بخشی از مقاله
چکیده
افزایش بارندگی نسبت به شرایط نرمال باعث بروز پدیده سیل و کاهش آن نسبت به شرایط نرمال منجر به پدی ده خشکسالی می شود. این دو پدیده که از بلایای طبیعی محسوب می شوند پیامدهای اقتصادی-اجتماعی متفاوتی را به دنبال خواهند داشت. هر چند از وقوع خشکسالی نمی توان جلوگیری کرد، اما آگاهی از وضعیت خشکسالی در درازمدت زمینه مناسبی برای برنامه ریزی منابع آب فراهم می آورد. از این رو پیش بینی خشکسالی اهمی ت زیادی در مدیریت منابع طبیعی و منابع آب دارد و به عنوان یکی از راهکارهای مدیریتی است که به برنامه ریزی صحیح برای استفاده از منابع محدود آب کمک خواهد کرد.
در این پژوهش از داده های بارش سالانه ایستگاه سینوپتیک زاهدان در دوره آماری 0136-1393 و روش شاخص خشکسالی SPI در مقیاس زمانی دوازده ماهه استفاده شد و به کمک مدل زنجیره مارکوف مرتبه اول احتمال حالت های "شدیدا خشک، خیلی خشک، خشک متوسط، خشک خفیف - تقریبا نرمال - ، مرطوب خفیف - تقریبا نرمال - ، مرطوب متوسط، خیلی مرطوب و شدیدا مرطوب" در دراز مدت محاسبه شد. نتایج این مدل نشان داد که احتمال تعادل دوره های خشک، مرطوب و نرمال در ایستگاه زاهدان به ترتیب 14/24 ، 14/24، 71/52 درصد است که این بدین معنی است که در بیشتر مواقع منطقه از نظر اقلیمی در شرایط نرمال قرار دارد در حالی که احتمال وقوع شرایط خشک و مرطوب دقیقا با هم برابر می باشد.
مقدمه
خشکسالی یکی از پدیده های زیان بخش محیطی است که در تمام نواحی اقلیمی اعم از مناطق خشک، نیمه خشک و مناطق نیمه مرطوب رخ می دهد. همه مناطق دنیا به طور موقت، اما نامنظم از تکرار شرایط خشکسالی رنج می برند، اما این وضعیت در مناطقی که از نظر اقلیمی به طور نامنظم توسط سامانه های مختلف آب و هوایی تحت تاثیر قرار می گیرند، بیشتر مشاهده می شود.
برای پدیده خشکسالی تعاریف متفاوتی ارائه شده است، به عقیده پالمر خشکسالی عبارت است از کمبود مستمر و غیر طبیعی رطوبت در یک دوره زمانی معین که معمولا یک سال می باشد. زمان آغاز تا پایان خشکسالی به منزله ی دوره تداوم خشکسالی خوانده می شود که یکی از ویژگی های اساسی خشکسالی محسوب می شود برای کاهش اثرات خشکسالی شناخت خصوصیات متعدد خشکسالی مانند زمان شروع، وسعت و شدت خشکسالی ضروری است.
بر اساس هدف های مورد بررسی، خشکسالی به شکل های متفاوتی رخ می دهد که اولین شکل آن خشکسالی هواشناسی بوده که در اثر کمبود بارندگی به وجود می آید و می تواند باعث زیان های اقتصادی قابل ملاحظه ای گردد. پس از رخداد خشکسالی هواشناسی، سایر خشکسالی ها از قبیل هیدرولوژیکی، کشاورزی و اقتصادی ممکن است به وقوع بپیوندد.
تعداد زیادی از شاخص های خشکسالی تا به امروز پیشنهاد شده است از جمله این شاخص های خشکسالی هواشناسی می توان به شاخص پالمر - PDSI1 ، پالمر - [17] با کاربرد زیاد در ایالات متحده، شاخص دهک ها Deciles - ، گیبز و ماهر - [12] به عنوان شاخص کاربردی دراسترالیا، شاخص بارش استاندارد شده SPI2 - ، مک کی و همکاران - [ 15]با محبوبیت جهانی، شاخص خشکسالی موثر - EDI3، بایون و ویلهایت - [9] و شاخص اکتشاف خشکسالی RDI2 - ، تی ساکریس و ونجلیس - [23] اشاره نمود. شاخص خشکسالی در بسیاری از منابع از قبیل اسماختین و هوقوس 20]،[19، وو و همکاران [24] ، آلی [6] و تیت و همکاران [21] بازنگری شده اند که از میان آن ها شاخص SPI به عنوان شاخص مرجع توسط سازمان جهانی هوا شناسی - WMO - مورد قبول قرار گرفته است.
