بررسی روند تغییرات خشکسالی فصلی بر اساس داده های واقعی (2014-1980) و پیش بینی شده (2019-1980) در جنوب غرب ایران

زارعی, عبدالرسول; مقیمی, محمد مهدی; بهرامی, مهدی; محمودی, محمد رضا

doi:10.22034/jdmal.2016.22244

بررسی روند تغییرات خشکسالی فصلی بر اساس داده های واقعی (2014-1980) و پیش بینی شده (2019-1980) در جنوب غرب ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

عبدالرسول زارعی ¹

محمد مهدی مقیمی ²

مهدی بهرامی ²

محمد رضا محمودی ³

¹ استادیار، گروه مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه فسا، شهر فسا، ایران

² استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فسا، شهر فسا، ایران

³ استادیار، گروه آمار، دانشکده علوم پایه، دانشگاه فسا، شهر فسا، ایران

10.22034/jdmal.2016.22244

چکیده

خشکسالی از مهمترین بلایای طبیعی است که بر بخش‌های مختلف از قبیل منابع طبیعی، منابع آب سطحی و زیر سطحی و ... تاثیرگذار است. توجه به روند تغییرات خشکسالی و همچنین پیش بینی خشکسالی می‌تواند در برنامه‌ریزی جهت کنترل و کاهش اثرات آن موثر باشد. در این مطالعه از داده‌های اقلیمی 7 ایستگاه سینوپتیک در جنوب غرب ایران طی سال‌های 1980 تا 2014 استفاده و بر مبنای شاخص RDI شدت خشکسالی فصلی در این منطقه تعیین شد. سپس با استفاده از مدل‌های سری زمانی و نرم افزار ITSM اقدام به پیش بینی شاخص خشکسالی از سال 2015 تا 2019 گردید و بر مبنای آزمون پارامتری و آزمون‌های غیر پارامتری روند تغییرات خشکسالی در منطقه بررسی شد. بر اساس نتایج، در ایستگاه های آباده، شیراز و فسا، مدلMA(5) Innovation، در بندر عباس BurgAR (15)، در بندر لنگهAR (15)Yule-Walker ، در بوشهر MA (5)Hannan-Rissanen و در جاسک BurgAR (13) عنوان بهترین مدل های سری زمانی هستند. با توجه به ضریب همبستگی داده‌های مشاهده شده و پیش بینی شده ،valueP- آزمونLjung - Box ، مرتبهwhite noise مدل ها و همچنین ACFResidual و PACFResidual داده‌ها، قابلیت اطمینان مدل‌های پیش بینی در تمام ایستگاه ها استنباط شد. نتایج نشان داد روند تغییرات خشکسالی فصلی طی دوره‌های 2014-1980 و 2019-1980 بر اساس هیچ کدام از آزمون‌های آماری پارامتری و غیر پارامتری در هیچیک از ایستگاه ها در سطح 95 درصد معنی‌دار نیست، هرجند روند تغییرات طی دوره 2019-1980 شیب بیشتری به خود می‌گیرد.

کلیدواژه‌ها

آزمون پارامتریک

آزمون غیر پارامتریک

سری زمانی

پیش بینی خشکسالی

شاخص RDI