تعیین نواحی آسیب پذیر از کمبود بارش به کمک تحلیل منطقه‌ای دوره های بدون باران ایستگاه‌های سینوپتیک در سراسر ایران
محورهای موضوعی : برگرفته از پایان نامهآرزو علی عسگری 1 , مهدی ذاکری نیا 2 , مجید حیدری زاده 3 , حسین شریفان 4
1 - دانش آموخته کارشناسی ارشد مهندسی منابع آب
2 - دانشیار گروه مهندسی آب دانشگاه علوم کشاورزی گرگان
3 - موسسه تحقیقات حفاظت خاک و آبخیزداری کرج
4 - دانشیار گروه مهندسی آب دانشگاه علوم کشاورزی گرگان
کلید واژه: خشکسالی, تحلیل منطقه ای, روزهای بدون بارندگی,
چکیده مقاله :
روش تحلیل منطقه‌ای به عنوان یکی از مهمترین روشهای برآورد جریان حداقل برای مطالعه خشکسالی در مناطق فاقد آمار کافی به کار می رود. در این تحقیق، تحلیل منطقه‌ای خشکسالی بر اساس روز-های بدون بارندگی با استفاده از داده های 67 ایستگاه سینوپتیک با طول دوره آماری مناسب و پراکنش یکنواخت در سطح کشور ایران انجام شد. پس از مرتب کردن بارندگی روزانه، دوره‌های بدون بارش تعیین و تعداد روزهای بدون بارش در هر ایستگاه مشخص شد. ابتدا مناطق همگن هیدرولوژیک مشخص و سپس مناسب‌ترین تابع توزیع آماری در آن مناطق تعیین شد. به منظور تحلیل فراوانی از برنامه FREQ در محیط MATLAB استفاده شد. حداقل و حداکثر طول دوره آماری بارندگی روزانه به ترتیب با 17 سال داده برای ایستگاه سمنان و 56 سال برای ایستگاه تبریز و چند ایستگاه‌های دیگر می‌باشد. بر اساس نتایج تحلیل منطقه ای، کل کشور ایران به 8 منطقه همگن دسته‌بندی شد. نقشه‌های مکانی حداکثر دوره-های بدون بارش در دوره بازگشت‌های مختلف نشان داد که دوره‌های خشک از شمال به جنوب و از غرب به شرق در کشور طولانی‌تر شده و در کشور سه منطقه مجزا به لحاظ توزیع دوره های خشک قابل تمیز می باشد. در مناطق شمالی دوره‌های بدون بارش کاهش و دوره‌های مرطوب افزایش می یابد که نشان دهنده حساسیت پائین این مناطق به شرایط خشک می باشد. مناطق جنوبی (به‌خصوص استان‌های حاشیه خلیج فارس و دریای عمان) و مناطق مرکزی نیز حساس ترین مناطق به کاهش روزهای بارندگی و افزایش دوره های بدون بارش در دوره بازگشت های مختلف است.
Regional analysis is used as one of the low flow estimation methods for the study of drought in areas without sufficient data. In this study, drought analysis is done based on no rainfall periods data from 67 synoptic stations with an appropriate data time and uniform distribution in the country of Iran. After sorting out the daily precipitation, periods without precipitation is assessed in each station. First the homogeneous regions identified and then the most suitable criteria statistical distribution function was determined in those areas. In order to analyze the frequency the FREQ program in MATLAB saftware was used. The minimum and maximum daily rainfall was 17 years for Semnan station and 56 years for Tabriz station and several other stations respectively. Based on regional analysis, the whole country of Iran classified in 8 Classification homogeneous regions. Spatial maps of maximum periods without rain during dry periods showed that from north to south and from West to East in the country were longer and in general in the country there are three separate locations in the distribution of dry periods. In northern Iran, periods without rain spells reduction and increased wet periods, this indicates that low sensitivity of this area to dry condition. Southern regions (particularly the provinces of the Persian Gulf and Sea of Oman) and central regions as the most sensitive areas in terms of reduction of days of rain and increase in precipitation at different return periods were found.
منابع :
1) بذرافشان، ج، و خلیلی ،ع. ١٣٨١ ، مطالعه تطبیقی برخی شاخص های خشکسالی هواشناسی در چند نمونه اقلیمی ایران ، پایان نامه کارشناسی ارشد آبیاری ، دانشکده کشاورزی ، دانشگاه تهران.
2) کاویانی، م. ر.1380 . "بررسی اقلیمی شاخصهای خشکی و خشکسالی"، فصلنامه تحقیقات جغرافیائی، 89-71.
3) مدرس، ر. 1382. پیش بینی خشکسالی هیدررولوژیک با استفاده از سری زمانی در یکی از سرشاخه‌های زاینده رود. پایان نامه کارشناسی ارشد، دانشگاه صنعتی اصفهان.
4) نصری، م،و مدرس. 1387. بررسی روند روزهای بدون بارش در استان اصفهان. مجله منابع طبیعی ایران . 63 (3): 589-601..
5) وفاخواه ، م،و مهدوی، م. 1378. پیشنهاد یک مدل ریاضی برای پیش بینی خشکسالی هیدرولوژیکی در مناطق خشک مرکزی ایران. دومین کنفرانس منطقه ای تغییر اقلیم. مرکز هواشناسی ایران.
6) ARIDE, 2002. Assessment of regional impact of droughts in Europe. European Community Framework Program for Research and Technical Development, Environment and Climate Work Program. Final Report. Available at http://www.hydrology.uni-freiburg.de/forsch/aride
7) Bobee , B, and Rasmussen, P. 1995. Recent advances in flood frequency analysis. US National Report of IUGG, 1991-1994.
8) Chang T J, Kleopa X A. 1991. A proposed method for drought monitoring. Water Resources Bulletin. 27: 275-281.
9) Chow V T and Kareliotis S J .1970. Analysis of stochastic hydrologic systems. Water Resour. Res. 6(6): 1596-1582.
10) CGruff , R. W. and Rantz S. E. 1965. A comparison of methods used in flood frequency studies for coastal basin Clafornia.USGS Water Supply Series, U.S. Department of the Interior, Geological Survey, pp: 1580-1589.
11) Douguedroit, A. 1987. The variations of dry spells in Marseilles from 1865-1984. J. Clim. 7: 541-551.
12) Dracup, J. A., Lee. K. S., Edwin G., and J. Paulson.1980. On the definition of droughts." Water Resources Research 16: 297-302.
13) Estrla, M. J, Penarrocha, D. and Milan, M. 2000. Multi-annual drought episodes in the Mediterranean (Valencia region) from 1950-1996. A spatio-temporal analysis. Int. J. Clim. 20: 1599-1618.
14) Gholami , A. 2000. Choosing of the best probabilistic distributions for maximum mean and minimum discharges using L momentum method. (Case study: Mazandaran province) M.Sc Thesis, Tarbiat Madarres University, 112 p.
15) Gong, D. Y.and, Wang, J. A. 2005. Trends of summer dry spells in China during the late twentieth century. Meteorol. Atmos Phys 88: 203-214.
16) Gibbs, W. J. and Maher, J . V .1967. Rainfall deciles as drought indicators. Australian Bureau of Meteorology, Bull. 48:37 pp.
17) Greenwood J A, Landwahr J M. Matalas, N. C, and Wallis, J. R. 1979. Probanility weighted moments: Definition and relation toparameters of several distributions expressible in inverse form. Water Resource Res.:1049-1054.
18) Hosking ,J , R , M. 1986. The theory of probability weighted moments. Res. Rep. RC 12210, IBM Research Division, Yorktown Heights, NY.
19) Hosking ,J ,R, M.,and Wallis J. R. 1993. Some statistical useful in regional frequency analysis. Water Res. Res.:271-281.
20) Jones P. 1995. The instrumental record: its accuracy and use in attemots to identify the CO2 signals. In: Von Storch, H., &Navarra, A. (Eds), Analysis of Climate Variability. Applications of Statistical Techniques, pp. 54-75. Berlin: Springer. 334p.
