توصيفگر ها :
خشكسالي , شاخص خشكسالي , توابع مفصل , توزيع توأم , بارش , تبخير-تعرق , دوره بازگشت
چكيده فارسي :
در بحث مديريت منابع آب، خشكسالي يكي از پديدههاي اقليمي مهم و چالش برانگيز ميباشد كه بر اثر يك وضعيت كمبود آب طولاني مدت ايجاد ميگردد. پديده خشكسالي به عنوان يكي از بلاياي طبيعي پر هزينه شناخته ميشود كه طبيعت آن بصورت محدود شناخته شده است. در واقع، يكي از مسائل حياتي در مديريت منابع آب وجود يك روش مناسب براي پايش و پيشبيني خشكساليها، يعني مشخص كردن دقيق زمان شروع و تداوم آنها ميباشد. متاسفانه به دليل نبود يك تعريف علمي دقيق براي اين پديده و همچنين پيچيدگي علل وجود خشكساليها كه مانع توصيف دقيق آنها ميشود، توسعه يك روش جامع و كاملا قابل اطمينان براي ارزيابي خشكساليها از طريق تحليلهاي آماري يا فيزيكي، به راحتي قابل دستيابي نيست. در اين تحقيق، به ارزيابي خشكساليهاي استان فارس با استفاده از 6 شاخص خشكسالي، شامل شاخصهاي SPI، SPI اصلاح شده، JDI، SPEI، EDDI و CJDI پرداخته شد. براي محاسبه شاخصهاي خشكسالي، از دادههاي آب و هوايي، از جمله بارش، دما، رطوبت نسبي، سرعت باد، تشعشع و تعداد ساعات آفتابي ماهانه از 9 ايستگاه سينوپتيك واقع در استان فارس، در دوره آماري 2020-1991 استفاده گرديد. از بررسي شاخصهاي خشكسالي مورد استفاده نتيجه گرفته شد كه شاخص SPI اصلاح شده به مقدار زيادي محدوديتهاي شاخص SPI متداول، خصوصا عدم توانايي در نظر گرفتن تغييرپذيري فصلي بارش را رفع مينمايد. تنها محدوديت شاخص SPI اصلاح شده كه ممكن است باعث سردرگمي محققان و كاهش دقت ارزيابي خشكساليها شود، وجود مقياسهاي زماني متعدد ميباشد. شاخص JDI نيز به علت در نظرگرفتن توزيع توأم مقياسهاي زماني 1 تا 12 ماهه شاخص SPI اصلاح شده با استفاده از توابع مفصل ميتواند براي تحليل و ارزيابي دقيقتر خشكسالي توسط محققان به كارگرفته شود. شاخصهاي خشكسالي SPEI، EDDI و CJDI از جمله شاخصهايي ميباشند كه از قابليت پايش خشكسالي بر اساس ساير پارامترهاي آب و هوايي علاوه بر بارش برخوردار ميباشند. از آنجايي كه بخشهايي از استان فارس داراي اقليم خشك و نيمه خشك ميباشد، يكي از مهمترين پارمترهاي جوي كه باعث ايجاد پديده خشكسالي در اين مناطق ميشود دماي هوا ميباشد. شاخصهاي SPEI و CJDI براي ارزيابي خشكسالي بطور همزمان از پارامترهاي بارش و تبخير-تعرق پتانسيل استفاده ميكنند، بنابراين اين شاخصها ترساليهاي مشخص شده توسط شاخص SPI كه در سطح آماري 5 درصد معنيدار نميباشند را نشان نميدهند و تا حدود زيادي شرايط رطوبتي منطقه در هر ماه سال را مطابق با ميانگين بلند مدت بارش و دماي منطقه مشخص مينمايند. شاخص خشكسالي EDDI نيز شاخصي تك متغيره ميباشد كه از از تبخير-تعرق پتانسيل براي ارزيابي خشكساليها بهره ميگيرد، با اين تفاوت كه اين شاخص براي محاسبه تبخير-تعرق پتانسيل از يك روش فيزيكي همچون پنمن-مانتيث استفاده ميكند تا پارامترهاي رطوبت نسبي، سرعت باد، تشعشع و علاوه بر دما در محاسبه تبخير-تعرق نقش داشته باشند. به همين دليل نتايج حاصل از شاخص EDDI بسيار دقيقتر از شاخص SPI ميباشد. علاوه بر اين، يكي از مهمترين نتايج حاصل از اين مطالعه اين ميباشد كه شاخصهاي JDI و CJDI علاوه بر اينكه توانايي توصيف علمي وضعيت خشكسالي را داشته، ميتوانند زمان آغاز خشكساليها و تداوم آنها را بصورت دقيقتر تعيين نمايند. در مرحله بعد دو مشخصه خشكسالي شامل شدت و مدت خشكسالي بر اساس شاخص CJDI تعريف گرديدند. از آنجايي كه اين مشخصهها از همبستگي بالايي برخوردار بودند، در اين مطالعه به منظور توصيف جامعتر از خشكساليهاي منطقه، تحليل چندمتغيره مورد استفاده قرار گرفت. در اين تحقيق براي ايجاد توزيع توأم شدت و مدت خشكسالي هفت خانواده از مفصلهاي دو بعدي مورد آزمون قرار گرفتند تا مناسبترين مفصل يعني مفصل گالامبوس بر اساس تحليل خطا و ضريب وابستگي دمي براي 9 ايستگاه مورد مطالعه انتخاب گردد. بعد از ايجاد توزيع توأم مبتني بر مفصل گالامبوس، بعضي از خصوصيات احتمالاتي مربوط به خشكسالي مانند، احتمالات توأم وشرطي و همچنين دورههاي يازگشت توأم، شرطي و كندال محاسبه شدند. در آخر از مقايسه دوره بازگشت كندال با دوره بازگشت استاندارد، نتيجه گرفته شد كه در يك سطح احتمال بحراني معين (t)، مقدار دوره بازگشت كندال از مقدار دوره بازگشت استاندارد بيشتر ميباشد و اين تفاوت با افزايش مقدار t، افزايش مييابد.
چكيده انگليسي :
Basically, drought is one of the most important and challenging climatic phenomena caused by a long-term water shortage. This phenomenon is known as one of the costly natural disasters whose nature is limited. In fact, a critical issue in water resources management is developing a suitable method for monitoring and predicting droughts; which is, determining the exact time of their onset and duration. Unfortunately, due to the lack of a precise scientific definition for droughts and the complexity of the causes of them, the development of a comprehensive and completely reliable method for evaluating droughts through statistical or physical analysis is not easily achievable. In this research, droughts in Fars province were evaluated using 6 different drought indices, including SPI, modified SPI, JDI, SPEI, EDDI and CJDI. To calculate drought indices, weather data, including monthly precipitation, temperature, relative humidity, wind speed, radiation, and the number of sunny hours from 9 synoptic stations located in Fars province, in the statistical period of 1991-2020, were used. After analysing these drought indices, it was concluded that the modified SPI index fixes the defects of the SPI index to a large extent, especially its limitation in considering the seasonal variability of rainfall. JDI index can also be used by researchers for more accurate analysis and assesment of droughts, due to considering the joint distribution of 1 to 12 month time scales in an individual timescale. SPEI, EDDI and CJDI drought indices are among the indices that have the ability to monitor droughts based on various weather parameters besides precipitation. Since the climate of Fars province is dry and semi-arid, the air temperature is one of the most important atmospheric parameters that causes drought in these regions. SPEI and CJDI indices simultaneously use precipitation and potential evapotranspiration to evaluate droughts. As a consequence, these indices do not highlight the droughts specified by the SPI index which are not significant at the 5% statistical level. Also, these indicators indicate the drought conditions of the region in each month, according to the long-term average of rainfall and temperature of the region. The EDDI drought index is also a single-variable index that uses potential evapotranspiration to evaluate droughts. It is notable that this drought index uses a physical method like Penman-Monteith (FAO 56 or ASCE) to calculate potential evapotranspiration; consequently, relative humidity, wind speed and radiation, have a key role in the calculation of evaporation-transpiration, as well as, temperature. That is why the results of the EDDI index are much more accurate than the SPI index. Also, one of the most important results of this study is that the JDI and CJDI indices can accurately determine the onset time of droughts and their continuity, in addition to having the ability to scientifically describe the drought situation. In the next step, two characteristics of drought including intensity and duration of drought were defined based on CJDI index. In this research, seven families of two-dimensional copula functions were compared to create the joint distribution of drought severity and duration. As a result, the Galambos copula function was selected as the best copula function based on error analysis and tail dependence coefficient for 9 stations in the region. After creating the joint distribution based on the Galambos copula function, some probabilistic characteristics related to drought such as joint and conditional probabilities as well as joint, conditional and Kendall return periods were calculated.