پایش خشکسالی هواشناسی در استان هرمزگان مبتنی بر شاخص‌های چندمتغیره آماری و احتمالاتی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشگاه هرمزگان، هرمزگان، ایران

2 دانشیار گروه مهندسی منابع طبیعی، دانشگاه هرمزگان، عضو هسته پژوهشی تجزیه و تحلیل داده در علوم محیطی، هرمزگان، ایران

3 دانشیار گروه مهندسی آبیاری و آبادانی، دانشگاه تهران، پردیس کشاورزی و منابع طبیعی، کرج، ایران

4 استادیار گروه آمار و ریاضی، دانشگاه هرمزگان و عضو هسته پژوهشی تجزیه و تحلیل داده در علوم محیطی، هرمزگان، ایران

10.29252/aridbiom.2021.15258.1821

چکیده

خشکسالی یک پدیده پیچیده چندمتغیره است که بدون شک، بررسی همه آثار آن با استفاده از شاخص‌های تک متغیره مرسوم امکان‌پذیر نیست. در مطالعه حاضر خشکسالی هواشناسی استان هرمزگان در دوره آماری 1365 تا 1395 با استفاده از دو دیدگاه تحلیل آماری چندمتغیره و توابع مفصل مورد تجزیه و تحلیل قرار می‌گیرد. نخست، شاخص چند متغیره بارش استانداردشده با استفاده از تحلیل مؤلفه‌های اصلی و شاخص کمبود توأم با استفاده از تابع مفصل تجربی کندال محاسبه شد. سپس کارآیی دو شاخص در بررسی مشخصه‌های خشکسالی مقایسه شد. نتایج نشان داد که در پایش خشکسالی دوره موردمطالعه، شاخص چند متغیره بارش استانداردشده مقادیر شدت‌های بیشینه را بیشتر از شاخص کمبود توأم برآورد می‌کند. در بررسی خشکسالی تاریخی سال 1380، شاخص چند متغیره بارش استانداردشده نسبت به شاخص کمبود توأم تصویر واقع‌بینانه‌تری از خشکسالی را ارائه می‌کند. همبستگی بین مشخصه‌های خشکسالی (شدت، مدت و بزرگی) در بیشتر موارد در شاخص چند متغیره بارش استانداردشده بیشتر از شاخص کمبود توأم بوده، بدین معنی که ساختار همبستگی را بهتر از توابع مفصل برآورد می‌نماید. برآورد درصد فراوانی طبقات خشکسالی از ملایم تا خیلی شدید نشان داد، شاخص چند متغیره بارش استانداردشده در برآورد کلاس‌های خشکسالی شدید و خیلی شدید کارآیی بهتری داشته و برآورد صحیح‌تری از کلاس‌های خشکسالی دارد. در آخر، شاخص چند متغیره بارش استانداردشده قادراست تصویر صحیحی از خشکسالی را برای ارزیابی تفضیلی خشکسالی چندمتغیره داشته باشد.

