بخشی از مقاله
چکیده
خشکسالی یک پدیده بسیار مهمی است که احتمال وقوع آن در هر نقطه از کره زمین و با هر شرایط اقلیمی وجود دارد. مدیریت موثر خشک سالی وابسته به استفاده از شاخصهای مناسب خشکسالی است. در این مطالعه با استفاده از اطلاعات بارش مربوط به شهرستان کرمان در بازه آماری سال های 2005-1958 و با بهره گیری از شاخص دهکهای بارندگی، وضعیت خشکسالی در سالهای مختلف برای این منطقه مورد بررسی قرار گرفت. سپس با تقسیم بندی بازه آماری به 8 دوره 6 ساله، با استفاده از مدل غیر پارامتریک -k نزدیکترین همسایگی، محتملترین وضعیت خشکسالی بر مبنای دادههای موجود برای هر دوره تخمین زده شد. استفاده از آمارههای ضریب همبستگی - R=0.715 - ، ضریب ریشه میانگین مربعات خطا - RMSE=2.63 - و ضریب کارایی مدل - EF=0.715 - نشان داد که در اکثر موارد این روش قابل قبول و توانمند میباشد. بر اساس این مدل برای اکثر دورهها وضعیت خشکسالی نرمال تخمین زده شد.
مقدمه
خشک سالی پدیده ای طبیعی و تکرار شدنی است که در اثر کاهش میزان بارندگی در یک دوره زمانی مشخص به وجود می آید. این پدیده یک رخداد اقلیمی می باشد چراکه خصوصیات آن به شدت و استمرار پدیده و نیز به وسعت ناحیه تحت تاثیر بستگی دارد که می توان وقوع آن کوتاه و کم زیان باشد و یا طویل المدت و زیان بار و مخرب. این پدیده به کندی شروع می شود و تاثیر آن به تدریج و درکی دوره زمانی نسبتاً طولانی در بخش های مختلف مانند منابع آب ، کشاورزی ، محیط زیست ، اقتصاد و ... ظاهر می شود. از این رو تعیین دقیق زمان شروع و خاتمه این پدیده تا حدودی مشکل است به همین دلیل اغلب خشک سالی را پدیده ای خزنده توصیف می کنند - فدایی و بارانی، . - 1390 پیش بینی و پایش خشک سالی نقش بسیار مهمی در مدیریت سیستم های منابع آب ایفا می کند و تا حد قابل ملاحظه ای منجر به کاهش خسارات ناشی از این پدیده می گردد. به طور کلی برای پیش بینی و پایش پدیده خشک سالی از شاخص های خشک سالی استفاده می شود. هدف کلی شاخص های خشک سالی بیان کمی این پدیده و نیز گنجاندن ترکیب اثرات عوامل مختلف در وقوع خشک سالی در قالب رابطه های کمی و ساده تر می باشد.
معمولا از شاخص های گوناگونی برای پایش خشک سالی ها استفاده می شود و در این زمینه فعالیت های قابل توجهی انجام گرفته است. عیوضی و همکاران - 1388 - با استفاده از شبکه عصبی مصنوعی MLP و با بهره گیری از شاخص بارش استاندارد - SPI - وضعیت خشک سالی در حوضه ابخیز گرگان رود را مورد بررسی قرار داد. شایق و سلطانی - 1390 - با استفاده از 5 شاخص خشک سالی درصدی از نرمال - PNPI - ، دهک های بارندگی - DPI - ، ناهنجاری بارندگی - RAI - ،بالم و مولی - BMDI - و شاخص بارش استاندارد به بررسی وضعیت خشک سالی و مقایسه این شاخص ها در استان یزد پرداخت. اسراری و همکاران - 2011 - با استفاده از شاخص خشک سالی اصلاح شده درصدی از نرمال وضعیت خشک سالی در استان فارس را مورد بررسی قرار داد.
استفاده از روش های غیر پارامتریک می تواند به عنوان یک رویکردی مناسب برای تخمین وضعیت خشک سالی ها مورد توجه فرار گیرد. این تکنیک ها به جای برازش دادن یکسری توابع معین بر داده ها، بر اساس تشخیص الگو و استفاده از اصل تشابهات بنا نهاده شده اند - جلالی و همایی، . - 1389 استفاده از الگوریتم های غیر پارامتریک در مواردی که نحوه ارتباط بین ورودی و خروجی از قبل به طور کامل مشخص نباشد، سودمند و موثر خواهد بود. الگوریتم -k نزدیک ترین همسایگی، یکی از مهم ترین و توسعه یافته ترین رویکردهای غیر پارامتریک می باشد که در بسیاری از پژوهش های نوین جهت تشخیص الگو و کلاسه بندی های آماری به کار گرفته شده است - جلالی و همایی، . - 1389 از مدل نزدیک ترین همسایگی می توان در مسائل گوناگون و عمده هیدرولوژیکی بهره برد. شبیه سازی جریان ها و پخش سیلاب ها در آبراهه ها - سالس ولی، - 2010 پیش بینی های هواشناسی - شریف و برن، - 2007 شبیه سازی بارش - نجفی و همکاران، - 2011 نمونه هایی از کاربرد این مدل در مسائل هیدرولوژی می باشد.
