بخشی از مقاله

مقدمه

خشکسالی از پرخسارتترین پدیده هاي محیطی اسـت کـه در تمـام نـواحی اقلیمـی اعـم از منـاطق خشـک، نیمهخشک و مناطق نیمهمرطـوب رخ مـیدهـد؛ درحـالیکـه خشـکی پدیـدهاي دائمـی اسـت کـه از کـاهش غیرمنتظره رطوبت (چه به شکل بارش، رطوبت یا جریـان رودخانـهاي) بـهوجـود مـیآیـد (تامپسـون1، :1999 .(362 خشکسالی کمبود رطوبت مبتنیبر کاهش میزان بارش است (خوشاخلاق، .(120 : 1377 همـه منـاطق دنیا بهطور موقت، اما نامنظم از تکرار شرایط خشکسالی رنج میبرند، اما این وضـعیت در منـاطقی کـه از نظـر اقلیمی به طور نامنظم توسط سامانههاي مختلف آبوهوایی تحتتأثیر قرار میگیرند، بیشتر مشـاهده مـیشـود (رضیئی و همکاران، .(310- 292 :1382 خشکی و خشکسالی از ویژگیهاي اجتنابناپذیر و زیانبار آبوهـوایی کشور ایران محسوب میشود (شاه محمدي و دیگران،.(63 :1380 زمان آغاز تا پایان خشکسالی بهمنزلهي دوره تداوم خشکسالی خوانده میشود که از ویژگیهاي اساسی خشکسالی محسوب مـیشـود. بـراي کـاهش اثـرات خشکسالی شناخت خصوصیات متعدد خشکسالی مانند زمان شروع، وسعت و شدت خشکسالی ضـروري اسـت (دالسیوس2 و همکاران، .(75-88 :1991

شاخص 3SPI بهعلت سادگی محاسبات، استفاده از داده هاي قابلدسترس بارش، قابلیت محاسبه براي هر مقیاس زمانی و قابلیت بسیار زیاد در کمی کردن نتایج، میتواند به منزلهي یکـی از مناسـبتـرین شـاخصهـا براي تحلیل خشکسالی بهویژه تحلیل مکانی شناخته شود (هایز و همکاران4، .(429- 437 :1999 ویژگـیهـاي SPI، این امکان را میدهد تا وضیعت منابع آب را براي دهههـا و تـداومهـاي کوتـاهمـدت کـه در کشـاورزي و مطالعه رطوبت قابلدسترسی گیاه مناسب است و نیز مقیاس هاي زمانی بلندمدت که در مطالعـه جریـانهـاي رودخانه اي و مخازن آب زیرزمینی داراي اهمیت است موردمطالعه قرار داد (لوید هوگس5 و ساندرس6، :2002 .(1571-1592 مککی و همکاران(1993) 7، براي تعریف و پایش خشکسالیها، شاخص بارش استاندارد شـده (SPI) را معرفی و بـراي اولـین بـار آن را در ایالـت کلـرادو اسـتفاده کردند.خورشیددوسـت و قویـدلرحیمـی (1384)، فصول خشک و مرطوب بهاره استان آذربایجانشرقی را با استفاده از مدل SPI در مقطـع زمـانی سـه ماهه (فصلی) و سري زمانی مورد واکاوي قرار دادند. بررسیهاي آمـاري بـه روشهـاي مختلـف ماننـد تحلیـل سري هاي زمانی، همبستگی خطی، غیرخطی، مدلهاي ARIMA و استفاده از توزیعهاي آماري شناخته شـده مانند توزیع نرمال، گمبل و پیرسون انجام میشود. واکاوي سريهايزمانی معمولاً دو هدف را دنبال مـیکنـد،

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

1.Tompson 2. Dalezios 3. Standardized Precipitation Index 4. Hayes et al 5. Loyd – Haghes 6. Saunders 7. Mckee et al