کلیدواژه‌ها


[1]. Bazrafshan, O., Zamani, H., & Shekari, M. (2020). A copula‐based index for drought analysis in arid and semi‐arid regions of Iran. Natural Resource Modeling, 33(1), e12237.
[2]. Bazrafshan, J., Hejabi, S., & Rahimi, J. (2014). Drought monitoring using the multivariate standardized precipitation index (MSPI). Water resources management, 28(4), 1045-1060.
[3]. Bazrafshan, O., Mahmudzadeh, F., & Bazrafshan, J. (2017). Evaluation of temporal trends of the drought indices SPI and SPEI in the Southern Coast of Iran. Desert Management, 4(8), 54-69. (in Farsi)
[4]. Bazrafshan, J., Nadi, M., & Ghorbani, K. (2015). Comparison of empirical copula-based joint deficit index (JDI) and multivariate standardized precipitation index (MSPI) for drought monitoring in Iran. Water Resources Management, 29(6), 2027-2044.
[5]. Bonaccorso, B., Bordi, I., Cancelliere, A., Rossi, G., & Sutera, A. (2003). Spatial variability of drought: an analysis of the SPI in Sicily. Water resources management, 17(4), 273-296.
[6]. Dehban, H., & Ebrahimi, K., & Araghinejad, S. (2015). Introduction and assessment of a new drought monitoring index, mrdi – case study: gorganroud basin, iran. Iranian Journal Of Soil and Water Research, 46(1), 19-30. (in Farsi)
[7]. Eghtedar Nezhad, M., Bazrafshan, O., & Sadeghi Lari, A. (2017). Adaptive Evaluation of SPI, RDI and SDI Indices in Analyzing the Meteorological and Hydrological Drought Characteristics (Case Study: Bam Plain). Water and Soil Science, 26(4.2), 69-81. (in Farsi)
[8]. Genest, C., & Rivest, L. P. (1993). Statistical inference procedures for bivariate Archimedean copulas. Journal of the American statistical Association, 88(423), 1034-1043.
[9]. Ghabaei sough, M., & Zare Abyaneh, H., & Mosaedi, a. (2017). development of adi, the aggregate drought index, based on principle component analysis for monitoring agricultural drought in golestan province, iran. iran-water resources research, 13(2 ), 56-73. (in Farsi)
[10]. Ghorbani AghdamM., Dinpazhuh, Y., Fakheri FardA., & DarbandiS. (2012). Regionalization of Urmia Lake Basin from the View of Drought Using Factor Analysis. Journal of Water and Soil, 26(5), 1268-1276. (in Farsi)
[11]. Hao, Z., & AghaKouchak, A. (2013). Multivariate standardized drought index: a parametric multi-index model. Advances in Water Resources, 57, 12-18.
[12]. Hashemi, NA., Bazrafshan, J., & Nazi, G. A. (2015). Joint Deficit Index (JDI) is computed based on combination of the 12 modified standardize percipittion index. journal of soil and water resources conservation, 4(3), 53-64. (in Farsi)
[13]. Kao, S. C., & Govindaraju, R. S. (2010). A copula-based joint deficit index for droughts. Journal of Hydrology, 380(1-2), 121-134.
[14]. Kao, S. C., & Govindaraju, R. S. (2010). Reply to comment by TP Hutchinson on “Trivariate statistical analysis of extreme rainfall events via the Plackett family of copulas”. Water Resources Research, 46(4).
[15]. Kao, S. C., & Govindaraju, R. S. (2008). Trivariate statistical analysis of extreme rainfall events via the Plackett family of copulas. Water Resources Research, 44(2).
[16]. Keyantash, J. A., & Dracup, J. A. (2004). An aggregate drought index: Assessing drought severity based on fluctuations in the hydrologic cycle and surface water storage. Water Resources Research, 40(9).
[17]. Khani Temeliyeh, Z., Rezaei, H., Mirabbasi Najafabadi, R. (2020). Multivariate Analysis of Meteorological Droughts in Iran Using Joint Deficit Index (JDI). Journal of Agricultural Meteorology, 8(1), 26-39. (in Farsi)
[18]. Li, Q., Zeng, M., Wang, H., Li, P., Wang, K., & Yu, M. (2015). Drought assessment using a multivariate drought index in the Huaihe River basin of Eastern China. Proceedings of the International Association of Hydrological Sciences, 369, 61-67.
[19]. Amiri, M., Ebrahimi, M., & Aminirakan, A. (2019). Simulation of climate change effects on potato crop yield using AquaCrop plant growth model. Irrigation and Water Engineering, 9(3), 125-142. (in Farsi)
[20]. McKee, T. B., Doesken, N. J., & Kleist, J. (1993, January). The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology (Vol. 17, No. 22, pp. 179-183).
[21]. Mirabbasi, R., Anagnostou, E. N., Fakheri-Fard, A., Dinpashoh, Y., & Eslamian, S. (2013). Analysis of meteorological drought in northwest Iran using the Joint Deficit Index. Journal of Hydrology492, 35-48.
[22]. Mishra, A. K., & Singh, V. P. (2011). Drought modeling–A review. Journal of Hydrology403(1-2), 157-175.
[23]. Nalbantis, I., & Tsakiris, G. (2009). Assessment of hydrological drought revisited. Water resources management23(5), 881-897..
[24]. Nelsen, R. B. (2006). Archimedean Copulas. An Introduction to Copulas, 109-155.
[25]. Sharma, T. C., & Panu, U. S. (2010). Analytical procedures for weekly hydrological droughts: a case of Canadian rivers. Hydrological Sciences Journal–Journal des Sciences Hydrologiques55(1), 79-92.
[26]. Sklar, A. (1959). Distribution functions of n dimensions and margins. Publications of the Institute of Statistics of the University of Paris8, 229-231.
[27]. Soule, P. T. (1990). Spatial patterns of multiple drought types in the contiguous United States: A seasonal comparison. Climate Research1, 13-21.
[28]. Stagge, J. H., Tallaksen, L. M., Gudmundsson, L., Van Loon, A. F., & Stahl, K. (2015). Candidate distributions for climatological drought indices (SPI and SPEI). International Journal of Climatology35(13), 4027-4040.
[29]. Wilhite, D. A. (1996). A methodology for drought preparedness. Natural Hazards13(3), 229-252.
[30]. Wilhite, D. A., Svoboda, M. D., & Hayes, M. J. (2007). Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness. Water resources management21(5), 763-774. [31]. Wilks, D. S. (2011). Statistical methods in the atmospheric sciences (Vol. 100). Academic press.