بررسی های آماری به روش های مختلف از جمله تحلیل سری های زمانی، همبستگی خطی و غیرخطی واستفاده از توزیع ها ی آماری شناخته شده نظیر توزیع نرمال ، گمبل، پیرسون و غیره انجام می گیرد. آنچه در این تحقیق مورد استفاده قرار گرفته است، روش آماری زنجیره مارکوف مرتبه اول می باشد. مدل زنجیره مارکوف در علوم مختلفی مانند هوا شناسی، اقلیم شناسی، اقتصاد و صنعت کاربرد دارد. کلارک و کاراس [10] روابط تحلیلی بین بارندگی و رواناب را در یک حوضه آبریز برای یک مدل توزیع احتمال مورد بررسی قرار دادند ، و مدل توزیع احتمال شرطی - زنجیره مارکوف - را برای نشان دادن چگونگی توالی بارش و تعریق، در عرض های مختلف جغرافیایی بکار بردند.
آزام و همکاران [7] در برآورد بازده مراتع با استراتژی های مختلف بهره برداری، از مدل زنجیره مارکوف بهره جستند واثرات بارندگی، تعداد دام و چگونگی چرا را روی محصول مرتعی بررسی کردند.
در ایران عدل[3] نیز از الگوی زنجیره مارکوف مرتبه اول برای تعین احتمالات تامین آب از دریاچه امیر کبیراستفاده کرد. وی نتیجه گرفت که احتمال کمبود آب دریاچه در درازمدت به کمک آمار هر ساله 0,2 است.
جعفری بهی [2] به کمک زنجیره مارکوف احتمالات پیشامدهای متوالی روزهای خشک - غیر بارانی - و تر - بارانی - با آستانه 0,1 میلیمتر در روز برای ماه های نوامبر تا آوریل سال های 1965-1995 را در ایستگاه های بوشهر،شیراز، اصفهان،کرج و بندر انزلی تحلیل نمود و نتیجه گرفت که داده های بارندگی روزانه ایستگاه های مورد مطالعه برازش خوبی بر زنجیره مارکوف مرتبه اول دارد.
علیزاده و آشگر طوسی [ 4] پیش بینی وضعیت آب و هوایی در استان خراسان رضوی را با استفاده از نمایه SPI و زنجیره مارکوف مطالعه کردند. در استان سیستان و بلوچستان می توان به مطالعه رضیئی و همکاران[ 1] با استفاده از زنجیره مارکوف در زمینه رفتار تصادفی نمایه SPI اشاره کرد، لازم به ذکر است که آنها به مقوله پیش بینی نپرداخته اند اما علیزاده و همکاران[5] با استفاده از نمایه SPI و زنجیره مارکوف خشکسالی در استان سیستان و بلوچستان را پایش و پیش بینی نمودند.
در بررسی حاضر از شاخص SPI و زنجیره مارکوف برای بررسی احتمال وقوع ترسالی و خشکسالی در دراز مدت برای ایستگاه واقع در شهر زاهدان استفاده شد. به این منظور از مقادیر بارش 34 سال اخیر در ایستگاه سینو پتیک زاهدان استفاده شد.
.1مواد و روش ها .1-1 موقعیت جغرافیایی شهرستان زاهدان
شهرستان زاهدان در ناحیه ی شمال استان سیستان وبلوچستان در شمال قله ی تفتان بین 59 درجه و50 دقیقه تا 61 درجه و30 دقیقه طول شرقی و28 درجه و35 دقیقه تا 30 درجه و25 دقیقه عرض شمالی واقع گردیده است - شکل . - 1 شهرستان زاهدان با توجه به موقعیت جغرافیایی وقرار گیری در عرض های پایین ودور بودن از محدوده ی اثر جبهه های مدیترانه ای نسبت به سایر نقاط کشور از رطوبت کمتری برخوردار است ودر نتیجه همواره با خطرات وعوارض ناشی از خشکسالی مواجه می باشد؛ به خصوص خشکسالیهای پی در پی چند سال اخیر خشارات فراوانی را به محصولات زراعی وباغی منطقه وارد ساخته است.
شکل :1موقعیت جغرافیایی شهرستان زاهدان
.2-1 شاخص خشکسالی SPI
شاخص SPI یک ابزار قوی در پردازش داده های بارندگی است و هدف آن اختصاص ارزش عددی به بارندگی است که از این طریق بتوان نواحی با آب و هوای متفاوت را بارهم مقایسه کرد. برای مثال، آنچه در نواحی حاره ای، خشکسالی ایجاد می کند، همان مقدار بارندگی می باشد که به عنوان بارش سنگین در نواحی بیابانی مورد توجه قرار می گیرد. در این طبقه بندی، خشکسالی برای یک دوره زمانی وقتی ظاهر می شود که نمایه SPI مقداری کمتر از -1 به خود می گیرد. پایان دوره خشکسالی را در صورتی می توان اعلام کرد که این نمایه مقدار مثبت پیدا کند. براساس روش محاسبه ذکر شده در طبقه بندی نمایه SPI ، وضعیت منطقه مورد مطالعه را از نظر وقوع خشکسالی و روند آن می توان مورد بررسی قرار داد.