تحلیل خشکسالیهاي استان تهران با استفاده از شاخص SPI و پیشبینی... 89

درك و مدل کردن سازوکار تصادفی که منجر به مشاهده سري میشود، پیشبینـی مقـادیر آینـده سـري کـه برمبناي گذشته آن صورت میگیرد (جاناتان1، .(91 :1378 در میان روشهاي آماري، زنجیره مارکف در علـوم جوي در سال هاي اخیر موردتوجه زیادي قرار گرفته است. زنجیره مارکف بـا روشهـاي سـاده ریاضـی (ماننـد ضرب ماتریسها) حل احتمالات مربوطبه فرآیندهاي وابسته را بسیار آسان کرده است. مدل زنجیره مـارکف در علوم مختلفی مانند هواشناسی، اقلیمشناسی، اقتصاد و صنعت کاربرد وسـیعی دارد. آزام و همکـاران(1990) 2، در برآورد بازده مراتع با استراتژي هاي مختلف بهـرهبـرداري، از مـدل زنجیـره مـارکف بهـره جسـتند و اثـرات بارندگی، تعداد دام و چگونگی چرا را روي محصـول مرتعـی بررسـی کردنـد. جـین و گـراوال(1992) 3، بـراي پیشبینی محصول نیشکر از مدل زنجیره مارکف استفاده کردند. همچنـین الفکـی و افرینـک(1996) 4، بـراي پیشبینی عمق آبهاي زیرزمینی در ماههاي مختلف سال از مدل زنجیـر مـارکف اسـتفاده کردنـد. اسـتفاده از مدلهاي سري زمانی براي تحلیل و پیشبینی، یکی از روشهـاي مناسـب بـهحسـاب مـیآیـد. خـوشاخـلاق (1377)، با بررسی هاي الگوهاي ماهانـه خشکسـالی و ترسـالی در ایـران بـه روش سـینوپتیکی بـا اسـتفاده از شاخص استاندارد z، به شناسایی دورههاي خشک و تر پرداخته است. پیشبینی خشکسالیهـا و ترسـالیهـاي استان مازندران با استفاده از مدل باکس- جنکینز، کاري اسـت کـه علیجـانی و رمضـانی (1381) انجـام داده، نتیجه میگیرند که در سالهاي 2001 تا 2003، در ایستگاههاي قائمشهر و بابلسر دورههاي ترسـالی و رامسـر و نوشهر دوره خشکسالی رخ میدهد. عزیزي و روشن (1381)، با استفاده از مدل سري زمانی هالـت- وینتـرز، به بررسی تغییرات زمانی بارش، تعیین خشکسالیها و امکان پیشبینی آنها در استان هرمزگان پرداخته اسـت. ایالات متحده آمریکا از دسته کشـورهایی اسـت کـه یـک دوره طـولانی خشکسـالی (1985-1996) را تجربـه کرده، در برخی مناطق این کشور خشکسالی در حدود 6 تا 7 سال تداوم داشته و خسارتهاي قابلتوجـهاي را بهوجود آورده است (ویل هایت، .(652 : 1997

موقعیت جغرافیایی منطقه

استان تهران بین 35 درجه و 14 دقیقه تا 36 درجه و 17 دقیقه عرض شمالی و 50 درجه و 14 دقیقـه تـا 53 درجه و 6 دقیقه طول شرقی قرار دارد. این استان از شمال به رشته کـوههـاي البـرز بـا جهـت شـرقی- غربـی همانند دیواري بلند آن را از همسایگان شمالی آن یعنی گیلان و مازندران جـدا مـیکنـد. شـکل شـماره (1)، موقعیت منطقه مورد مطالعه و ایستگاههاي هواشناسی استفاده شده را نشان میدهد.

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

1. Jonathan 2. Azzam et al 3. Jain and Grawal 4. Elfeki and Uffrink

09 جغرافیا و پایداري محیط، شماره 3، تابستان 1391

شکل .1 موقعیت جغرافیایی استان تهران و ایستگاههاي مورد مطالعه

مواد و روشها

با توجه به طبقهبندي اقلیمی، آبوهواي تهران نیمهگرم و نیمهخشک است؛ بهطوريکه میانگین بارش سـالانه این منطقه حدود 230 میلی متر و دماي آن حدود 16 درجه سلسیوس اسـت. بـه طـورکلی، آبوهـواي اسـتان تهران تحتتأثیر سامانه هاي جوي مختلف قرار دارد که از مهمترین آنهـا کـمفشـارهاي مدیترانـهاي و سـودانی است. هرقدر فراوانی این سامانهها روي منطقه کمتر باشد، از میزان بارش سالانه کاسته شده، درنتیجه منجربـه خشکسالی و کمآبی میشود (مقدسی و همکاران، .(203 : 1383 مشخصات ایستگاههاي اسـتفادهشـده در ایـن پژوهش در جدول شماره (1) آمده است. براي بررسی و مطالعه دقیـق وضـعیت پراسـنجهاي اقلیمـی در یـک منطقه و شناسایی دوره هاي غیرعادي خشک و مرطوب، شبکه کامل و متراکمی از ایستگاههاي هواشناسی کـه داراي آمارهاي طولانیمدت (حداقل سیساله براي پایش دوره هاي خشک) باشند، نیازاست؛ ازایـن رو، چهـارده ایستگاه 7) ایستگاه سینوپتیک، 4 ایستگاه کلیماتولوژي و 3 ایستگاه بـارانسـنجی) کـه داراي سـیسـال آمـار بودند از بین ایستگاههاي مطالعهشده انتخاب شدند. بعد از تعیین ایستگاهها، آزمون همگنـی دادههـا از آزمـون روان1 براي اطمینان از کیفیت دادهها و همچنین همگن بودن سري دادههاي ثبتشده انجـام شـد و در مـوارد نیاز با استفاده از روش وایازي، داده ها بازسازي و اصلاح شدند (اقتباس از علیزاده،.(682 : 1386 بـراي بررسـی پدیده خشکسالی در استان تهران سري زمانی شاخص استانداردشده بارش (SPI) یک، شـش و دوازده ماهـه و برمبناي دورهي آماري 1976-2005 بررسی شد.

