Evaluation of trend of rainfall and temperature changes and their effects on meteorological drought in Kermanshah province
Subject Areas : natural geographyMaryam Teymouri Yeganeh 1 , Liela Teymouri Yeganeh 2
1 - Razi university
2 - Yazd university
Keywords: Drought, Temperature and rainfall changes, Mann-Kendall test, Sense estimator, Linear regression, Kermanshah province ,
Abstract :
Climate change is one of the natural features of the atmospheric cycle, which results in anomalies or fluctuations in the process of meteorological parameters such as rainfall and temperature. Also, drought is one of the weather and climate disasters, including catastrophic events. It alternates with floods and causes significant damage each year. Lack of rainfall has different effects on groundwater, soil moisture and river flow. For this reason, the study of changes in precipitation and temperature has always been the focus of researchers in various sciences, including natural resources and the environment. In this study, using the data of Kermanshah Meteorological Organization related to 30 years of rainfall, average minimum temperature and average maximum temperature in three stations of Kermanshah, Islamabad West and Sarpol-e Zahab to assess the severity of drought each year by DIC software Using standard precipitation index (SPI) and examining the trend of temperature changes using two non-parametric Mann-Kendall tests, Sensitimator and also linear regression. In order to study the drought trend during the 30-year period, statistical software was used and the results showed that during the 30-year period, all three stations are in near normal condition. Also, the results of temperature changes using the mentioned tests indicate the increasing trend of temperature and this trend is significant at the level of 99% using two non-parametric Mann-Kendall tests.
1. تیموری یگانه، ل. تیموری یگانه، م. (1399). کاربرد مدل سری زمانی برای تخمین میزان بارش ماهانه در استان کرمانشاه. نشریه پژوهش¬های اقلیم شناسی. سال یازدهم، شماره44، صص 142-137.
2. جهانگیر، م.ح.، خوش مشربان، م.، یوسفی، ح. (1394). پایش و پیش بینی وضعیت خشکسالی با استفاده از شاخص بارندگی استاندارد (SPI) و شبکه عصبی پرسپترون چند لایه (مطالعه موردی: استان¬های تهران و البرز). مجله اکوهیدرولوژی. دوره 2، شماره 4.
3. حجازی زاده، ز.، جوئی زاده ، س. (1389). آشنایی با خشکسالی و شاخص های آن. انتشارات سمت ، ص 358.
4. حجانی، س.، بذر افشان، ج. (1394). مقایسه دو رهیافت محاسبه شاخص بارندگی استاندارد در اقلیم¬های خشک و مرطوب ایران. مجله علوم و مهندسی آبخیزداری ایران. دوره 9، شماره 28، صص 64-61.
5. شمس نیا، ا. (1386). تعیین طبقه بندی بهینه شاخص استاندارد شده بارش(SPI) در ارزیابی خشکسالی¬های استان فارس. سمینار کارشناسی ارشد، دانشگاه آزاد اسلامی واحد فیروز آباد، 48 صفحه.
6. فرحزاده،م.، موحد دانش، ع.1.، قائمی، ه. ( 1369). خشکسالی در ایران(با استفاده از برخی شاخص¬های آماری). دانش کشاورزی 5(1و2): 52-30.
7. مقدم، ح.، بداق جمالی، ج.، جوانمرد، س. مهدویان، ع، ل. خزانه داری، م. خسروی،م. ابراهیم پور. (1380). پایش خشکسالی براساس نمایه SPI ، دهک¬ها و نرمال در استان سیستان و بلوچستان. مجموعه مقالات اولین کنفرانس بررسی راهکارهای مقابله با بحران آب، دانشگاه زابل، 80-69.
8. Chang, T.J.(1989). Characteristics of extreme precipitations. Water resour. Bull. 25(5):1037-1040.
9. Diaz, H.F. (1983). Som aspects of major dry and wet periods in the contiguous united states,1895-1981.j.climate appl. Meteorol.22:2-16.
10. Guttman, N. B. (1999). Accepting the standardizedized precipitation index: A calculation algorithm. Journal of American water Resources Association 35(2): 311-322.
11. Herbst,P.H.,D.B. bredencamp and H.M.G. baker.(1966). a technique for the evaluation of drought from rainfall data. J.hydrol. 4(4):264-272.
12. Kendall, M. (1975). Rank Correlation Methods, Griffin, London.
13. Mann, H. B. (1945). Nonparametric tests against trend. Econometrica. 13:245-259.
14. Mckee, T. B., N. J. Doesken and J. kleist. (1993). The relationship of drought frequency and duration to time scales. Preprints, 8th Conference on Applied Climatology, 17-22 January,Anaheim, CA, 170-184.
15. Mohan,S. and N.C. rangacharia. (1991). A modified method for drought identification. Hydrol.Sci.J.
16. Palmer, W. C. (1965). Meteorological drought. U.S. Department of commerce Weather, Bureau Reasearch Paper 45, 58pp.
17. Serrano, S. M. and J. I. Moreno. (2005). Hyrological response to different time scales of climatological drought: An evaluation of the standardized precipitation index in a mountainous mediterranean basin. Hydrology and Earth System Sciences Discussions 2:1221-1246.
18. Shafer, B. A. and L. E. Dezman. (1982). Development of a surface water supply index (SWSI) to assess the severity of drought conditions in snow pack runoff areas. Proceedings of The Western Snow Conference pp: 164-175.
