. But with the increase of time scales, the frequency of dry and wet periods decreases and their duration increases. In terms of the SPEI index, in the 3-month time scale, the most severe drought is at Abadeh station (-5.20) and the most severe drought is at Shiraz station (5.21). In the time scale of 6 months, the most severe drought and drought were observed in Abadeh (-3.45) and Shiraz (3.10) stations, respectively. In the time scale of 9 months, the most severe drought and drought are in Lar station with values of -3.63 and 2.48, respectively. Also, on a 12-month scale, the most severe drought is in Shiraz station (-3.37) and the most severe drought is in Abadeh station (2.37). Principal component analysis of SPI time series showed that the first principal component (PC1) can account for a large percentage of changes in the original SPI time series in all regions studied in this research. Also, the results showed that MSPIs follow the fluctuations of the SPI time series, especially in long-term dry and wet periods. So, partial wet and dry periods in severe and prolonged dry or wet periods may be excluded by MSPI.

کلیدواژه‌ها [English]

  • Climate
  • Monitoring
  • Time window
  • Precipitation Evapotranspiration Index
  • MSPI

مراجع

  1. بذرافشان، جواد؛ حجابی، سمیه. 1396. خشکسالی: روش‎های پایش (همراه با برنامه‌های کاربردی در محیط برنامه‌نویسی متلب). انتشارات دانشگاه تهران، چاپ دوم.
  2. خیری، راضیه؛ مجرد، فیروز؛ معصوم‌پور، جعفر؛ فرهادی، بهمن. 1400. ارزیابی تغییرات خشکسالی در ایران با استفاده از شاخص‌های SPEI و SC-PDSI. برنامه‌ریزی و آمایش فضا، 25(1)، 143-174.
  3. ذبیحی، محسن؛ مصطفی‎زاده، رئوف؛ شرری، معراج. 1396. تحلیل شدت و تداوم دوره‌های خشک و مرطوب بر اساس شاخص‌های مبتنی بر بارش و تبخیر- تعرق. پ‍‍ژوهشنامه مدیریت حوزه آبخیز، 8(15)، 125-136.
  4. رهنما، سمیرا؛ شهیدی، علی؛ یعقوب‌زاده، مصطفی؛ مهران، علی‌اکبر. 1400. ارزیابی و پهنه‌بندی خشکسالی هواشناسی در استان خراسان جنوبی. پنجمین کنگره ملی آبیاری و زهکشی ایران، دانشگاه بیرجند.
  5. مبین، محمدحسین؛ زارعی، زهرا؛ سودایی‎زاده، حمید. 1398. بررسی و ارزیابی برخی از ویژگی‎های شدت خشکسالی‎های آب و هوایی در گام‌های زمانی مختلف در ایستگاه‎های هواشناسی کرمان و شیراز. مجله مخاطرات محیط طبیعی، 8(19)، 103-122.
  6. منتصری، مجید؛ نورجو، امیر؛ بهمنش، جواد؛اکبری، مهدی. 1397. بررسی ترسالی و خشکسالی هواشناسی در حوضه‌های جنوبی دریاچه ارومیه (مطالعه موردی: حوضه‌های آبریز زرینه رود و سیمینه رود). مجله اکوهیدرولوژی، 5(1)، 189-202.
  7. میرزایی‌حسنلو، ایوب؛ عبقری، هیراد؛ عرفانیان، مهدی. 1399. ارزیابی شاخص خشکسالی SPEI و تحلیل روند با استفاده از روش ناپارامتریک در ایستگاه‎های منتخب حوزه آبریز دریاچه ارومیه، پژوهشنامه مدیریت حوزه آبخیز، 11(22)، 175-187.
  8. نیک‌بخت، جعفر؛ هادلی، فاطمه. 1400. مقایسه شاخص‎های SPI، RDI و SPEI جهت پایش خشکسالی در شرایط تغییر اقلیم (مطالعه موردی: ایستگاه کرمانشاه. نشریه هواشناسی کشاورزی، 9(1)، 14-25.
  9. Abramowitz, M., and Stegun, I.A. 1965. Handbook of Mathematical Functions. Dover Publications, New York.
  10. Allen, R.G., Pereira, L.S., Raes, D., and Smith, M. 1998. Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and drainage paper (FAO), No. 56, 300p.
  11. Aghelpour, P., and Varshavian, V. 2021. Forecasting Different Types of Droughts Simultaneously Using Multivariate Standardized Precipitation Index (MSPI), MLP Neural Network, and Imperialistic Competitive Algorithm (ICA). Complexity, https://doi.org/10.1155/2021/6610228
  12. Bazrafshan, J., Hejabi, S., and Rahimi, J. 2014. Drought monitoring using the Multivariate Standardized Precipitation Index (MSPI). Water Resources Management. Doi: 1007/s11269-014-0533-2.
  13. Chen, H., Guo, S., Xu, C.Y., and Singh, V.P. 2007. Historical temporal trends of hydro-climatic variables and runoff response to climate variability and their relevance in water resource management in the Hanjiang basin. Journal of hydrology, 344(3-4): 171-184.
  14. 2005. http://www.fao.org/fishery/countrysector/naso_iran/en#tcN90064
  15. Habibi, M., Schoner, W., and Babaeian, I. 2020. Drought monitoring Using Standardized Precipitation Index (SPI), Standardized Precipitation-Evapotranspiration Index (SPEI) and Normalized-Difference Snow Index (NDSI) with observational and ERA5 dataset, within the uremia lake basin, Iran, EGU General Assembly 2020, Online, 4–8 May 2020, EGU2020-11543, ttps://doi.org/10.5194/egusphere-egu2020-11543, 2020
  16. Hosking, J.R.M. 1990. L-Moments: Analysis and estimation of distrbutions using linear combinations of order statistics. Journal of Royal Statistical Society B, 52, 105-124.
  17. Kendall, M.G. 1948. Rank Correlation Methods, Charles Griffin, London.
  18. Keyantash, J.A., and Dracup, J.A. 2004. An aggregate drought index: assessing drought severity based on fluctuations in the hydrologic cycle surface water storage, Water Resources Research, 40, W09304.
  19. Łabędzki, L. 2007. Estimation of local drought frequency in central Poland using the standardized precipitation index SPI. Irrigation and Drainage, 56:67–77
  20. McKee, T.B., Doesken, N.J., and Kleist, J. 1993. The relationship of drought frequency and duration to time scales. Proc Eighth Conference Applied Climatology, American Meteorological Society, Boston pp. 179– 184
  21. Mann, H.B. 1945. Nonparametric Tests against Econometrica, 13: 245-259.
  22. Masud, M.B., Khaliq, M.N., and Wheater, H.S. 2015. Analysis of meteorological droughts for the Saskatchewan River Basin using univariate and bivariate approaches. Journal of Hydrology, 522:452–466. https://doi.org/10.1016/j.jhydrol.2014.12.058