21) Keyantash , J., and Dracup ,J. A. 2002. The quantification of drought: An evaluation of drought indices. American Meteorological Society, 83(8): 1167-1180.
22) Lana, X. and Burgueno, A. 1998 . Daily dry-wet behavior in Catalonia (NE Spain) from the view point of markov chains. Int. J. Clim. 18: 793-815.
23) Lazaro, R., Rodrigo, F. S, Gutierrez, L., Domingo F. , Puigdefabregas. J. 2001. Analysis of a 30-year rainfall record (1967-1997) in semi-arid SE Spain for implications on vegetation. Journal of Arid Environments 48:373-395.
24) Lognathan , G. V, Kuo, C .Y., and Mc Cormic, T. C .1985. Frequency analysis of flow flows. Nordic Hydrology 16:105-128.
25) Mainguet , M. 1999. Aridity, drought and human development Springer, Berlin.
26) Palmer, W.C. 1965. Meteorological drought. U.S.Deparetment of commerce. , Research p no.45
27) Salas, J D.1993.Analysis and modeling of hydrologic time series” In: D. R. Maidment (Ed) Handbook of Hydrology, 19.1-19.72, McGraw Hill, New York.
28) Mckee, T. B , Doesken, N J.,and Kleist J. 1993. Drought monitoring with multiple timescales. Preprints, Eighth Conf. on Applied Climatology, Anaheim, CA, Amer. Meteor. Soc 179-184.
29) Noilis F. 1986. Dry spells in the alpine country Austria. J. Hydrol. 88: 235-251.
30) Rao ,A. R.,and Hamed, K. H. 1997. Regional frequency analysis of Wabash river flood data by L-moments. Journal of Hydrologic Engineering 2 : 169-179.
31) Roohani , H. 2000. Flood frequency analysis in arids and semi-arid hybrid method (Case study: Khorasan province), M.Sc. thesis, University Tehran. 98 p.
32) Serra ,C., Burgueno, A. 2006. Trends in dry spells across Catalonia (NE Spain) during the second half of the 20th century. Theor. Appl. Climatol 85: 165–183.
33) Serrano ,S. M, and Portugues, S. B .2003. Estimating extreme dry-spell risk in the Middle Ebro valley (Northeastern Spain): A comparative analysis of partial duration series with a general pareto distribution and annual maximum series with a Gumbel distribution. Int. J. Clim. 23: 1103-1118.
34) Smith, K.2000. Environmental hazards, assessment risk and reduction disasters, Routledge, London.
35) Stedinger, J, R., Vogel, R. M., and Foufoula – Georgiou, E. 1993. Frequency analysis of extreme events: D. R. Maidment (Ed.), Hand Book of Hydrology, McGraw Hill, New York, NY, pp. 18.1-18.66.
36) Su, D. B., Jiang ,T., and Jin W. B. 2006. Recent trends in observed temperature and precipitation extremes in the Yangtze River basin, China. Theot. Appl. Climatol, 83: 139-151.
37) Thompson, S. A. 1999. Hydrology for water management, A. A. Balkema, Rotterdam.
38) Vogel, R. M.,and Fennessey, N. M. 1993. L-moment diagram should replace product moment diagram. Water Res. Res., 29: 1745-1752.
39) Vogel, R. M., and Kroll, C, N. 1992. Regional geohydrologyic-genorphil relationships for the estimation of low statistic. Water Res. Res., 289: 2451-2458.
40) Wilhite, D. A., and Glantz, M. H. 1985. Understanding the drought phenomenon: the role of definitions. Water International 10: 111-120.
41) Yevjevich, V. M.,and Cunha, L. D. 1975. Coping with droughts, Water Resources Publications, Michigan.
42) Zarrin, H. 2005. Investigation of low flows in Karkhe and Karoun River basins to estimate the discharge M.Sc. Thesis, Tarbiat Modarres University, 108 p.
_||_