ارزیابی و مقایسه تطبیقی شاخص‌های خشکسالی SMDI ، SPI و RDI در منطقه زرقان، استان فارس

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار گروه مهندسی آب، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

10.30488/ccr.2023.417456.1163

چکیده

رطوبت خاک از اصلی‌ترین عواملی است که تحت‌تاثیر خشکسالی قرار می‌گیرد. شاخص کمبود رطوبت خاک (SMDI) یکی از مهمترین شاخص‌هایی است که براساس رطوبت خاک، خشکسالی را پایش می‌نماید. اما به دلیل عدم اندازه‌گیری مستقیم رطوبت خاک در ایستگاه‌های هواشناسی و نبود اطلاعات، به‌طور محدودی استفاده شده است. در پژوهش حاضر از داده‌های هواشناسی ایستگاه سینوپتیک زرقان در طول دوره آماری 30 ساله (1992 تا 2022) استفاده و به کمک دو مدل ET0 و AquaCrop مقدار رطوبت خاک در عمق‌های 5، 15، 45 و 95 سانتیمتر تخمین زده شد. سپس درصد کمبود رطوبت خاک و شاخص SMDI محاسبه گردید. همچنین نتایج این شاخص، با دو شاخص متداول SPI و RDI که مبتنی بر داده‌های بارش و تبخیرتعرق پتانسیل است، مقایسه و تحلیل گردید. بیشترین مقدار این شاخص پس از یک دوره پر باران سالهای 1994 و 1995 در سال 1996 است و کمترین مقدار نیز پس از سالهای خشک 2008 تا 2010 در سال 2011 رخ داده است. با توجه به اینکه بیشترین و کمترین مقدار بارندگی در 2004 و 2021 است، شاخص‌های خشکسالی SPI و RDI، شدیدترین ترسالی و خشکسالی را در سالهای مذکور نشان داده‌اند. در سال 2010، 2011 ، 2016 و2021 خشکسالی­های شدیدی رخ داده که هر سه شاخص در این مورد نتایج مشابهی داشته­اند. در بررسی روابط بین پارامترهای هواشناسی و شاخص‌ها، نتایج نشان داد شاخص SMDI کمترین ضریب تبیین را با تبخیرتعرق (25/0)، شاخص RDI (4/0) و پس از آن با شاخصSPI  و بارش (45/0) دارد. همچنین نتایج نشان داد همبستگی و ارتباط قوی بین دو شاخص SPI و RDI وجود دارد. درخصوص خشکسالی‌های حدی و خیلی شدید که میزان بارش کاهش زیادی داشته و تبخیرتعرق نیز افزایش می یابد، شاخص RDI مناسبتر بوده و شدت خشکسالی را با دقت بالاتری نشان می‌دهد و حساسیت آن نسبت به شرایط آب و هوایی بیشتر از شاخص SPI است. لذا توصیه می گردد در مناطق خشک و نیمه خشک که شدت خشکسالی به آستانه شدید و خیلی شدید نیز می‌رسد، از شاخص‌هایی استفاده گردد که علاوه بر بارش، عوامل دیگر را در نظر بگیرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Adaptive evaluation and comparison of SMDI, SPI and RDI drought indices inZarghan region, Fars province

نویسنده [English]

  • Seyed Amir Shamsnia
Assistant Professor, Department of Water Engineering, Shiraz Branch, Islamic Azad University, Shiraz, Iran,
چکیده [English]

Soil moisture is one of the most important factors that are affected by drought. Soil Moisture Deficit Index (SMDI) is one of the most important indicators that monitors drought based on soil moisture. But due to lack of direct measurement of soil moisture in weather stations and lack of information, it has been used to a limited extent. In this research, the meteorological data of Zarghan synoptic station was used during the statistical period of 30 years (1992 to 2022) and with the help of ET0 and AquaCrop models, the amount of soil moisture was estimated at the depths of 5, 15, 45 and 95 cm. Then the percentage of soil moisture deficiency and SMDI index were calculated to monitor drought. Also, the results of this index were compared and analyzed with two common indices SPI and RDI which are based on precipitation and evapotranspiration data.

The highest value of this index occurred in 1996 after a period of heavy rain in 1994 and 1995, and the lowest value occurred in 2011 after the dry years of 2008 to 2010. Considering that the highest and lowest amount of rainfall is in 2004 and 2021, SPI and RDI drought indices have shown the most severe drought in the mentioned years. Severe droughts occurred in 2010, 2011, 2016 and 2021, and all three indicators had similar results. In examining the relationship between meteorological parameters and indices, the results showed that the SMDI index has the lowest coefficient of explanation with evapotranspiration (0.25), RDI index (0.4) and then SPI and precipitation index (0.45). Also, the results showed that there is a strong correlation between SPI and RDI. Regarding moderate and very severe droughts, where the amount of precipitation is greatly reduced and evapotranspiration increases, the RDI index is more accurate and shows the severity of the drought with higher accuracy, and its sensitivity to weather conditions is higher than the SPI index.
 Therefore, in arid and semi-arid regions where the severity of drought reaches the severe and very severe threshold, it is recommended to use indicators that take into account other factors in addition to precipitation.

کلیدواژه‌ها [English]

  • Drought
  • Soil Moisture Deficit Index
  • Standardized Precipitation Index
  • Reconnaissance Drought Index
  1. بذرافشان، ا.، محمودزاده، ف.، عسگری نژاد، ا. و بذرافشان، ج. 1398. مقایسه تطبیقی شاخصهای SPI، RDI و SPEI در تحلیل روند شدت، مدت و فراوانی خشکسالی در مناطق خشک و نیمه خشک ایران. علوم و مهندسی آبیاری. 42(3): 117-131.
  2. تبوزاده، ش.، زارعی، ح. و بذرافشان، ا. 1394. تحلیل شدت، مدت، فراوانی و گستره خشکسالی هواشناسی در حوضه آبریز بختگان. علوم و مهندسی آبیاری. 38(4): 109-123.
  3. حجازی جهرمی، ک.، پیرمرادیان، ن.، شمس نیا، س.ا. و شهیدی، ن. 1392. ارزیابی کمی و کیفی منابع آب زیرزمینی جهت استفاده در سیستم‌های آبیاری (مطالعه موردی: دشت‌های جنوبی و جنوب شرقی استان فارس). نشریه جغرافیای طبیعی. 6(19):33-44.
  4. رمضانی اعتدالی، ه.، لیاقت، ع.، پارسی نژاد،م. و رمضانی اعتدالی، م. 1391. بررسی وضعیت خشکسالی کشاورزی بر اساس رطوبت خاک در ایستگاه سینوپتیک قزوین. مجله پژوهش آب در کشاورزی. 26(1): 83-93.
  5. سعیدی، ر.، رمضانی اعتدالی، ه.، ستوده نیا، ع.، نظری، ب. و کاویانی، ع. 1400. ارزیابی مدل AquaCrop در برآورد روند تغییرات رطوبت خاک، تبخیر-تعرق و عملکرد ذرت، تحت تنش‌های شوری و حاصلخیزی. تنش‌های محیطی در علوم زراعی. 14(1): 195-210.
  6. سهرابی، ر.، سهرابی، ح. و عرب، د.ر. 1387. بررسی شاخصهای پایش خشکسالی از مناظر تحول، ماهیت و عملکرد و پیشنهاد فرآیند انتخاب شاخص متناسب با شرایط مناطق، مجموعه مقالات سومین کنفرانس مدیریت منابع آب، دانشکده عمران تبریز، ایران.
  7. شمس نیا، س.ا. وخدادادی دهکردی، د. 1399. پایش خشکسالی کشاورزی با استفاده از شاخص خشکسالی RDI و مدل زمین آماری کریجینگ (مطالعه موردی: مناطق مرکزی و جنوبی استان فارس). محیط زیست و مهندسی آب. 6(4): 444-458.
  8. صالحی طبس، م.، یعقوب زاده، م.،‌هاشمی، س.ر.، منصوری، ح. و قوام سعیدی نوقابی، س. 1398. برآورد خشکسالی کشاورزی برای دوره آتی به کمک شاخص SMDI و داده‌های گزارش پنجم تغییر اقلیم. نشریه پژوهش آب در کشاورزی. 33(3): 479-492.
  9. صلح جو، ع.ا. و محمدی، د. 1386. مقایسه فنی-اقتصادی زیرشکنی خاک و خاکورزی مرسوم در دوره‌های مختلف آبیاری بر تولید چغندرقند. مجله پژوهش و سازندگی. شماره 77: 182-191.
  10. عابدین پور، م.، دهقان، ه.، مکاری باغخیراتی، م. و معماریان خلیل آباد، ه. 1399. شبیه سازی رطوبت خاک و عملکرد گندم با مدلAquaCrop در شرایط مزرعه ای دشت نیشابور. نشریه پژوهش آب در کشاورزی. 34(1): 16-29.
  11. نوابی، ن.، مقدسی، م. و گنجی خرم دل، ن. 1400. ارزیابی پایش خشکسالی کشاورزی با استفاده از شاخص‌های مختلف براساس داده‌های زمینی و سنجش از دور ، مطالعه موردی حوزه آبخیز دریاچه ارومیه. نشریه مهندسی و مدیریت آبخیز. 13(1): 1-12.
  12. نیازی، ج.، فولادمند، ح.ر.، احمدی، س.ح. و وزیری، ژ. 1384. نیازآبی و ضریب گیاهی گندم در منطقه زرقان استان فارس. مجله علوم و فنون کشاورزی و منابع طبیعی. 9(1):1-7.
  13. Asadi Zarch, M.A., Malekinezhad, H., Mobin, M.H., Taghi Dastorani, M. and Kousari, M.R. 2011. Drought Monitoring by Reconnaissance Drought Index (RDI) in Iran. Water Resour Manag. 25(13):3485-3504.
  14. Chen, X., Li, Y., Yao, N., Liu, D., Javed, T., Liu, C. and Liu, F. 2020. Impacts of Multi-Timescale SPEI and SMDI Variations on Winter Wheat Yields. Agricultural Systems. 185: 102955.
  15. Gonçalves, S.T.N., Vasconcelos Júnior, F.d.C., Silveira, C.d.S., Cid, D.A.C., Martins, E.S.P.R. and Costa, J.M.F.d. 2023. Comparative Analysis of Drought Indices in Hydrological Monitoring in Ceará’s Semi-Arid Basins, Brazil. Water, 15, 1259.