 

  1. Mishra, A.K., and Singh, V.P. 2010. A review of drought concepts. Journal of Hydrology, 391(1–2):202–216
  2. Stagge, J.H., Tallaksen, L.M., Gudmundsson, L., VanLoon, A.F., and Stahl, K. 2015. Candidatedistributions for climatological drought indices(SPI and SPEI). International Journal of Climatology, 35, 4027-4040
  3. Thornthwaite, C.W. 1948. An approach to a rational classification of climate. Geographical review, 38: 85-94.
  4. Törnros, T., and Menzel, L. 2014. Addressing drought conditions under current and future climates in the Jordan River region. Hydrology and Earth System Sciences, 18, 305-318
  5. Vicente-Serrano, S.M., Begueria, S., and Lopez-Moreno, J.I. 2010. A Multi-scalar drought index sensitive to global warming: The Standardized Precipitation Evapotranspiration Index- SPEI. Journal of Climate, 23, 1696-1718
  6. Zhao, A., Zhang, A., Cao, Sen., Liu, X., Liu, J., and Cheng, D. 2018. Responses of vegetation productivity to multi-scale drought in Loess Plateau, China. CATENA, 163:165–171. https://doi.org/10.1016/j.catena.2017.12.

 

فایل ها

هم رسانی

ارجاع به این مقاله

آمار