بخشی از مقاله
-1 مقدمه زمینه بسـیار ضـروری است. برای پدیده خشکسالی تعاریف متفاوتی ارائه شده
خشــکســالی پدیده ای طبیعی اســت که می تواند در هر جایی رخ دهد و ، خشکسالی عبارت است از کمبود مستمر و [13] اسـت، به عقیده پالمر1
خســـارات قـابل توجهی به بشـــر و طبیعت وارد آورد، بنابراین مطالعه در این ×غیر طبیعی رطوبت در یک دوره زمانی معین که معمولا یک سال می باشد.
بر اساس هدف های مورد بررسی، خشکسالی به شکل های متفاوتی رخ می دهد که اولین شــکل آن خشــکســالی هواشــناســی بوده که در اثر کمبود بارندگی به وجود می آید و می تواند باعث زیان های اقتصــادی قابل ملاحظه ای گردد. پس از رخداد خشــکســالی هواشــناســی، ســایر خشکسالی ها از قبیل هیدرولوژیکی، کشاورزی و اقتصادی ممکن است به وقوع بپیوندد.
خشـکسالی 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 شــرایط خشــکســالی رنج می برند، اما این وضــعیت در مناطقی که از نظر اقلیمی به طور نامنظم توســط ســامانه های مختلف آب و هوایی تحت تاثیر قرار می گیرند، بیشـــتر مشـــاهده می شـــود. (رضیئی و همکاران.([1]
یکی از قدم های مهم و اساسی در مطالعات خشکسالی و ترسالی، پایش
و پیش بینی خشکسالی با استفاده از شاخص بارش استاندارد 2(SPI) می باشــد که یکی از جامع ترین شــاخص های مطالعه خشــکســالی و ترسالی به شمار می آید. از شاخص بارش استاندارد (SPI) برای پایش دوره های خشـک سـال های 1993-1994 در ایالت کلرادو استفاده شده است.[12] تعداد زیادی از شـاخص های خشکسالی تا به امروز پیشنهاد شده است
از جمله این شـاخص های خشـکسالی هواشناسی می توان به شاخص
پـالمر( PDSI1، پـالمر( [13] با کاربرد زیاد در ایالات متحده، شـــاخص دهـک هـا Deciles)، گیبز و مـاهر( [10] به عنوان شاخص کاربردی در استرالیا ، شاخص خشکسالی موثر( EDI2، بایون و ویلهایت ( [8] و شــاخص اکتشــاف خشــکســالی RDI3)، تی ساکریس و ونجلیس ( [15] اشاره نمود. که از میان آن ها شاخص SPI بــه عنوان شـــاخص مرجع توســـط ســــازمــان جهــانی هوا شناسی (WMO) مورد قبول قرار گرفته است.1
بررســی های آماری به روش های مختلف از جمله تحلیل ســری های زمانی، همبســتگی خطی و غیرخطی ، مدل های ARMA4 واســتفاده از توزیع ها ی آماری شـناخته شده نظیر توزیع نرمال ، گمبل، پیرسون و غیره انجـام می گیرد. آنچه در این تحقیق مورد اســـتفاده قرار گرفته اسـت، روش آماری زنجیره مارکوف مرتبه اول می باشد. مدل زنجیره مارکوف در علوم مختلفی مانند هوا شـناسـی، اقلیم شـناسی، اقتصاد و صــنعت کاربرد دارد. کلارک و کاراس [9] روابط تحلیلی بین بارندگی و روانـاب را در یـک حوضـــه آبریز برای یک مدل توزیع احتمال مورد بررسـی قرار دادند ، و مدل توزیع احتمال شرطی (زنجیره مارکوف ) را
برای نشــان دادن چگونگی توالی بارش و تعریق، در عرض های مختلف جغرافیایی بکار بردند.
آزام و همکاران [6] در برآورد بازده مراتع با اســتراتژی های مختلف بهره برداری، از مـدل زنجیره مـارکوف بهره جســـتند واثرات بارندگی، تعداد دام و چگونگی چرا را روی محصول مرتعی بررسی کردند.
در ایران عـدل[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 ســاله 0,2 است.
جعفری بهی [2] بـه کمک زنجیره مارکوف احتمالات پیشـــامدهای متوالی روزهای خشــک (غیر بارانی) و تر(بارانی) با آســتانه 0,1 میلیمتر در روز برای مـاه هـای نوامبر تا آوریل ســـال های 1965-1995 را در ایسـتگاه های بوشـهر،شـیراز، اصفهان،کرج و بندر انزلی تحلیل نمود و نتیجه گرفت که داده های بارندگی روزانه ایســـتگاه های مورد مطالعه برازش خوبی بر زنجیره مارکوف مرتبه اول دارد.
علیزاده و آشــگر طوســی [4] پیش بینی وضــعیت آب و هوایی در اسـتان خراسـان رضـوی را با استفاده از نمایه SPI و زنجیره مارکوف مطالعه کردند. در اســتان ســیســتان و بلوچســتان می توان به مطالعه رضــیئی و همکاران[1] با اســتفاده 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 اســتفاده از نمایهSPI و زنجیره مارکوف خشکسالی در استان سیستان و بلوچستان را پایش و پیش بینی نمودند.
در بررســی حاضــر از شــاخص SPI و زنجیره مارکوف برای بررســی احتمال وقوع ترسـالی و خشکسالی در دراز مدت برای ایستگاه واقع در شـهرستان سراوان استفاده شد. به این منظور از مقادیر بارش 39 سال اخیر در ایستگاه سینو پتیک سراوان استفاده شد.
.1مواد و روش ها
4.Auto Regressive Moving Average 1.Palmer Drought Severity Index 2.Effective Drought Index
3.Reconnaissance Drought Index
.1-1 منطقه مورد مطالعه
شکل:1منطقه مورد مطالعه شهرستان سراوان در استان سیستان وبلوچستان
.2-1 شاخص خشکسالی SPI
شـــاخص SPI یک ابزار قوی در پردازش داده های بارندگی اســـت و هدف آن اختصاص ارزش عددی به بارندگی است که از این طریق بتوان نواحی با آب و هوای متفاوت را با هم مقایسه کرد. برای مثال، آنچه در نواحی حاره ای، خشــکســالی ایجاد می کند، همان مقدار بارندگی می باشـد 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 شـــود که نمایه SPI مقداری کمتر از -1 به خود می گیرد. پایان دوره خشـکسـالی را در صـورتی می توان اعلام کرد که این نمایه مقدار مثبت پیدا کند. براسـاس روش محاسبه ذکر شده در طبقه بندی نمایه SPI، وضـعیت منطقه مورد مطالعه را از نظر وقوع خشــکسالی و روند آن می توان مورد بررسی قرار داد.
از مزیت های SPI این اســت که محاســبه SPI بر پایه داده های بارندگی اســتوار بوده و به شــرایط رطوبت خاک بســتگی ندارد. برای تعیین شــاخص SPI از مقادیر بارندگی ســالانه هر ایســتگاه در طول دوره آماری طولانی مدت ( حداقل 30 سال) استفاده شده است .
ویژگی اصـلی SPI انعطاف پذیری آن در اندازه گیری خشـکســالی در مقیاس های زمانی متفاوت اسـت زیرا خشـکسالی از لحاظ دوره دارای دامنه بسـیار گسـترده ای اسـت . بنابراین تشخیص و پایش آن با انواع مقیاس ها ی زمانی مهم است.
SPI به دو صـــورت 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 خـاص را بـا بارندگی همان دوره برای تمام ســـال هایی که
اطلـاعات برای آن ثبت شـــده، فراهم می آورد.SPI کوتاه مدت،
شـرایط 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 اسـت که نمایه SPI کوتاه مدت، حســاســیت بیشتری به تغییرات شــرایط رطوبت دارد و همان طور که n طولانی تر می شــود. بارندگی ماه جدید، اثری کمتری بر کل بارندگی دارد و نمایه به آهسـتگی پاسخ می دهد. بنابراین با کوچکترین تغییر در بارندگی ماهانه، سریعا به بالای صــفر و چناچه منفی باشــد، به زیر صــفر می رود. SPI طولانی مدت، خشــکســالی 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 اســتفاده می شــود که پس از انجام محاســبه های لازم و تعیین پارامترهای مربوط به نمایه SPI انجام می گیرد.
همچنان که بیان شـد محاسبه SPI شامل برازش تابع چگالی احتمال گاما بر توزیع فراوانی بارندگی برای یک ایستگاه معین است.