پژوهش و فناوری محیط زیست،1400 6(10)، 123-134
| ||||||
ارزیابی روند تغییرات بارندگی و دما و اثرات آنها بر خشکسالی هواشناسی در استان کرمانشاه
|
[1] *پست الکترونیکی نویسنده مسئول: m.yeganeh1390@gmail.com
Journal of Environmental Research and Technology, 6(10)2021. 123-134
|
Evaluating the trend of rainfall and temperature changes and their effects on meteorological drought in Kermanshah province Maryam Teymouri Yeganeh1*1, Leila Teymouri Yeganeh2 1- Ph.D. Student in Water Structures, Faculty of Agriculture, Razi University, Kermanshah, Iran 2- Ph.D. Student in Mathematical Statistics,Faculty of Basic Sciences, Yazd University, Yazd, Iran |
Abstract Climate changes is one of the natural features of the atmospheric cycle, which results in anomalies or fluctuations in the process of meteorological parameters such as rainfall and temperature. Also, drought is one of the weather and climate disasters and catastrophic events which causes significant damages alternately with floods each year. Lack of rainfall has different effects on groundwater, soil moisture and river flow. For this reason, studying the trend of rainfall and temperature changes has always been considered by various sciences' researchers, including natural resources and environment. In this research, the severity of each year drought was assessed by DIC software using standard precipitation index (SPI) and examining the trend of temperature changes using two non-parametric Mann-Kendall tests, Sensitimator and also linear regression through the data of Kermanshah Meteorological Organization related to 30 years of rainfall, the minimum temperature average and the maximum temperature average in three stations of Kermanshah, Islamabad West and Sarpol-e Zahab. In order to study the drought trend during the 30-year period, |
Keywords: Drought, Temperature and rainfall changes, Mann-Kendall test, Sense estimator, Linear regression, Kermanshah province |
|
[1] * Corresponding author E-mail address: m.yeganeh1390@gmail.com
مقدمه
خشکسالیها نشانه روشنی از این تغییرات اقلیمی میباشند که بسیاری از مناطق خشک و نیمه خشک دنیا را با شدتهای زیاد هرچند سال یکبار دربر میگیرند. در یک تعریف عملیاتی خشکسالی به سه دسته تقسیم میشود: دسته اول خشکسالی هواشناسی، دسته دوم خشکسالی هیدرولوژیکی و دسته سوم خشکسالی کشاورزی است. خشکسالی هواشناسی هنگامی اتفاق میافتد که الگوی آب و هوایی خشک در منطقه غلبه یابد. خشکسالی هیدرولوژیکی نیز زمانی اتفاق افتاده است که شواهدی مبنی بر کاهش منابع آب بخصوص منابع آب سطحی، مخازن و تراز آب زیرزمینی مشاهده گردد. این واقعه معمولا پس از دورههای خشکسالی هواشناسی به وقوع میپیوندد. همچنین خشکسالی کشاورزی زمانی رخ داده است که اثرات ناشی از خشکسالی بر محصولات کشاورزی رؤیت شود. شاخصهای خشکسالی با استفاده از ترکیب دادههای مؤلفههای هواشناسی و هیدرولوژیکی به کمک مدلهای بیلان آب و یا مدلهای هیدرولوژیکی به دست میآیند. برای مثال در خشکسالی هواشناسی دمای هوا و میزان بارش دو متغیر مهم و اساسی هستند درصورتیکه در خشکسالی کشاورزی میزان رطوبت خاک و تراز آب زیرزمینی حیاتی و تعیین کننده هستند. از جمله کارهایی که در زمینه خشکسالی هواشناسی انجام شده است میتوان به تحقیقات جهانگیر و همکاران (1394) که به پایش و پیش بینی وضعیت خشکسالی با استفاده از اطلاعات بارش 38 ایستگاه باران‌سنجی در محدوده دو استان تهران و البرز به وسیله شاخص استاندارد بارندگی پرداختند اشاره نمود، نتایج تحقیقات آنها نشان داد که حدود نیمی از ایستگاهها در کل دورهی مطالعاتی در وضعیت نرمال قرار داشته و حدود یک سوم وضعیت خشکسالی را پشت سر گذاشتند. همچنین ایشان در تحقیقشان به پیش‌بینی با استفاده از شبکه عصبی پروسپترون پرداختند بطوریکه نتایج حاصل به مقادیر مشاهداتی بسیار نزدیک بود. تیموری یگانه و همکاران (1399) به بررسی کاربرد مدل سری زمانی برای تخمین میزان بارش ماهانه در استان کرمانشاه پرداختند روش مطالعه ایشان به صورت مقطعی و حجم نمونه نیز دادههای میزان بارش طی 32 سال در نظر گرفته شده است. به منظور تجزیه و تحلیل دادهها از روش آریما (ARIMA) برای برازش مدلسازی سری زمانی استفاده نمودند و در انتها بعد از آزمون مدلهای موجود بهترین مدل برای پیش بینی میزان بارش تعیین کردند. نتایج بررسیهای آنها نشان داد که مدل سری زمانی آریما بهترین کارایی را داشته و روند کاهشی بارش به اندازه 2/0 