  16. Guttman, N.B. 1999. Accepting the Standardized Precipitation Index: A Calculation Algorithm, Journal of American water Resources Association. 35(2): 311-322.
  17. Haydarzadeh, M. and Salari, A. 2022. Monitoring Meteorological Drought with SPI and RDI Drought Indices and Forecasting Class Transitions Using Markov Chains in Southern Iran. Desert Ecosystem Engineering Journal. 11 (7): 13-26.
  18. Hayes, M. 2004. Drought Indices, National Drought Mitigation Center, Available on website:Http://www.drought.unl.edu/whatis/indices.htm.
  19. Liu, X., Zhu, X. and Pan, Y. 2018. Performance of Different Drought Indices for Agriculture Drought in the North China Plain. J. Arid Land 10, 507–516.
  20. McKee, T. B., Doesken, N.J. and Kleist, J. 1993. The Relationship of Drought Frequency and Duration to Time Scales, Preprints, 8th Conference on Applied Climatology, 17-22 January, Anaheim, CA, pp.179-184.
  21. Narasimhan, B. and Srinivasan, R. 2005. Development and Evaluation of Soil Moisture Deficit Index (SMDI) and evapotranspiration deficit index (ETDI) for agriculture drought monitoring. J. Agriculture and Forest Meteorology, 133: 69-88.
  22. Raes, D., Steduto, P., Hsiao, T.C. and Fereres, E. 2009. AquaCrop—The FAO Crop Model to Simulate Yield Response to Water: II. Main Algorithms and Software Description. Agron. J. 101: 438–447.
  23. Richard, R. and Heim, J. 2002. A Review of Twentieth-Century Drought Indices Used in the United States. American Meteorological Society. 1149-1166.
  24. Shamsnia S.A. and Pirmoradian, N. (2009). Rectification of the Standardized Precipitation Index (SPI) Classification for Drought Evaluation in Fars Province (IRAN). 2nd India Disaster Management Congress. National Institute of Disaster Management, 4-6 November.
  25. P., Hsiao, T.C., Raes, D. and Fereres, E. 2009. AquaCrop-The FAO Crop Model to Simulate Yield Response to Water: I. Concepts and Underlying Principles. Agron. J. 101: 426–437.
  26. Tsakiris, G. and Vangelis, H. 2005. Establishing a Drought Index Incorporating Evapotranspiration. European Water. 9/10: 3-11.
  27. Tsakiris G., Pangalou D. and Vangelis, H. 2007. Regional Drought Assessment Based on the Reconnaissance Drought Index (RDI). Water Resource Management., 21, 821-833
  28. Toumi, J., Raki, S., Ezzahar, J., Khabba, S., Jarlan, A. and Chehbouni, A. 2016. Performance Assessment of AquaCrop Model for Estimating Evapotranspiration, Soil Water Content and Grain Yield of Winter Wheat in Tensift Al Haouz (Morocco): Application to Irrigation Management. Agricultural Water Management. 163: 219-235.
  29. Vangelis H., Tikas D. and Tsakiris G. 2013. The Effect of PET Method on Reconnaissance Drought Index (RDI) Calculation. Mitigation in Europe. Kluwer, The Netherlands. 119–132pp.
  30. Zhang, R., Virgílio A. Junyu Qi, B., Xu, F., Wu, J., Qiu, J., Li, J., Shui, W. and Wang, Q. 2023. The First High Spatial Resolution Multi-Scale Daily SPI and SPEI Raster Dataset for Drought Monitoring and Evaluating Over China from 1979 to 2018, Big Earth Data, 7:3: 860-885.