مدل‌سازی و تحلیل دو متغیره خشکسالی هواشناسی با استفاده از داده‌های تولیدی با رویکرد تغییر اقلیم (مطالعه موردی: دریاچه ارومیه)

الموضوعات :

فرزاد خضری ¹ , محسن ایراندوست ² , نوید جلال کمالی ³ , نجمه یزدان پناه ⁴

1 - دانشجوی دکتری گروه مهندسی آب، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران.
2 - استادیار گروه مهندسی آب، واحد کرمان، دانشگاه آزاد اسلامی،کرمان، ایران.
3 - استادیار گروه مهندسی آب، واحد کرمان، دانشگاه آزاد اسلامی،کرمان، ایران.
4 - دانشیار گروه مهندسی آب، واحد کرمان، دانشگاه آزاد اسلامی،کرمان، ایران.

تاريخ الإرسال : 14 الخميس , ذو القعدة, 1442 تاريخ التأكيد : 20 السبت , محرم, 1443 تاريخ الإصدار : 18 الأربعاء , جمادى الأولى, 1443

الکلمات المفتاحية: تغییر اقلیم, توابع مفصل, سناریوهای انتشار, خشکسالی, تحلیل چند متغیره,

ملخص المقالة :

زمینه و هدف: تغییر اقلیم یکی از عوامل مهمی است که بخش‌های مختلف زندگی انسان روی کره ی زمین را تحت تأثیر قرار خواهد داد و تأثیرات زیانباری بر منابع زیست‌محیطی، اقتصادی اجتماعی و به‌ویژه منابع آب خواهد داشت. آگاهی از تغییرات اقلیمی در زمینه خشکسالی می‌تواند برنامه‌ای جامع در حوزه‌های مختلف مدیریتی در خصوص پایش خشکسالی‌ها و خطرات احتمالی ناشی از آنها ارائه دهد. پدیده خشکسالی در هر منطقه‌ای حتی مناطق مرطوب ممکن است اتفاق بیافتد. این پدیده به عوامل و پارامترهای مختلفی وابسته بوده و یکی از مهم‌ترین نمادهای این پدیده یعنی وقوع خشکسالی کاهش میزان بارندگی است و در نتیجه تجزیه‌وتحلیل داده‌های بارش برای بررسی خشکسالی از اهمیت ویژه‌ای برخوردار است. هدف از مطالعه حاضر تحلیل دو متغیره خشکسالی با استفاده از دو شاخص SPI و SPImod و توابع مفصل می باشدروش پژوهش: در این تحقیق به‌منظور مدل‌سازی تحلیل چند متغیره خشکسالی در حوضه دریاچه ارومیه با بکارگیری سناریوهای انتشار RCP8.5 و RCP4.5 و نیز با بکارگیری مدل‌های گردش عمومی جو با استفاده از داده‌های تاریخی (2010-1991)، برای سه افق نزدیک (2030-2011)، متوسط (2065-2046) و دور (2099-2080) شبیه‌سازی و تولید داده گردید سپس با استفاده از داده‌های تولیدی، توسط شاخص SPImod و توابع مفصل، تحلیل چند متغیره خشکسالی در محیط نرم‌افزار متلب صورت گرفت. در بیان کلی‌تر، در ابتدا با استفاده از شاخص های مذکور (دو شاخص SPI و SPImod) مشخصات شدت و مدت خشکسالی استخراج، سپس با استفاده از کد نویسی در محیط نرم‌افزار متلب از هشت خانواده توابع مفصل ارشمیدسی استفاده گردیدیافته‌ها: نتایج حاصل از تحلیل چند متغیره نشان داد که تابع مفصل جوئی به‌عنوان تابع مفصل برتر جهت تحلیل چند متغیره خشکسالی (برای تحلیل توأم شدت و مدت خشکسالی برای منطقه مورد مطالعه) می‌باشد. همچنین نتایج حاصل از احتمال و دوره بازگشت توأم نشان داد که در دوره‌های آتی حداقل خشکسالی‌های هم‌سطح خشکسالی‌های تاریخی و حتی شدیدتر رخ خواهد داد. بدین صورت که بامطالعه‌ی دوره بازگشت های توأم و شرطی و کندال، نتایج نشان داد که در یک سطح احتمال بحرانی معین، مقدار دوره بازگشت کندال خیلی بیشتر از دوره بازگشت استاندارد می باشد، بطوریکه این تفاوت با افزایش آن مقدار معین، افزایش می یابدنتایج: در نهایت نتایج حاصل از تحقیق با رویکرد تغییر اقلیم بر روی خشکسالی هواشناسی دریاچه ارومیه نشان داد که در دوره‌های آتی شاهد افزایش دما خواهیم بود که این موضوع بر میزان بارندگی‌های منطقه و منابع آب تأثیر خواهد گذاشت، از طرفی چون‌که داده‌های هواشناسی و هیدرولوژیک جهت محاسبات انواع خشکسالی‌ها بکار می‌روند بنابراین خشکسالی‌ها متأثر از تغییرات اقلیم بوده بگونه‌ای ‌که در دوره‌های آتی 46 تا 48 درصد ماه‌ها در افق‌های مختلف خشک خواهند بود؛ و در آخر، نتایج حاصل از سری زمانی شاخص ها نشان داد که در طی دوره آماری حداقل 40 درصد ماه ها خشک بوده و این شدت خشکسالی ها در ایستگاه ارومیه به‌مراتب بیشتر از سایرین می‌باشد و در زمینه عملکرد شاخص ها به منظور تحلیل خشکسالی نتایج نشان داد که استفاده از شاخص SPI ‌اصلاح شده تا حدود زیادی معایب SPI متداول را برطرف می‌کند و تغییرات فصلی بارش را در محاسبه شاخص SPI لحاظ می‌نماید.