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

1. Runs Test

تحلیل خشکسالیهاي استان تهران با استفاده از شاخص SPI و پیشبینی... 91

جدول .1 مشخصات چهارده ایستگاه منتخب استان تهران

ردیف نام ایستگاه طول جغرافیایی عرض جغرافیایی سال تأسیس نوع ایستگاه ارتفاع (متر)
(E) (N)

1 مهرآباد 19 51 41 35 1951 سینوپتیک 1190
2 کرج 50 54 55 35 1985 سینوپتیک 1312
3 آبعلی 53 51 45 35 1983 سینوپتیک 2465
4 دوشانتپه 50 51 42 35 1972 سینوپتیک 1209
5 شمال تهران 37 51 47 35 1988 سینوپتیک 1548
6 ژئو فیزیک 23 51 44 35 1991 سینوپتیک 1418
7 فیروز کوه 50 52 55 35 1993 سینوپتیک 1975
8 آبسرد 05 52 39 35 1962 کلیماتولوژي 1800
9 مامازن 41 51 28 35 1964 کلیماتولوژي 1021
10 امینآباد 28 51 35 35 1963 کلیماتولوژي 1000
11 ابردج 48 51 13 35 1989 کلیماتولوژي 900
12 جزنیان 47 50 15 36 1972 باران سنجی 1650
13 سیجان 51 07 57 35 1970 باران سنجی 2100
14 پیشوا 51 51 25 35 1966 باران سنجی 950

یافته هاي پژوهش

پایش خشکسالی با استفاده ازنمایه (SPI)

شاخص (SPI)، نمایهاي است که از اختلاف بین مقادیر بارش و میانگین آن براي یـک بـازه زمـانی مشـخص و سپس تقسیم این مقدار بر انحرافمعیار بارش بهدست مـیآیـد (آسـیایی، .(32 :1385 مـککـی و همکـارانش (1993)، شاخص بارش استاندارد (SPI) را براي تعریف و نشـان دادن خشکسـالی بـهوجـود آوردهانـد. از نظـر ریاضی، SPI براساس احتمالات تجمعی بارش هاي یک ایستگاه استوار است. با توجه به خصوصـیات SPI، ایـن نمایه در سراسر دنیا براي پایش دورههاي خشکی استفاده شده است. شاخص SPI بـراي کمـی کـردن کمبـود بارش در مقیاس هاي زمانی گوناگون طراحی شده است (آسیایی، .(49 :1385 با تجزیـهوتحلیـل سـري زمـانی ماهانه دادههاي بارش براي یک مکان، میتوان SPI را براي هر ماهی نسبتبه ماههـاي قبلـی مشـخص و i هـر ماه 1، 2، 3، 12...،...، 24،...، 48، را با توجه به مقیاس زمانی دلخواه، محاسبه کرد. براي محاسبه ایـن نمایـه از تابع توزیع گاما براي برازش دادههاي بلندمدت بارش استفاده میشود کـه پـس از انجـام محاسـبههـاي لازم و تعیین پراسنجهاي مربوطه، نمایه SPI بهصورت زیر محاسبه میشود (آسیایی، :(52 :1385

29 جغرافیا و پایداري محیط، شماره 3، تابستان 1391

 2 c 0 c1t c 2t 
t  SPI 
1d t d t 2  d t 3 
O  H ( x )  0.5 
(1  3 2 1 
0.5  H (x ) 1  c0 c1t c2t 2 

t 3  1d t d t 2 d SPI  t 

 3 2 1 

که در آن:

C0  2.535537

C1  0.802852

C2  0.030328

در این روابط Co، C1، C2، d1، d2 و d3 مقادیر ثابت و (H) x احتمال تجمعی است.

2) O  H (x ) 1

0. 5  H (x ) 1

d1 3.432788

d 2  0.189269

d3  0.003208

 1 
 ln   t
2
 1(x)

 1 
 ln  t 
2
 1(x)

براي طبقه بندي خشکسالی و ترسالی براساس شاخص SPI، مطابق جدول شماره (2)، هرگاه مقـادیر SPI بهطور مداوم منفی باشند و مقدار آن به -1 یا کمتر برسد، معرف وقـوع خشکسـالی اسـت و مقـادیر مثبـت آن نشاندهنده خاتمه خشکسالی است (آسیایی، .(32 :1385

جدول .2 طبقهبندي خشکسالی براساس شاخص SPI

طبقهبندي شاخص SPI

ترسالی بسیار شدید 2 و بیشتر

خیلی مرطوب 1/5 تا 1/99
ترسالی متوسط 1 تا 1/49
ریباَ نرمال 0/99 – 0/99
خشکسالی متوسط -1 تا -1/49
خشکسالی شدید -1/5 تا -1/99
خشکسالی بسیار شدید -2 و کمتر

SPI استان تهران براي دوره هاي 1، 6، و 12ماهه با اطلاعات بارنـدگی چهـارده ایسـتگاه منتخـب اسـتان محاسبه شد. براي نمونه، تحلیل نقطه اي خشکسالی ایستگاه مهرآباد، که داراي حداقل سی سـال آمـاري بـوده است، انتخاب و تغییرات شاخص بارش استاندارد((SPI در این ایستگاه محاسبه شده است که در شکل شـماره (2) تغییرات این شاخص از سال 1978 تا 2007، نشان داده شده است.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید