با همکاری انجمن هیدرولیک ایران

تحلیل پویایی خشکسالی با استفاده از شاخص SPEI و مدل زنجیره مارکوف (مطالعه موردی: ایستگاه هواشناسی همدید مشهد)

نوع مقاله : پژوهشی کاربردی

نویسندگان

1 گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد، مشهد، ایران.

2 گروه آمار، دانشکده علوم ریاضی، دانشگاه فردوسی مشهد، مشهد، ایران.

3 دانش ‎آموخته رشته علوم ومهندسی آب، گرایش هواشناسی کشاورزی، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران.

چکیده
خشکسالی به عنوان یک پدیده طبیعی و خزنده، یکی از مهم‌ترین چالش‌های اقلیمی در مناطق خشک و نیمه‌خشک، از جمله ایران، محسوب می‌شود. با توجه به تغییرات اقلیمی و افزایش شدت‌ خشکسالی‌ها، تحلیل پویایی‌های آن برای مدیریت مؤثر منابع آب امری ضروری است. این پژوهش با هدف بررسی رفتار احتمالاتی و پویایی خشکسالی در دشت مشهد، از مدل زنجیره مارکوف بر روی یک سری زمانی ۱۲۷ ساله از داده‌های بارش و دمای میانگین استفاده کرده است. نوآوری اصلی این مطالعه در به‌کارگیری روش سری‌های زمانی هیدرولوژیک دوازده‌گانه است که با تحلیل داده‌ها بر اساس دوازده سری زمانی با مقیاس سالانه به درک جامع‌تر و دقیق‌تری از ویژگی‌های خشکسالی دست یافت و رویدادهای طولانی‌مدتی را که ممکن بود در تحلیل‌ مرسوم سالانه پنهان بمانند، آشکار ساخت. نتایج تحلیل ماتریس احتمال انتقال نشان داد که وضعیت‌های اقلیمی شدید (خشکسالی و ترسالی شدید) پایداری قابل‌توجهی دارند، در حالی که وضعیت‌های میانی (خشکسالی و ترسالی متوسط) بیشتر گذرا هستند. همچنین، محاسبه توزیع مانای وضعیت‌های اقلیمی، تصویر روشنی از رفتار بلندمدت سیستم اقلیمی ارائه داد. یافته‌ها حاکی از آن است که در درازمدت، احتمال حضور در وضعیت‌های خشکسالی شدید و متوسط، با مجموع ۴۲ درصد، از احتمال حضور در وضعیت‌های ترسالی (۳۸ درصد) بیشتر است. این نتایج بینش‌های ارزشمندی برای برنامه‌ریزی‌های بلندمدت و استراتژیک در مدیریت منابع آب و سازگاری با شرایط اقلیمی آینده در مناطق خشک و نیمه‌خشک فراهم می‌آورد.

