بررسی کارایی مدل پیش‌بینی ارزیابی شاخص دو متغیره خشکسالی MSDI مبتنی بر بارش و دبی (در ایستگاه‌های ارازکوسه و گالیکش استان گلستان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

2 دانشجوی دکتری منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ایران

چکیده

تعریف شاخص جامعی که تفسیر کامل‌تری از خشکسالی هواشناسی و هیدرولوژیکی داشته باشد ضروری است بر این اساس در پژوهش حاضر شاخص چند متغیره‌ خشکسالی (MSDI) بر مبنای بارش و دبی تعریف شده است تا توانایی آن در تشخیص خشکسالی هواشناسی و هیدرولوژیکی سنجیده شود. برای این منظور دو شاخص SPI‌ و SSI در دومنطقه گالیکش و ارازکوسه در استان گلستان که از آمار بارش و دبی بلند مدت 50 ساله برخوردار بودند در مقیاس فصلی محاسبه شدند شاخص MSDIبر اساس تعریف توزیع مشترک از متغیرهای دبی و بارش با استفاده از توابع مفصل نیز محاسبه شد. به‌منظور بررسی تطابق  این شاخص با SPI و SSI، میزان همبستگی و سپس، روند و جهش آنها با استفاده از آزمون‌های من-کندال و پتیت، بررسی شدند. نتایج نشان داد همبستگی کاملی بین شاخص SPI‌ و SSI‌ وجود ندارد و در فصل‌های مختلف و ایستگاه‌های مختلف میزان همبستگی متغیر است ولی شاخص تعریف شده MSDI از همبستگی بالایی با هر دو شاخص SSI و SPI برخوردار بود. و حتی در بدترین حالت که SPI و SSI‌ هیچ همبستگی معنی‌داری نداشتند این شاخص در بدترین شرایط 62 درصد همبستگی را با  SPIدر گالیکش ایجاد کرد. نتایج روند و جهش از تطابق خوبی در دو ایستگاه برخوردار بودند. در ایستگاه ارازکوسه SPI ‌فاقد روند، SSI‌ فقط در بهار و MSDI در بهار و تابستان دارای روند می‌باشند. در ایستگاه گالیکشMSDI  در هیچ فصل، SPI در پاییز و SSI‌ در بهار دارای روند می‌باشند. شاخص MSDI در مواردی که دو شاخص SPI‌ و SSI ‌شرایط خشکی یکسانی را نشان می‌دادند با آنها مطابقت داشت در غیر اینصورت در بیشتر موارد با شاخصی که شرایط خشک‌تری را داشت هماهنگ بود. در ضمن این شاخص تمایل زیادی به خشک‌تر نشان دادن فصل‌ها داشت بطوری که در برخی از موارد از دو شاخص دیگر شرایط خشک‌تری را نشان می‌داد. در نهایت می‌توان نتیجه گرفت شاخص MSDI می‌تواند شاخص مناسبی برای تحلیل همزمان خشکسالی هواشناسی و هیدرولوژیکی در نظر گرفته شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluation of MSDI bivariate drought index based on precipitation and runoff (Arazkouse and Galikesh stations of Golestan province)

نویسندگان [English]

  • Khalil Ghorbani 1
  • Meysam Salarijazi 1
  • Laleh Rezaei Ghaleh 2
1 Associate Professor, Department of Water Engineering, Faculty of Water and Soil Engineering, Gorgan University of Agricultural Sciences and Natural Resource, Gorgan, Iran
2 3Ph.D. Candidate of Water Resources, Department of Water Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran.
چکیده [English]

A comprehensive index definition that provides a more complete interpretation of meteorological and hydrological drought is essential. Based on the multivariate drought index (MSDI) was defined in this study based on rainfall and runoff to diagnose meteorological and hydrological droughts. In this regard, two indices, SPI and SSI, were calculated seasonally in the Galikesh and Arazkouse regions in Golestan province. 50-year rainfall and runoff statistics were used for the calculations. The MSDI index was also calculated using joint functions based on flow and precipitation variables. To test the compatibility of the MSDI index with SPI and SSI, the degree of correlation, trend, and change points were checked using Mann-Kendall and Pettit tests. The results showed that while there was no perfect correlation between the SPI and SSI indices, the MSDI index had a high correlation with both of them. The degree of correlation varied in different seasons and stations. Even in the worst case where SPI and SSI had no significant correlation, the MSDI index created a 62% correlation with SPI in Galikesh. The trend and mutation results were in good agreement in the two stations. At Arazkouse station, SPI had no trend, SSI only in spring, and MSDI had a trend in spring and summer. At Galikesh station, MSDI didn’t have a trend in any season, SPI had a trend in autumn, and SSI in spring. The MSDI index was similar to SPI and SSI indices in cases where they showed the same dry conditions. Otherwise, it was consistent with the index that showed a drier condition. Additionally, the MSDI index had a tendency to show drier seasons. In conclusion, the MSDI index can be considered a suitable index for the simultaneous analysis of meteorology and hydrology drought.

کلیدواژه‌ها [English]

  • Meteorological drought
  • Hydrological drought
  • Multivariate drought
  • SPI
  • SSI
  • MSDI

مراجع

  1. اژدری، زهرا، بذرافشان، ام البنین، بذرافشان، جواد، شکاری، مرضیه و زمانی، حسین. 1399. پایش خشکسالی هواشناسی در استان هرمزگان مبتنی بر شاخص‌های چندمتغیره آماری و احتمالاتی. نشریه علمی پژوهشی خشک‌بوم. 10 (2): 1-17.
  2. بابایی حمید، هورفر عبدالحسین و عراقی نژاد شهاب. 1391. ارائه مدلی نوین و یکپارچه به منظور ارزیابی ریسک خشکسالی منطقه‌ای. مجله تحقیقات آب و خاک ایران. 43(2): 123-128.
  3. بذرافشان، جواد. 1381. مطالعه تطبیقی برخی شاخص‌های خشکسالی هواشناسی در چند نمونۀ اقلیمی ایران. پایان‌نامۀ کارشناسی‌ارشد هواشناسی کشاورزی، دانشگاه تهران-کرج.
  4. پورالخاص نوکنده‌ محمد، امان جهانی، ویدا، حزباوی زینب، مصطفی‌زاده رئوف. 1402. شاخص‌های برآورد و ارزیابی ویژگی‌های خشکسالی هواشناسی و هیدرولوژیک. مطالعات علوم محیط زیست. 8(4)7499-7516.
  5. پوریا محیط اصفهانی، سعید سلطانی، رضا مدرس، پورمنافی، سعید. 1399. ارزیابی شاخص خشکسالی چندمتغیره MSDI و پایش خشکسالی هواشناسی- کشاورزی در استان چهارمحال و بختیاری، نشریه علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی). 24(3): 33-47.
  6. تیموری فاطمه، قربانی خلیل، بذرافشان جواد و شریفان حسین. 1394. مطالعه تطبیقی نمایه‌های هواشناسی با نمایه‌های هیدرولوژیکی برای پایش خشک‌سالی به روش داده کاوی (مطالعه موردی: ایستگاه ارازکوسه، استان گلستان). تحقیقات آب و خاک ایران. 46(3): 413-405.
  7. خلیلی علی. 1370. گزارش‌های حوضه‌ای هواشناسی طرح جامع آب کشور. وزارت نیرو، جاماب، ایران.
  8. رضائی‌قلعه لاله. قربانی خلیل. 1397. تحلیل تطبیقی رفتار شاخص‌های خشکسالی هواشناسی SPI و SPEI در ایستگاه‌های منتخب استان گلستان. هواشناسی کشاورزی. 6 (1). 40-31.
  9. زارع ابیانه حمید، یزدانی وحید و اژدری خلیل. 1388. مطالعه تطبیقی چهار نمایه خشکسالی هواشناسی بر پایه عملکرد نسبی محصول گندم دیم در استان همدان. پژوهش‌های جغرافیای طبیعی. 41(69):49-35.
  10. شاهرخ‌وندی سیدمنصور، لشنی‌زند مهران و خاک‌پور معصومه. 1388. بررسی خشکسالی هیدرولوژیک وارتباط آن بابارش درحوضه رود خانه خرم آباد. آمایش محیط. 6(2): 155-140.
  11. شیوخی سوغانی و نادی. 1399. بررسی کارایی و اصلاح نمایه SPI در پایش خشکسالی مناطق خشک و نیمه خشک ایران. نشریه حفاظت منابع آب و خاک. 10(2):17-30.
  12. عبدالهی، سنا، بذرافشان، ام البنین و شکاری، مرضیه. 1401. تحلیل روند مشخصه‌های خشکسالی در ایران با استفاده از شاخص‌های تک و چندمتغیره. نشریه علمی پژوهشی مهندسی آبیاری و آب ایران. 12(4): 334-353.
  13. قربانی، خلیل، ولیزاده، اسماعیل و برارخان‌پور، صدیقه. 1397. بررسی روند تغییرات مکانی-زمانی شاخص دومتغیره خشکسالی هواشناسی SPEI در ایران. مدیریت بیابان. 6 (11): 25-38.
  14. مظفری غلام‌علی. 1385. عدم تطابق خشکسالی هواشناسی و خشکسالی هیدرولوژیکی در دو حوزه آبریز همجوار در دامنه شمالی شیرکوه یزد. 1385. برنامه‌ریزی و آمایش فضا. 10(1): 190-173.
  15. مفیدی‌پور نازنین. 1391. بررسی رابطه خشکسالی هواشناسی و هیدرولوژیکی در حوزه آبخیز اترک. پژوهشنامه مدیریت حوزه آبخیز. 5(3): 26-16.
  16. میریعقوب‌زاده میرحسن، خسروی سیدامین و ذبیحی مصطفی. 1398. مروری بر شاخص‌های خشکسالی و بررسی عملکرد آن‏‌ها. آب و توسعه پایدار. 6(1):103-112.
  17. AghaKouchak A., Bárdossy A., & Habib E. 2010. Copula-based uncertainty modelling: application to multisensor precipitation estimates. Hydrol. Process, 24(15):2111–24.
  18. Aghakouchak, A., Ciach G., & Habib, E. 2010. Estimation of tail dependence coefficient in rainfall accumulation fields. Adv. Water Res. 33(9):1142–9.
  19. AghaKouchak A, Easterling D., Hsu K., Schubert S., & Sorooshian, S. 2012. Extremes in a changing climate. Netherlands, Dordrecht. Springer.
  20. Bardossy A. 2006. Copula-based geostatistical models for groundwater quality parameters. Water Resour Res. 42(11): W11416.
  21. Byun, H.R. & Wilhite D.A. 1999. Objective quantification of drought severity and duration. In: Journal of Climate. 12:2747-2756.
  22. Favre, A.C., E.L., Adlouni, S., Perreault, L., Thiémonge N., & Bobée, B. 2004. Multivariate hydrological frequency analysis using copulas. Water Resour Res. 40(1):W01101.
  23. Genest, C., & Favre, AC. 2007. Everything you always wanted to know about copula modeling but were afraid to ask. J. Hydrol. Eng. 12(4):347–68.
  24. Gibbs, W.J. and Maher, J.V. 1967. Rainfall deciles as drought indicators. Bureau of Meteorology. Bulletin, 48p.
  25. Hao, Z. and AghaKouchak, A. 2013. Multivariate standardized drought index: a parametric multi-index model. Advances in Water Resources, 57: 12-18.
  26. Hao, Z. & AghaKouchak, A. 2014. A Nonparametric Multivariate Multi-Index Drought Monitoring Framework. Journal of Hydrometerology, 15: 89-101. 
  27. Kao, S.C., & Govindaraju, R.S. 2010. A copula-based joint deficit index for droughts. J Hydrol. 380(1–2):121–34.
  28. Kendall, M.G. 1975. Rank Correlation Methods, Charles Griffin, London. 272.
  29. Mann, H. B. 1945. Nonparametric tests against trend. Econometrica. 13: 245-259.
  30. McKee, T.B.N., Doesken, J. & Kleist, J. 1993. The relationship of drought frequency and duration to time scales. Eight Conf. On Applied Climatology. Anaheim, CA, Amer. Meteor. Soc. 179-184.
  31. Mishra, Ashok K., & Vijay Singh, P. 2010. A review of drought concepts. Journal of Hydrology 391(1): 202-216.
  32. Mo KC. 2008. Model-based drought indices over the United States. Journal of Hydrometeorol. 9(6):1212–30.
  33. Nadi, M., & Shiukhy Soqanloo, S. 2023. Modification of standardized precipitation index in different climates of Iran. Meteorological Applications, 30(5), e2155.
  34. Nelsen R.B. 2006. An introduction to copulas. New York, Springer.
  35. Salvadori, G., De Michele, C., Kottegoda, N., & Rosso, R. 2007. Extremes in nature: an approach using copulas. New York: Springer.
  36. Salvadori, G., & De Michele, C. 2010. Multivariate multipara meter extreme value models and return periods: a copula approach. Water Res. Res. 46:W10501.
  37. Shiau, J. 2006. Fitting drought duration and severity with two-dimensional copulas. Water Resource Manage. 20 (5):795–815.
  38. Shukla, S., Steinemann, A.C., & Lettenmaier, DP. 2011. Drought monitoring for Washington State: indicators and applications. J. Hydrometeorol. 12(1):66–83.
  39. Sklar A. Fonctions de répartition à n dimensions et leurs marges. 1959. Publ Inst Statist Univ Paris.8:229–31.
  40. Trivedi, P.K., & Zimmer, D.M. 2005. Copula modeling: an introduction for practitioners. Found Trends Economet. 1(1): 1–111.
  41. Vicente-Serrano, Sergio, Beguería, Santiago & López-Moreno, J.I. 2010. A Multiscalar Drought Index Sensitive to Global Warming: The Standardized Precipitation Evapotranspiration Index. Journal of Climate. 23: 1696-1718.
  42. Zhang, X., Vincent, L. A., Hogg, W.D. and Niitsoo, A. 2000. Temperature and rainfall trends in Canada during the 20th century. Atmospheric Ocean. 38:395-429.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار