پیش‌بینی خشکسالی با استفاده از شاخص SPI بر‌اساس مدل‌های تصادفی سری زمانی (مطالعه موردی: ایستگاه‌های سینوپتیک اردبیل و خلخال)

پیش‌بینی خشکسالی با استفاده از شاخص SPI بر‌اساس مدل‌های تصادفی سری زمانی (مطالعه موردی: ایستگاه‌های سینوپتیک اردبیل و خلخال)

فرزاد آبکار1 یعقوب دین‌پژوه2 صابره دربندی3

1) دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
2) استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
3) استادیار گروه مهندسی آب،دانشکده کشاورزی، دانشگاه تبریز

محل انتشار : سومین کنفرانس مهندسی عمران، معماری و شهرسازی(3cau.ir)
چکیده :
خشکسالی دوره ای طولانی مدت با بارش کمتر از میزان نرمال ایستگاه است که بر زندگی همه موجودات زنده تأثیر منفی دارد. در دهه‌های اخیر تغییر اقلیم ناشی از گرمایش اتمسفر، باعث تغییر در الگوی بارش و تغییر تدریجی در مشخصه‌های خشکسالی شده است. پیش‌بینی خشکسالی با استفاده از شاخص ها جهت برنامه‌ریزی برای مدیریت علمی و بهینه منابع آب در هر منطقه لازم است. در این تحقیق، مدل‌سازی و پیش‌بینی سری‌های زمانی شاخص خشکسالی بارش استاندارد (SPI) برای ایستگاه‌های سینوپتیک اردبیل و خلخال از مدل‌های سری زمانی ARMA و SARIMA استفاده شد. این کار با بکار گیری آمار و اطلاعات هواشناسی ایستگاه‌های مذکور در طول دوره آماری 30 ساله (2020-1991) به انجام رسید. پس از محاسبه شاخص SPI (1، 3، 6 و 12 ماهه)، از 27 سال اول دوره آماری برای پیش‌بینی و 3 سال آخر آن برای صحت‌سنجی مدل‌ها استفاده شد. در ایستگاه‌های مورد مطالعه، برای هر یک از شاخص‌ها، مناسب‌ترین مدل سری زمانی انتخاب گردید. نتایج نشان داد که در ایستگاه اردبیل SPI3 و SPI6 روند فصلی قوی با تناوب 12 ماهه داشتند. همچنین در ایستگاه خلخال نیز سری زمانی SPI1 و SPI3 روند فصلی قوی با تناوب 12 ماهه نشان دادند. در ایستگاه اردبیل مناسب‌ترین پیش‌بینی متعلق برای سری زمانی SPI6 حاصل شد که توسط مدل SARIMA(2,0,2)(1,0,1)12 با آماره‌های ارزیابی معادل RMSE=0.49، NS=0.46 و AIC=410.34 بدست آمد. در ایستگاه خلخال نیز بهترین پیش‌بینی مربوط به سری SPI3 بود که با مدل SARIMA(3,0,3)(1,0,2)12 بدست آمد و آماره‌های ارزیابی آن بشرح RMSE=0.67، NS=0.51 و ACI=570.21 بود. نتایج این مطالعه در مدیریت منابع آب ایستگاههای مورد مطالعه می تواند مفید واقع شود.
کلمات کلیدی : پیش‌بینی خشکسالی شاخص SPI ARIMA SARIMA مناطق نیمه‌خشک.