است. حجانی و همکاران (1394) به مقایسه دو رهیافت برای محاسبه شاخص بارندگی استاندارد در اقلیمهای خشک و مرطوب ایران پرداختند، در روش اول با فرض تبعیت دادههای بارندگی از توزیع گاما و در روش دوم با در نظر گرفتن توزیع بهینه برای مقادیر بارندگی تجمعی هر ماه، سریهای زمانی SPI در سه مقیاس ماهانه 3، 6 و 12 ماهه محاسبه شد. نتایج تحقیقاتشان نشان داد که استفاده از روش اول سبب طبقه بندی نادرست به ویژه در طبقات خفیف و متوسط خشکسالی خواهد شد از این روی از روش دوم در راستای پایش دقیقتر، جهت اعمال مدیریت مناسب خشکسالی پیشنهاد شد. همچنین پژوهشهای متعدد دیگری که توسط فرحزاد و همکاران (1369)، چانگ (1989) و دایاز (1983) انجام گرفته است. تاکنون شاخص های متعددی نظیر شاخص انحراف از میانگین، شاخص دهکها، شاخص رطوبتی تورنت وایت، شاخص پالمر و از این قبیل برای پایش پدیده خشکسالی پیشنهاد شده است که هر کدام دارای مشکلات خاصی می باشند. به عنوان مثال شاخص انحراف از میانگین وابسته به مکان بوده و با توجه به اینکه میانگین بارندگی در هر محل ارزش خاص دارد، این شاخص در پایش توزیع و گستره مکانی خشکسالی ناتوان است. شاخص پالمر(1965) براساس دادههای مربوط به دمای هوا و میزان تغییرات رطوبت که شامل تبخیر، رواناب، میزان آب ورودی به خاک و ... است، استوار است. شاخص پالمر نیز به جهت نیاز به پارامترهای متعدد و پیچیده بودن محاسبات، از کاربری محدودی بویژه در ایران که از نبود و یاکمبود اطلاعات رنج میبرند برخوردار است. شاخص تامین آب سطحی نیز یکی دیگر از شاخصهای خشکسالی است. این شاخص برای شرایط رطوبتی اراضی کلرادو ارائه شد. استفاده از شاخص تامین آب سطحی برای کاربرد در مناطق کوهستانی و با در نظر گرفتن ذخیره برف توصیه شده است(شافر 1982). مزیت عمده شاخص SPI در مقایسه با شاخصهای دیگر این است که این شاخص هم شرایط خشکسالی را در مقیاسهای مختلف زمانی و هم انواع مختلفی از خشکسالی را بررسی مینماید. همچنین این شاخص عکس العمل منابع مختلف استفاده کننده از آب را نسبت به کاهش بارندگی مشخص مینماید (سررانو 2005). مطالعات انجام شده توسط مقدم و همکاران (1380) بیان نمودند که در محاسبه شاخص استاندارد شده بارش، مقیاسهای زمانی متفاوتی مدنظر است که از میان آنها به مقیاسهای 6، 9، 12، 24 و 48 ماهه توجه ویژهای شده است. همچنین گاتمن (1999) بیان نمود که به دلیل اینکه دادهها از نظر زمانی دارای محدودیت است، شاخص SPI در مقیاسهای بزرگتر از 24 ماه قابل اعتماد نیستند. هدف از انجام این تحقیق ارزیابی خشکسالی هواشناسی با بررسی روند تغییرات بارش براساس شاخص SPI و محاسبه روند تغییرات دمایی براساس آزمون ناپارامتری مان-کندال و رگرسیون خطی است. روندی که میتواند تا حدی وضعیت اقلیمی را مشخص نموده و برای برنامهریزیهای آینده مفید واقع شود.
مواد و روش‌ها
در این تحقیق از اطلاعات بارندگی مربوط به ایستگاههای هواشناسی شهرستانهای کرمانشاه، اسلام آباد غرب و سرپل ذهاب در دوره 30 ساله از سال 1369 تا سال 1398 استفاده شد. به منظور ارزیابی خشکسالی با توجه به آمار بارندگی سالانه ایستگاههای در نظر گرفته شده در این تحقیق از شاخص استاندارد شده بارندگی (SPI) استفاده شد. همانطور که قبلتر اشاره شد، شاخصهای متعددی جهت ارزیابی و پایش خشکسالی وجود دارد با توجه به اینکه شاخص SPIتنها بر پایه استفاده از معیار بارندگی استوار است، بعنوان پایهای برای تعریف و پایش خشکسالی و ترسالی ارائه شده است و همچنین این شاخص به تحلیلگر این امکان را میدهد تا تعداد وقایع خشکسالی و ترسالی اتفاق افتاده را برای هر گام زمانی دلخواه تعریف و شناسایی نماید، بدین منظور همواره مورد توجه محققان متعددی قرار گرفته است. از جمله مزیتهای شاخصSPI میتوان به بی بعد بودن این شاخص اشاره نمود که به وسیله آن میتوان اطلاعات مناطق مختلف را با هم مقایسه و نقشههای گسترده خشکسالی را با دقت بالا تهیه نمود. و همچنین به‌وسیله این شاخص میتوان خشکسالیها و ترسالیهای شدید منطقه را شناسایی نمود و با برازش تابع چگالی احتمال، تحلیل فراوانی بر روی آنها انجام داد. در این تحقیق برای ارزیابی شاخص استاندارد بارندگی (SPI) در استان کرمانشاه از نرم‌افزار DIC که کوتاه شده عبارتDrought Indices Calculator، برای سیستم نرم افزاری پیشرفته جهت محاسبه شاخصهای رایج خشکسالی است، استفاده شد. این نرم افزار توسط حجازی زاده و جوی زاده (1389) جهت تعیین شاخصهای خشکسالی تهیه شده و شاخص SPI یکی از زیر مجموعههای نرم افزار DIC است. در این نرم افزار میتوان براساس 5 سری داده (روزانه، ماهانه، فصلی، سالانه و متحرک) به تحلیل شاخصهای خشکسالی پرداخت. در جدول 1 طبقه بندی شرایط خشکسالی و ترسالی را براساس شاخص SPI نمایش میدهد. برای محاسبه این شاخص از رابطه زیر میتوان استفاده نمود.
(1) 
که در آن
مقدار نرمال شده بارندگی ماه فعلی، 
مقدار نرمال شده بارندگی ماه قبلی، 
میانگین تعداد بارندگی تجمعی برای
ماه و 
انحراف معیار بارندگی در دوره زمانی مورد نظر است.
جدول1- مقیاس طبقه بندی مقادیر SPI
مقادیر SPI | 2< | 5/1 تا 99/1 | 1 تا 49/1 | 0.99- تا 99/0 | 49/1- تا 1- | 99/1- تا 5/1- | 2-> |
طبقه | شدیدا مرطوب | خیلی مرطوب | مرطوب متوسط | نزدیک به نرمال | خشکسالی ملایم | خشکسالی شدید | خشکسالی خیلی شدید |
همچنین در این پژوهش به بررسی روند تغییرات دما در 3 ایستگاه کرمانشاه، اسلام آباد غرب و سرپل ذهاب در دوره 30 ساله پرداخته شد. با توجه به اینکه متغیرهای اقلیمی در مقیاس زمان و مکان به دلایل زیادی تغییر میکنند که باید نحوه تغییرات آنها براساس مشاهدات و با بهره گیری از روشهای آماری تعیین شود. تحلیل روند از جمله مهمترین روشهای آماری است که به طور گسترده برای ارزیابی اثرات بالقوه تغییر اقلیم بر روی سریهای زمانی مانند سریهای مشاهداتی دما در نقاط مختلف جهان استفاده شده است. یکی از این آزمونهای بسیار کاربردی آزمون مان کندال است. اثبات وجود روند معنیدار در یک سری زمانی متغیر اقلیمی به تنهایی نمیتواند دلیل قاطع بر وقوع تغییر اقلیم در یک منطقه باشد بلکه فرض رخداد آن را تقویت مینماید. این ویژگی ناشی از متعدد بودن عوامل کنترل کننده سامانه اقلیم است. وجود یا عدم وجود روند و تحلیل سریهای زمانی و تغییر اقلیم در دو دسته روشهای پارامتریک و ناپارامتریک تقسیم‌بندی میشوند. روشهای پارامتریک عمدتاً بر اساس روابط رگرسیونی بین سری دادهها با زمان استوار میباشند. روشهای ناپارامتریک از کاربرد نسبتاً وسیعتر و چشمگیرتری نسبت به روشهای پارامتریک برخوردارند. برای سریهایی که توزیع آماری خاصی بر آنها قابل برازش نیست و چولگی یا کشیدگی زیادی دارند استفاده از روشهای ناپارامتریک مناسبتراست. آزمون مان-کندال جزو متداولترین و پرکاربردترین روشهای ناپارمتریک تحلیل روندی سریهای زمانی به شمار میروند. با استفاده از روش مان-کندال تغییرات دادهها شناسایی، نوع و زمان آن مشخص میشود.
آزمون مان-کندال1
آزمون ناپارامتری مان-کندال ابتدا توسط( مان 1945) ارائه و سپس توسط(کندال 1975) بر پایه رتبه دادهها در یک سری زمانی بسط و توسعه یافت. مراحل محاسبه آماره این آزمون به شرح زیر است:
محاسبه اختلاف بین تک تک جملات سری با همدیگر و اعمال تابع علامت و استخراج پارامتر s به صورت رابطه زیر بیان میشود.
(2) 
که در آن، n تعداد جملات سری، و 
و 
به ترتیب دادههایj اُم وk اُم سری میباشند. تابع علامت نیز به صورت فرمول زیر قابل محاسبه است.
(3) 
همچنین برای استخراج آماره Z از رابطه زیر استفاده میشود.
(4) 
که در آن،
به صورت رابطه زیر ارزیابی میشود.
(5) 
در رابطه 5، n تعداد دادهها وm معرف تعداد سریهایی است که در آنها حداقل یک دادهی تکراری وجود دارد و t نیز بیانگر فراوانی داده‌هایی با ارزش یکسان است.