کلیدواژه‌ها

موضوعات

بذرافشان، ام‌البنین، محمودزاده، فوزیه، عسگری‌نژاد، امین، و بذرافشان، جواد. (1398). مقایسه تطبیقی شاخص‌های SPI، RDI  و SPEI در تحلیل روند شدت، مدت و فراوانی خشک‌سالی در مناطق خشک و نیمه خشک ایران. علوم مهندسی و آبیاری، 42(3)، 131-117. https://doi.org/10.22055/jise.2017.22113.1585
سلاجقه، علی، نجفی حاجی‌ور، منصور، و فتح‌آبادی، ابوالحسن. (1388). تحلیل خشکسالی با استفاده از شاخص SPI و زنجیره مارکف (مطالعه موردی: استان چهار محال و بختیاری). همایش ملی علوم و مهندسی آبخیزداری ایران (مدیریت پایدار بلایای طبیعی). دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. https://sid.ir/paper/817138/fa
فرزندی، محبوبه، ثنایی‌نژاد، سیدحسین، قهرمان، بیژن، و سرمد، مجید. (1398). ترمیم داده‌های مفقود هواشناسی با روش‌های تکاملی و یادگیری ماشین مطالعه موردی: بارش و دمای ماهانه درازمدت مشهد. آب و خاک (علوم و صنایع کشاورزی)، 33(2)، 377-361. https://doi.org/10.22067/jsw.v33i2.74125
فرزندی، محبوبه، و رضایی‌پژند، حجت. (1400). معرفی روش MICE در ترمیم داده‌های گمشده هواشناسی و مقایسه با رگرسیون؛ مطالعه موردی: 130 سال دمای ماهانه مشهد، جاسک و بوشهر. آب و توسعه پایدار، 8(3)، 42-31. https://doi.org/10.22067/jwsd.v8i3.2104.1038
قربانی، خلیل، ولی‌زاده، اسماعیل، و برارخان‌پور، صدیقه. (1397). بررسی روند تغییرات مکانی-زمانی شاخص دومتغیره خشکسالی هواشناسی SPEI در ایران. مدیریت بیابان، 6(11)، 38-25. https://doi.org/10.30488/ccr.2023.375498.1107
مقیمی، محمدمهدی.، کوهی، امیر، و زارعی، عبدالرسول. (1397). پایش و پیش‌بینی وضعیت خشکسالی در استان فارس با استفاده از شاخص RDI و مدل ریاضی زنجیره مارکف. فصلنامه علمی و پژوهشی مهندسی آبیاری و آب ایران، 8(3)، 165-153.
مصطفی‌زاده، رئوف، و ذبیحی، محسن. (1395). تحلیل و مقایسه شاخص‌های SPI و SPEI در ارزیابی خشک‌سالی هواشناسی با استفاده از نرم‌افزار R (بررسی موردی: استان کردستان). مجله فیزیک زمین و فضا، 42(3)، 633-643. https://doi.org/10.22059/jesphys.2016.57881
Alam, N. M., Sharma, G. C., Moreira, E., Jana, C., Mishra, P. K., Sharma, N. K., & Mandal, D. (2017). Evaluation of drought using SPEI drought class transitions and log-linear models for different agro-ecological regions of India. Physics and Chemistry of the Earth, Parts a/b/c, 100, 31-43. https://doi.org/10.1016/j.pce.2017.02.008
Ansori, A., Sulistiyono, H., & Yasa, I. W. (2024). Study of drought using the theory of run and hydrological drought index and its relationship to reservoir storage at the Batujai Dam and Pengga Dam. RESEARCH REVIEW International Journal of Multidisciplinary, 9(7), 116-127. https://doi.org/10.31305/rrijm.2024.v09.n07.016
Avilés, A., Célleri, R., Solera, A., & Paredes, J. (2016). Probabilistic forecasting of drought events using Markov chain-and Bayesian network-based models: A case study of an Andean regulated river basin. Water, 8(2), 37. https://doi.org/10.3390/w8020037
Azimi, S., Hassannayebi, E., Boroun, M., & Tahmoures, M. (2020). Probabilistic analysis of long-term climate drought using steady-state Markov chain approach. Water Resources Management, 34(15), 4703-4724. https://doi.org/10.1007/s11269-020-02683-5
Grimmett, G., & Stirzaker, D. (2020). Probability and random processes. Oxford university press, NewYork, USA.
Levin, D. A., & Peres, Y. (2017). Markov chains and mixing times (Vol. 107). USA. https://doi.org/10.1090/mbk/107
Mondal, A., Kundu, S., & Mukhopadhyay, A. (2012). Rainfall trend analysis by Mann-Kendall test: A case study of north-eastern part of Cuttack district, Orissa. International Journal of Geology, Earth and Environmental Sciences, 2(1), 70-78. 13USGS.
Norris, J. R. (1998). Markov chains (No. 2). Cambridge university press. https://doi.org/10.1017/CBO9780511810633
Sheffield, J., & Wood, E. F. (2008). Projected changes in drought occurrence under future global warming from multi-model, multi-scenario, IPCC AR4 simulations. Climate dynamics, 31(1), 79-105.
Spinoni, J., Naumann, G., & Vogt, J. V. (2017). Pan-European seasonal trends and recent changes of drought frequency and severity. Global and Planetary Change, 148, 113-130. https://doi.org/10.1016/j.gloplacha.2016.11.013
Trenberth, K. E., Dai, A., Van Der Schrier, G., Jones, P. D., Barichivich, J., Briffa, K. R., & Sheffield, J. (2014). Global warming and changes in drought. Nature Climate Change, 4(1), 17-22.https://doi.org/10.1038/nclimate2067
Vicente-Serrano, S. M., Beguería, S., & López-Moreno, J. I. (2010). A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of climate, 23(7), 1696-1718. https://doi.org/10.1175/2009JCLI2909.1
Vivekanandan, N. (2024). Trend analysis of rainfall data using mann-kendall test and sen's slope estimator. i-Manager's Journal on Civil Engineering, 14(2), 18. https://doi.org/10.26634/jce.14.2.21074
Wald, A., & Wolfowitz, J. (1940). On a test whether two samples are from the same population. The Annals of Mathematical Statistics, 11(2), 147-162.
Wang, L., Zhang, X., Wang, S., Salahou, M. K., & Fang, Y. (2020). Analysis and application of drought characteristics based on theory of runs and copulas in Yunnan, Southwest China International Journal of Environmental Research and Public Health, 17(13), 4654. https://doi.org/10.3390/ijerph17134654
Yan-Jun, L. I., Xiao-dong, Z. H. E. N. G., Fan, L. U., & Jing, M. A. (2012). Analysis of drought evolvement characteristics based on standardized precipitation index in the Huaihe River basin. Procedia Engineering, 28, 434-437. https://doi.org/10.1016/j.proeng.2012.01.746
Zarei, A. R. (2018). Evaluation of drought condition in arid and semi-arid regions, using RDI index. Water Resources Management, 32(5), 1689-1711. https://doi.org/10.1007/s11269-017
ارسال نظر در مورد این مقاله
نام را وارد کنید.
نشانی پست الکترونیکی را به درستی وارد کنید.
وابستگی سازمانی را به درستی وارد کنید.
توضیحات را وارد کنید (حداقل 50 حرف)
CAPTCHA Image
شناسه امنیتی را به درستی وارد کنید.
دوره 12، شماره 4 - شماره پیاپی 38
نوآوری و فناوری در مدیریت آب
زمستان 1404
صفحه 177-189

  • تاریخ دریافت 04 مهر 1404
  • تاریخ بازنگری 07 آبان 1404
  • تاریخ پذیرش 29 آبان 1404