شاخص دهک های بارندگی
این شاخص در سال 1967 توسط Gibbs و Maher ارائه شداین. شاخص اساساً از تقسیم توزیع احتمال وقوع آمار ثبت شده درازمدت بارش بر بخشی از هریک از ده درصد توزیع به دست می آید. تنها فاکتور مؤثر در محاسبه این شاخص بارش می باشد و مقیاس زمانی مورد استفاده دراین شاخص نیز مقیاس ماهیانه می باشد. در این روش، مقادیر دراز مدت بارش ثبت شده را به صورت یک دهم یک دهم تقسیم بندی می کنند که هر یک دهک یا Decile نامیده می شود. دهک اول، اندازه بارشی است که از 10 درصد کوچکترین رویدادهای بارش تجاوز نمی کند. دومین دهک اندازه بارشی است که از 20 درصد کوچکترین ها تجاوز نکند و دهک ها به همین صورت ادامه می یابند. دهک پنجم، میانه می باشد یعنی مقدار بارشی که از 50 درصد داده های بارندگی تجاوز نکند و درحد نرمال می باشد - هایس، . - 2007 در جدول 2 درجات مختلف خشک سالی با توجه به مقادیر مختلف این شاخص آورده شده است:
در حالت کلی از این الگوریتم به دو منظور استفاده میشود: برای تخمین تابع چگالی توزیع دادههای تعلیم و برای طبقه - بندی دادههای تست بر اساس الگوهای تعلیم بر خلاف توابع انتقالی کلاسیک مدل نزدیک ترین همسایگی از هیچ تابع ریاضی از پیش تعریف شده ای برای تخمین متغیرهای مختلف استفاده نمی کند. به طور کلی می توان گفت که مدل نزدیک ترین همسایگی یکی از روش های داده کاوی می باشد که هدف کلی ان طبقه بندی و تخمین ویژگی های یک سری داده های مجهول با توجه به بیشترین شباهت این داده ها با داده های معلوم که در همسایگی - نزدیکی - انها قرار دارند - ژیندانگ و کومار، . - 2009 در این مدل داده های هدف مورد جستجو - test data - با توجه به نزدیک ترین فاصله نسبت به داده های آموزش - بانک داده مرجع - ، - training data - طبقه بندی می شوند.
پس از تعیین فاصله اقلیدسی بین داده ها، نمونه های بانک داده به ترتیب صعودی از کمترین فاصله - حداکثر تشابه - تا بیشترین فاصله - حداقل تشابه - از نونه مورد نظر طبقه بندی و ارزش گذاری می شوند. قدم بعدی در این مدل یافتن تعداد نقاطی - K - از داده های آزمایش برای تخمین ویژگی های بانک داده مورد نظر می باشد. تعیین تعداد همسایه ها - k - ، یکی از کلیدی ترین و مهم ترین مراحل در این مدل به شمار می آید و میزان کارایی این روش به طور قابل ملاحظه ای به کیفیت انتخاب نزدیک ترین - مشابه ترین - نمونه ها از داده های بانک مرجع دارد. اگر k مقداری گوچک فرض شود، نتایج نسبت به تک نقطه های نا متعارف مدل حساس می باشد و در صورتی که k مقداری بزرگ انتخاب گردد امکان قرار گرفتن نقاطی از دیگر کلاس ها در محدوده مورد نظر وجود دارد.
معمولا بهترین مقدار k با استفاده از عملیات Cross-Validation قابل محاسبه می باشد - ژیندانگ و کومار، . - 2009تکنیک n-fold Cross-Validation یک روش آماری می باشد که در واقع کیفیت تخمین های یک مدل را بر اساس تعداد و نوع داده های ورودی مشخص می کند. در این روش داده های مدل به n قسمت مساوی تقسیم می شود. سپس برای nایم قسمت، مدل با توجه به بقیه قسمت های مدل - n-1 - فیت می شود و میزان خطای مدل برای پیش بینی قسمت nام ارزیابی می شود. این روند آنقدر ادامه می یابد که تمامی قسمت ها را شامل شود - هاستی و همکاران، . - 2008
مواد و روشها
در این تحقیق از اطلاعات مربوط به ایستگاه های بارش شهرستان کرمان بین سال های 2005-1958 استفاده شده است. شهرستان کرمان مرکز استان کرمان می باشد که این شهرستان از نظر جغرافیایی در 57 درجه و 7 دقیقه ی درازای خاوری و 30 درجه و 18 دقیقه ی پهنای شمالی و در ارتفاع 1755 متری از سطح دریا قرار دارد. این شهرستان از شمال و خاور به کویر لوت از جنوب به شهرستان های بم و جیرفت و از باختر به شهرستان های راور، زرند، رفسنجان و بردسیر محدود می باشد. در ابتدا با تعیین محدوده هر یک از دهک ها و با توجه به جدول - 1 - وضعیت خشک سالی در هر یک از سال های آماری با توجه به شاخص دهک های بارندگی تعیین می گردد. سپس داده های آماری بارش به 8 گروه 6 سالانه بارش تقسیم می شود و با بهره گیری از مدل -k نزدیک ترین همسایگی محتمل ترین وضعیت خشک سالی برای هر یک از دوره ها تخمین زده می شود.