در یک آزمون دو دامنه جهت روندیابی سری دادهها، فرض صفر در صورتی پذیرفته می شود که 
در غیر این صورت فرض صفر رد میشود. در واقع α سطح معنی داری است که برای آزمون در نظر گرفته میشود و Zα آماره توزیع نرمال استاندارد در سطح معنی دار α است که با توجه به دو دامنه بودن آزمون، از 
استفاده شده است. در صورتی که آماره‌ی Z مثبت باشد، روند سری دادهها صعودی و در صورت منفی بودن آن روند نزولی در نظر گرفته میشود. این روش به طور متداول و گستردهای در تحلیل روند سریهای هیدرولوژیکی و هواشناسی بکار گرفته میشود. از نقاط قوت این روش میتوان به مناسب بودن کاربرد آن برای سریهای زمانی که از توزیع آماری خاصی پیروی نمیکنند اشاره نمود. اثرپذیری ناچیز این روش از مقادیر حدی که در برخی از سریهای زمانی مشاهده میشوند نیز از دیگر مزایای استفاده از این روش است. فرض صفر این آزمون بر تصادفی بودن و عدم وجود روند در سری دادهها دلالت دارد و پذیرش فرض یک (رد فرض صفر) دال بر وجود روند در سری دادهها است.
آزمون سنس استیمیتور2
در روش سنس استیمیتور همانند روش مان-کندال از تحلیل تفاوت بین مشاهدات یک سری زمانی بهره گرفته میشود. اساس این روش بر محاسبه یک شیب میانه برای سری زمانی و قضاوت نمودن در مورد معنا داری شیب در سطحوح اعتماد مختلف استوار است. در این آزمون شیب بین هر جفت دادهی مشاهداتی از رابطه 6 بدست میآید.
(6) 
که در آن Q شیب بین هر جفت داده، 
و 
به ترتیب دادههای مشاهداتی در زمانهای 
و
که یک واحد زمانی بعد از زمان است. با در نظر گرفتن رابطه 6 برای هر جفت داده، یکسری زمانی از شیبهای محاسبه شده حاصل میشود که از محاسبه میانه این شیب خط روند بدست خواهد آمد که مقدار مثبت آن نشانگر روند صعودی و مقدار منفی آن نمایانگر روند نزولی است. همچنین به منظور آزمون شیب بدست آمده در فاصلهی اطمینان 95 و 99 درصد از رابطه 7 استفاده میشود.
(7) 
در این رابطه 
آماره توزیع نرمال استاندارد است و در یک آزمون دو دامنه بسته به سطوح اعتماد مورد آزمون میتواند مقادیر مختلفی داشته باشد. این آماره برای سطوح اطمینان 95 و 99 درصد برابر 96/1 و 58/2 است. به منظور محاسبه حدود اطمینان بالا و پایین (
و
) از رابطه 8 استفاده خواهد شد.
(8) 
که در آن 
تعداد کل شیبهای بدست آمده است. پس از محاسبه شیبها، شیب مربوط به و 
امین شیب از بین شیبهای محاسبه شده استخراج میشوند. در صورتی که عدد صفر در دامنه بین دو شیب استخراج شده قرار بگیرد، فرض صفر پذیرفته شده و عدم وجود روند در سری دادهها تایید میشود. در غیر این صورت فرض صفر رد شده و وجود روند در سطح اطمینان مورد آزمون پذیرفته میشود.
نتایج و بحث
با توجه به اینکه مقیاس زمانی مختلف بر وضعیت بارش هر ماه تاثیر گذار است، بطوریکه مقیاسهای زمانی 3، 6 و 12 ماهه به ترتیب اثرات 2، 5 و 11 ماه قبل از آن را در نظر میگیرد، به همین علت مقیاس زمانی مختلف میتواند روند خشکسالی و ترسالی را در هر دوره نشان دهد. در این تحقیق از آمار بارندگی 3 ایستگاه کرمانشاه، اسلام آباد غرب و سرپل ذهاب استفاده شد و وضعیت خشکسالی و ترسالی در این ایستگاهها در دورهی 12 ماهه (یکسال) بررسی شد. در جداول 2 و 3 وضعیت شدت خشکسالی را در طی 30 سال با استفاده از نرم افزار DIC برای ایستگاه کرمانشاه نشان میدهد. براساس جداول میتوان نتیجه گرفت که در ایستگاه کرمانشاه وضعیت خشکسالی در هر سال در نوسان بوده و همانطور که در شکل 1روند تغییرات شاخص استاندارد بارندگی با استفاده از نرم افزار
از این ایستگاه نمایش داده شده است، میتوان نتیجه گرفت که این روند در بازه 30 ساله با توجه به طبقه بندی شاخص SPIدر شرایط نزدیک به نرمال قرار دارد.