از مزیت های SPI این است که محاسبه SPI بر پایه داده های بارندگی استوار بوده و به شرایط رطوبت خاک بستگی ندارد. برای تعیین شاخص SPI از مقادیر بارندگی سالانه هر ایستگاه در طول دوره آماری طولانی مدت - حداقل 30 سال - استفاده شده است .
ویژگی اصلی SPI انعطاف پذیری آن در اندازه گیری خشکسالی در مقیاس های زمانی متفاوت است زیرا خشکسالی از لحاظ دوره دارای دامنه بسیار گسترده ای است . بنابراین تشخیص و پایش آن با انواع مقیاس ها ی زمانی مهم است.
SPI به دو صورت کوتاه مدت 1 - ، 3، 6 و9 ماهه - و بلند مدت 12 - ،24 ،48 و72 ماهه - محاسبه می شود. و در هر مقیاس زمانی، بارندگی آن دوره خاص را با بارندگی همان دوره برای تمام سال هایی که اطلاعات برای آن ثبت شده، فراهم می آورد. SPI کوتاه مدت، شرایط رطوبت خاک را منعکس می کند و برآورد فصلی از بارندگی را مشخص می سازد
در این مدل، تغییرات بیشتری وجود دارد و نشانگر آن است که نمایه SPI کوتاه مدت، حساسیت بیشتری به تغییرات شرایط رطوبت دارد و همان طور که n طولانی تر می شود. بارندگی ماه جدید، اثری کمتری بر کل بارندگی دارد و نمایه به آهستگی پاسخ می دهد. بنابراین با کوچکترین تغییر در بارندگی ماهانه، سریعا به بالای صفر و چناچه منفی باشد، به زیر صفر می رود. SPI طولانی مدت، خشکسالی را بهتر منعکس می کند و مقادیر SPI برای این مقیاس زمانی، با سیل ها، سطح آب درسطح ها و منابع آب زیرزمینی مرتبط است. مقیاس زمانی کوتاه مدت، نوسانات زیادتری نسبت به نوع بلند مدت آن دارد و نسبت به شرایط رطوبت حساس است.
.3-1 روش محاسبه شاخص SPI
برای محاسبه این نمایه، از توزیع گاما برای برازش داده های بلند مدت بارش استفاده می شود که پس از انجام محاسبه های لازم و تعیین پارامترهای مربوط به نمایه SPI انجام می گیرد.
همچنان که بیان شد محاسبه SPI شامل برازش تابع چگالی احتمال گاما بر توزیع فراوانی بارندگی برای یک ایستگاه معین است.
تابع چگالی گاما، از رابطه زیر به دست می آید :
پارامترهای توزیع چگالی
احتمال گاما از داده های نمونه با روش درست نمایی حداکثر برای هرایستگاه و برای مقیاس زمانی انتخابی و برای هرماه از سال برآورد می شود؛مک کی و همکاران با استفاده از روش فوق ضرایب و را بر اساس رابطه زیر برآورد نمودند
در معادله - 2 - مقدار A برای n مشاهده به شکل - 4 - برآورد می شود.
در معادله - 2 - مقدار A برای n مشاهده به شکل - 4 - برآورد می شود.
تعداد مشاهدات بارندگی است؛ به علاوه ، میانگین بارندگی تجمعی برای یک ماه در طول دوره ی آماری می باشد.
چون تابع گاما برای - بارندگی صفر میلی متر - تعریف نشده و توزیع بارندگی ممکن است دارای مقادیر صفر باشد، احتمال تجمعی کل که دربرگیرنده مقادیر صفر نیز می باشد، از رابطه زیر به دست می آید:
پس از محاسبه احتمال تجمعی کل - H - X - - مقدار متغیر تصادفی نرمال استاندارد، هم احتمال با احتمال مذکور که دارای میانگین صفر و انحراف معیار یک است محاسبه می شود. این مقدار، همان شاخص SPI است.
در این روابط، ، c1، c2،d1، d2 و d3 مقادیر ثابت و H - X - احتمال تجمعی است.
طبقه بندی خشکسالی بر اساس شاخص SPI در جدول - 1 - نشان داده شده است.
جدول . 1 طبقه بندی دوره های تر و خشک بر اساس شاخص - SPI
طبیعتا SPI بیانگر نمره Z یا عددی با انحراف معیار بالاتر یا پایین تراز میانگین یک رویداد می باشد; هرچند برای مقیاس های زمانی کوتاه یا زمانی که توزیع بارش اصلی چولگی دارد
