پیش آگاهی وضعیت خشکسالی هواشناسی در گستره ایران با استفاده از مدل زنجیره مارکف
محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاریمهدی قمقامی 1 , جواد بذرافشان 2
1 - دانش‌آموخته کارشناسی ارشد هواشناسی کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
2 - استادیار هواشناسی کشاورزی، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
کلید واژه: خشکسالی, پیش آگاهی, مدل مارکف,
چکیده مقاله :
مدیریت خشکسالی به منظور بهره برداری بهینه از منابع آب در مناطق خشک و نیمه خشک بسیار ضروری است. یکی از روش های مدیریت خشکسالی، پیش آگاهی آن با استفاده از روش های احتمالاتی است. در این مطالعه، از آمار بارندگی ماهانه مربوط به 33 ایستگاه سینوپتیک ایران طی دوره آماری 2005-1976 برای پایش و پیش بینی وضعیت خشکسالی در کشور استفاده شد، با توجه به وجود دوره های خشک بیش از شش ماه در برخی از ایستگاه های مناطق خشک کشور، پایش خشکسالی بر مبنای شاخص بارندگی استاندارد (SPI) در مقیاس زمانی 6 ماهه انجام شد. برای پیش بینی وضعیت خشکسالی تا سه ماه آینده، از مدل زنجیره مارکف مرتبه نخست استفاده شد. آزمون مدل بر مبنای سری زمانی شاخص بارندگی استاندارد در ایستگاه های تحت بررسی نشان داد که مدل مارکف توانایی شبیه سازی رفتار احتمالاتی خشکسالی را در گستره ایران دارد. نتایج حاصل از پیش بینی های یک، دو، و سه گام به جلو در گستره کشور نشان داد که با فرض هر وضعیتی از نظر بارندگی در کشور در ماه فعلی، بسیار محتمل است که در ماههای آتی، خشکسالی های شدید (9 درصد ایستگاه ها) یا وضعیت نرمال (87 درصد ایستگاهها) در منطقه رخ دهد. همچنین، پایش خشکسالی بر مبنای سری متوسط منطقه ای بارندگی ماهانه در کشور نشان داد که روند تغییرات شدت خشکسالی های شدید در کشور رو به افزایش است.
Drought management is very important for optimal water resources application in arid and semi-arid regions. One strategy to manage drought is to predict drought conditions by probabilistic tools. In this study, total monthly precipitation records related to 33 synoptic stations of Iran during 1976-2005 were used to monitor and predict future drought conditions. Regarding the dry periods greater than six months in the arid regions of the country, the Standardized Precipitation Index (SPI) at 6-month timescale was used for drought monitoring. The first-order Markov chain model was employed to predict drought condition up to 3-step ahead. This model was fitted on the SPI series at all stations of interest, and it was identified that can represent the probabilistic behavior of drought over Iran. The results obtained from drought prediction at 1, 2, and 3-step ahead over Iran showed that the occurrence of the severe drought (9 percent of stations) or normal conditions (87 percent of stations) is most probable in the future months, regardless of drought condition at current month. Also, drought monitoring based on aerial mean of monthly total precipitation time series over country showed that the trend of drought severity has been increasing in recent years.