[1] Mann-kendall
[2] Sen' estimator
جدول2- متوسط شاخص استاندارد بارندگی از سال 1369 تا 1388 برای ایستگاه کرمانشاه
تاریخ | شاخصSPI | شدت خشکسالی | تاریخ | شاخصSPI | شدت خشکسالی |
1369 | 1.65946641- | خشکسالی شدید | 1379 | 0.43174- | نزدیک به نرمال |
1370 | 0.53071419- | نزدیک به نرمال | 1380 | 0.60516- | نزدیک به نرمال |
1371 | 0.96436068- | نزدیک به نرمال | 1381 | 0.0282999 | نزدیک به نرمال |
1372 | 1.14003304 | مرطوب متوسط | 1382 | 0.3011994 | نزدیک به نرمال |
1373 | 0.49621528 | نزدیک به نرمال | 1383 | 0.8784561 | نزدیک به نرمال |
1374 | 0.71272423- | نزدیک به نرمال | 1384 | 1.354395- | خشکسالی متوسط |
1375 | 1.08918147- | خشکسالی متوسط | 1385 | 0.2653305 | نزدیک به نرمال |
1376 | 0.13923363- | نزدیک به نرمال | 1386 | 0.769485- | نزدیک به نرمال |
1377 | 1.85441196- | خشکسالی شدید | 1387 | 1.449976- | خشکسالی متوسط |
1378 | 2.433266- | خشکسالی شدید | 1388 | 0.1070769 | نزدیک به نرمال |
جدول3- متوسط شاخص استاندارد بارندگی از سال 1389 تا 1398 برای ایستگاه کرمانشاه
تاریخ | شاخص SPI | شدت خشکسالی |
1389 | -0.604249 | نزدیک به نرمال |
1390 | -1.466421 | خشکسالی متوسط |
1391 | 0.2932347 | نزدیک به نرمال |
1392 | 0.4360641 | نزدیک به نرمال |
1393 | -1.493877 | خشکسالی متوسط |
1394 | -0.067064 | نزدیک به نرمال |
1395 | -1.647891 | خشکسالی شدید |
1396 | -1.129226 | خشکسالی متوسط |
1397 | 1.1714937 | مرطوب متوسط |
1398 | -0.560548 | نزدیک به نرمال |
شکل1- روند تغییرات شاخص استاندارد بارندگی ایستگاه کرمانشاه با استفاده از نرم افزار
جداول 4 و 5 نشان دهنده این است که وضعیت شدت خشکسالی در هر سال در ایستگاه اسلام آباد غرب در نوسان بوده و همانطور که در شکل 2 روند تغییرات شاخص استاندارد بارندگی با استفاده از نرم‌افزار
در طی 30 سال از این ایستگاه نمایش داده شده است، میتوان نتیجه گرفت که این روند در بازه 30 ساله با توجه به طبقه بندی شاخص SPIدر شرایط نزدیک به نرمال قرار دارد.
جدول4- متوسط شاخص استاندارد بارندگی از سال 1369 تا 1388 برای ایستگاه اسلام آباد غرب
تاریخ | شاخصSPI | شدت خشکسالی | تاریخ | شاخصSPI | شدت خشکسالی |
1369 | 1.398225- | خشکسالی متوسط | 1379 | 1.108015- | خشکسالی متوسط |
1370 | 0.143418 | نزدیک به نرمال | 1380 | 1.305496- | خشکسالی متوسط |
1371 | 0.20444- | نزدیک به نرمال | 1381 | 0.076258- | نزدیک به نرمال |
1372 | 0.389163 | نزدیک به نرمال | 1382 | 0.279158- | نزدیک به نرمال |
1373 | 0.644928 | نزدیک به نرمال | 1383 | 1.1656392 | مرطوب متوسط |
1374 | 0.691503- | نزدیک به نرمال | 1384 | 0.0240983 | نزدیک به نرمال |
1375 | 1.241446- | خشکسالی متوسط | 1385 | 0.1110492 | نزدیک به نرمال |
1376 | 0.5336793 | نزدیک به نرمال | 1386 | 1.455753- | خشکسالی متوسط |
1377 | 0.844769- | نزدیک به نرمال | 1387 | 2.038587- | خشکسالی خیلی شدید |
1378 | 2.300935- | خشکسالی خیلی شدید | 1388 | 0.00411- | نزدیک به نرمال |
جدول5- متوسط شاخص استاندارد بارندگی از سال 1389 تا 1398 برای ایستگاه اسلام آباد غرب
تاریخ | شاخصSPI | شدت خشکسالی |
1389 | 1.667435- | خشکسالی شدید |
1390 | 0.616381- | نزدیک به نرمال |
1391 | 1.448628- | خشکسالی متوسط |
1392 | 0.480764- | نزدیک به نرمال |
1393 | 1.723815- | خشکسالی خیلی شدید |
1394 | 0.2827856 | نزدیک به نرمال |
1395 | 0.181863- | نزدیک به نرمال |
1396 | 0.613392- | نزدیک به نرمال |
1397 | 1.2840317 | مرطوب متوسط |
1398 | 0.1032923 | نزدیک به نرمال |
شکل2- روند تغییرات شاخص استاندارد بارندگی ایستگاه اسلام آباد غرب با استفاده از نرم افزار
در جداول 6 و 7 نیز وضعیت شدت خشکسالی در هر سال در ایستگاه سرپل ذهاب نمایش داده شده براساس جداول میتوان نتیجه گرفت که شدت خشکسالی در این ایستگاه نیز برای هر سال در نوسان بوده و همانطور که در شکل 3 روند تغییرات شاخص استاندارد بارندگی با استفاده از نرم افزار
در طی 30 سال از این ایستگاه نمایش داده شده است، میتوان نتیجه گرفت که این روند در بازه 30 ساله با توجه به طبقه بندی شاخص SPIدر شرایط نزدیک به نرمال قرار دارد.