المصادر:

Reference:

Ayantobo, O.O., Li, Y. and Song, S. 2019 Multivariate Drought Frequency Analysis using Four-Variate Symmetric and Asymmetric Archimedean Copula Functions. Water Resour Manage 33, 103–127 2019. https://doi.org/10.1007/s11269-018-2090-6.

Bahri, M. Command, M.T. and Goodarzi, M. 2015. Study of droughts in the decade 2030-2011 due to climate change, Case study: Eskandari watershed, Isfahan province. Watershed engineering and management. 7 (2), 171-157. [in Persian]

Bouabdelli, S., Meddi, M., Zeroual, A., and Alkama, R. 2020. Hydrological drought risk recurrence under climate change in the karst area of Northwestern Algeria. Journal of Water and Climate Change.

Danandeh Mehr, A., Sorman, A. U., Kahya, E., and Hesami Afshar, M. 2020. Climate change impacts on meteorological drought using SPI and SPEI: case study of Ankara, Turkey. Hydrological Sciences Journal, 65(2), 254-268.

Durante, F.and Salvadori, G., 2010. On the construction of multivariate extreme value models via copulas. Environmetrics, 21: 143-161.

Golmohammadi,,M. and Masah Bovani, A. 2011. Investigation of changes in the severity and return period of drought in Qarasu Basin in future periods affected by climate change. Journal of Soil 25 (2), 326-315.

Hesami Afshar.M, Unal Sorman.A and Tugrul Yilmaz. M, 2016. Conditional Copula-Based Spatial–Temporal Drought Characteristics Analysis—A Case Study over Turkey. Water 2016, 8, 426; doi:10.3390/w8100426.

Ildermi, A., Nouri, H. and Karami, M. 2016. Assessment of Drought and Climate Change in the Future Period Using General Atmospheric Circulation Models (Case Study: Gorgan-Qarahsu Watershed - Iran). Journal of Geographical Studies of Arid Areas. 7 (26), 124-111.

Khani Tamaleh, Z. Rezaei, H. and Mir Abbasi Najafabadi, R. 2020. Frequency analysis of three variables of drought characteristics in eastern Iran using nested joint functions. Iranian Water Resources Research, 16 (2), 213-202. [in Persian]

Khani Tamaleh, Z. Rezaei, H. and Mir Abbasi Najafabadi, R. 2020. Application of nested joint functions for frequency analysis of four variables of meteorological droughts (Case study: West of Iran). Journal of Soil Resources Conservation, 10 (1), 112-93. [in Persian]

Kao SC, and Govindaraju RS, 2010. A copula-based joint deficit index for droughts. Journal of Hydrology 380(1-2): 121-134.

Moafi Madani, S., Mousavi Baigi, S., and Ansari, H. 2012. Prediction of drought situation in Khorasan Razavi province during 2030-2011 using statistical exponential microscale of LARS-WG model output. Geography and Environmental Hazards, 1 (3), 21-37.

McKee, T.B., Doesken, N.J., and Kleist, J. 1993. The relationship of drought frequency and duration to time scales, paper presented at Eighth Conference on Applied Climatology. Am. Meteorol. Soc., Anaheim, CA.

Mesbahzadeh, T., and Sardoo, F. S. 2019. Assessment and Prediction of Droughts Using Climate Change Scenarios (The Case Study: Southeastern Iran). Russian Meteorology and Hydrology, 44(8), 548-554.

Mousavi, S-F. 2005. Agricultural drought management in Iran. Proc. Water Conservation, Reuse, and Recycling: Proceedings of an Iranian-American Workshop. National Academies Press, pp.106-13.

Nodeh Farahani, M. Rasekhi, A. Permas, B and Keshvari, A. 2018. Investigation of the effects of climate change on temperature, precipitation and droughts of the future period of Shadegan Basin, Iranian Water Resources Research. 14 (3), 139-125. [in Persian]

Nash, JE.,and Sutcliffe, J. V., 1970. River flow forecasting through conceptual models. A discussion of principles, J Hydrol, 10:282–290.

Nelsen, R. B., 2006, An Introduction to Copulas, Springer, New York. 269 pp.

Salvadori, G., De Michele C.and Durante, F. 2011. On the return period and design in a multivariate framework . Hydrology and Earth System Sciences Discussions, 8:5523-5558. doi:10.5194/hessd-8-5523-2011.

Schwarz, G .1978. Estimating the dimension of a model. The annals of statistics 6(2):461-464.

Semonov, M. A., and Stratonovitch, P. 2010. Use of multi-model ensembles from global climate models for assessment of climate change impacts. Climate Research. 41: 1-14.

Shiau JT, 2006. Fitting drought duration and severity with two-dimensional copulas. Water Resources Management 20,795–815.https://doi.org/10.1007/s11269-005-9008-9.

Shiau JT, Feng S and Nadarajah S, 2007. Assessment of hydrological droughts for the Yellow River, China, using copulas. Hydrological Processes 21(16): 2157–2163.

Sklar, A., 1959. Fonctions de répartition à n dimensions et leurs marges, Publications de l'Institut de Statistique de L'Université de Paris, 8: 229-231.

Wilby R.L., Dawson C.W.,and Barrow, E.M. 2002. SDSM- a decision support tool for the assessment of regional climate change impacts, Environmental Modeling & Software, 17: 147-159

Zhang, Y., You, Q., Chen, C.,and Ge, J., (2016), Impacts of climate change on streamflows under RCP scenarios: A case study in Xin River Basin, China, Atmospheric Research, 178, 521-534.

Zhao, P., Lü, H., Yang, H., Wang, W. and Fu, G., 2019. Impacts of climate change on hydrological droughts at basin scale: A case study of the Weihe River Basin, China. Quaternary international, 513, pp.37-46.