جدول6- متوسط شاخص استاندارد بارندگی از سال 1369 تا 1388 برای ایستگاه سرپل ذهاب
تاریخ | شاخصSPI | شدت خشکسالی | تاریخ | شاخصSPI | شدت خشکسالی |
1369 | 0.460467- | نزدیک به نرمال | 1379 | 0.048494- | نزدیک به نرمال |
1370 | 0.3555906 | نزدیک به نرمال | 1380 | 0.534711- | نزدیک به نرمال |
1371 | 0.481538- | نزدیک به نرمال | 1381 | 0.8619383 | نزدیک به نرمال |
1372 | 0.1808291 | نزدیک به نرمال | 1382 | 0.051634- | نزدیک به نرمال |
1373 | 0.0033135 | نزدیک به نرمال | 1383 | 0.4573375 | مرطوب متوسط |
1374 | 0.26641- | نزدیک به نرمال | 1384 | 0.857751- | نزدیک به نرمال |
1375 | 1.063668- | خشکسالی متوسط | 1385 | 0.566659- | نزدیک به نرمال |
1376 | 0.7506596 | نزدیک به نرمال | 1386 | 1.604147- | خشکسالی شدید |
1377 | 1.341729- | خشکسالی متوسط | 1387 | 2.436066- | خشکسالی خیلی شدید |
1378 | 2.585261- | خشکسالی خیلی شدید | 1388 | 0.207445- | نزدیک به نرمال |
جدول7- متوسط شاخص استاندارد بارندگی از سال 1389 تا 1398 برای ایستگاه سرپل ذهاب
تاریخ | شاخص SPI | شدت خشکسالی |
1389 | 0.871019- | نزدیک به نرمال |
1390 | 0.925851- | نزدیک به نرمال |
1391 | 1.083115- | خشکسالی متوسط |
1392 | 0.141247- | نزدیک به نرمال |
1393 | 1.9608- | خشکسالی شدید |
1394 | 0.0838677 | نزدیک به نرمال |
1395 | 1.119817- | خشکسالی متوسط |
1396 | 0.741884- | نزدیک به نرمال |
1397 | 1.42175 | مرطوب متوسط |
1398 | 0.233966 | نزدیک به نرمال |
شکل3- روند تغییرات شاخص استاندارد بارندگی ایستگاه سرپل ذهاب با استفاده از نرم افزار
همچنین به منظور ارزیابی روند تغییرات دما، دادههای مربوط به متوسط حداکثر تغییرات دما و متوسط حداقل تغییرات دما برای ایستگاههای کرمانشاه، اسلام آباد غرب و سرپل ذهاب از سازمان هواشناسی استان کرمانشاه طی سالهای 1398-1369 استخراج شد. نتایج مربوط به آزمون رگرسیون خطی با استفاده از نرم افزار
در اشکال 4 تا 6 نمایش داده شده است. با توجه به اشکال 4 تا 6 میتوان نتیجه گرفت که شیب نمودار متوسط حداقل دما و متوسط حداکثر دما در هر سه ایستگاه کرمانشاه، اسلام آباد غرب و سرپل ذهاب صعودی بوده و نمایانگر افزایش دما در بازه 30 ساله برای هر سه ایستگاه است.
شکل4- روند خطی دمای متوسط حداقل و حداکثر در ایستگاهی کرمانشاه
شکل5- روند خطی دمای متوسط حداقل و حداکثر در ایستگاهی اسلام آباد غرب
شکل6- روند خطی دمای متوسط حداقل و حداکثر در ایستگاهی اسلام آباد غرب
همچنین در جدول 8 ، با توجه به اینکه اگر Z در آزمون مان-کندال بین 58/2-96/1 قرار بگیرید، در سطح 95 درصد معنی دار است و اگر بیشتر از 58/2 باشد، در سطح 99 درصد معنی دار خواهد بود و در غیر این صورت غیر معنی دار است، همچنین اگر صفر بین دو آماره سنس استیمیتور قرار بگیرد، دادهها بدون روند است، میتوان نتیجه گرفت که روند تغییر دمای حداقل و حداکثر در هر سه ایستگاه براساس دو روش ناپارامتریک مان-کندال و سنس استیمیتور افزایشی بوده و در سطح 99 درصد معنی دار است. (در جدول نماد * نشانگر معنی داری در سطح 95 درصد و نماد ** نشانگر معنی داری در سطح 99 درصد است)
جدول8- نتایج دو آزمون ناپارامتریک مان-کندال و سنس استیمیتور برای ایستگاههای کرمانشاه، اسلام آباد غرب و سرپل ذهاب
ایستگاه | کرمانشاه | اسلام آباد غرب | سرپل ذهاب |
Z(min) | 61/3** | 04/3** | 56/4** |
Z(max) | 84/2** | 5/2** | 15/3** |
Q(min) | 0476/0** | 0462/0** | 0750/0** |
Q(max) | 0381/0** | 0417/0** | 0571/0** |
همانطور که در شکل 7 نیز برازشی از شیب نمودار سنس استیمیتور بر دادههای متوسط حداقل و حداکثر دما در سه ایستگاه کرمانشاه، اسلام آباد و سرپل ذهاب نمایش داده شده است، میتوان نتیجه گرفت که این شیب دارای روند صعودی بوده و در سطح 95 و 99 درصد معنادار است.
شکل7- برازش نمودار شیب سنس بر متوسط دمای حداقل و حداکثر در سه ایستگاه کرمانشاه، اسلام آباد غرب و سرپل ذهاب
نتیجه‌گیری
در این تحقیق با استفاده از دادههای بارندگی سازمان هواشناسی استان کرمانشاه که در طی 30 سال برای سه ایستگاه کرمانشاه، اسلام آباد غرب و سرپل ذهاب استخراج شد، به بررسی وضعیت خشکسالی در این سه ایستگاه پرداخته شد. در ابتدا با استفاده از نرم افزار DIC به بررسی شدت خشکسالی با استفاده از شاخص استاندارد SPI پرداخته شد و وضعیت خشکسالی و ترسالی در هر سال تعیین شد. در ادامه با استفاده از نرم‌افزار آماری
روند خشکسالی مشخص شده و نتایج نشان داد که هر سه ایستگاه در دوره 30 ساله در وضعیت نزدیک به نرمال قرار دارند. همچنین با استفاده از دادههای متوسط دمای حداقل و حداکثر که برای مدت 30 سال از سازمان هواشناسی استان گرمانشاه تهیه شد به بررسی روند تغییرات دما در طی این دوره با استفاده از نرم‌افزارپرداخته شد. نتایج نشان دادند که روند متوسط دمای حداقل و حداکثر در هر سه ایستگاه افزایشی بوده است. همچنین در انتها با استفاده از دو روش ناپارامتریک مان-کندال و سنس استیمیتور تغییرات متوسط دمای حداقل و حداکثر بررسی و این دو روش نیز روند افزایشی دما را تایید نمودند. در جمع بندی کلی براساس نتایج بدست آمده با توجه به روند نوسانی میزان بارندگی در هرسال و روند افزایشی دما و با توجه به اینکه در طی مدت 30 ساله شرایط نزدیک به نرمالی به لحاظ وضعیت خشکسالی برآورد شده است، میتوان دلایل این امر را در نشانه‌های تغییر اقلیم و گرمایش جهانی جستجو نمود. راهکارهایی به منظور مقابله با آسیبهای ناشی از تغییرات اقلیمی در حوزههای مختلف محیط زیستی، انسانی، اجتماعی و اقتصادی صورت گرفته که نیازمند مدیریت مناسب برای تداوم برنامهریزیهای فعلی به منظور حصول عملکرد بهتر در آینده است.
منابع
تیموری یگانه، ل. تیموری یگانه، م. (1399). کاربرد مدل سری زمانی برای تخمین میزان بارش ماهانه در استان کرمانشاه. نشریه پژوهشهای اقلیم شناسی. سال یازدهم، شماره44، صص 142-137.
جهانگیر، م.ح.، خوش مشربان، م.، یوسفی، ح. (1394). پایش و پیش‌بینی وضعیت خشکسالی با استفاده از شاخص بارندگی استاندارد (SPI) و شبکه عصبی پرسپترون چند لایه (مطالعه موردی: استانهای تهران و البرز). مجله اکوهیدرولوژی. دوره 2، شماره 4.
حجازی زاده، ز.، جوئی زاده ، س. (1389). آشنایی با خشکسالی و شاخص های آن. انتشارات سمت ، ص 358.
حجانی، س.، بذر افشان، ج. (1394). مقایسه دو رهیافت محاسبه شاخص بارندگی استاندارد در اقلیمهای خشک و مرطوب ایران. مجله علوم و مهندسی آبخیزداری ایران. دوره 9، شماره 28، صص 64-61.
شمس نیا، ا. (1386). تعیین طبقه بندی بهینه شاخص استاندارد شده بارش (SPI) در ارزیابی خشکسالیهای استان فارس. سمینار کارشناسی ارشد، دانشگاه آزاد اسلامی واحد فیروز آباد، 48 صفحه.
فرحزاده،م.، موحد دانش، ع.1.، قائمی، ه. (1369). خشکسالی در ایران (با استفاده از برخی شاخصهای آماری). دانش کشاورزی 5(1و2): 52-30.
مقدم، ح.، بداق جمالی، ج.، جوانمرد، س. مهدویان، ع، ل. خزانه داری، م. خسروی،م. ابراهیم پور. (1380). پایش خشکسالی براساس نمایه SPI ، دهکها و نرمال در استان سیستان و بلوچستان. مجموعه مقالات اولین کنفرانس بررسی راهکارهای مقابله با بحران آب، دانشگاه زابل، 80-69.
Chang, T.J.(1989). Characteristics of extreme precipitations. Water resour. Bull. 25(5):1037-1040.
Diaz, H.F. (1983). Som aspects of major dry and wet periods in the contiguous united states,1895-1981.j.climate appl. Meteorol.22:2-16.
Guttman, N. B. (1999). Accepting the standardizedized precipitation index: A calculation algorithm. Journal of American water Resources Association 35(2): 311-322.
Herbst,P.H.,D.B. bredencamp and H.M.G. baker.(1966). a technique for the evaluation of drought from rainfall data. J.hydrol. 4(4):264-272.
Kendall, M. (1975). Rank Correlation Methods, Griffin, London.
Mann, H. B. (1945). Nonparametric tests against trend. Econometrica. 13:245-259.
Mckee, T. B., N. J. Doesken and J. kleist. (1993). The relationship of drought frequency and duration to time scales. Preprints, 8th Conference on Applied Climatology, 17-22 January,Anaheim, CA, 170-184.
Mohan,S. and N.C. rangacharia. (1991). A modified method for drought identification. Hydrol.Sci.J.
Palmer, W. C. (1965). Meteorological drought. U.S. Department of commerce Weather, Bureau Reasearch Paper 45, 58pp.
Serrano, S. M. and J. I. Moreno. (2005). Hyrological response to different time scales of climatological drought: An evaluation of the standardized precipitation index in a mountainous mediterranean basin. Hydrology and Earth System Sciences Discussions 2:1221-1246.
Shafer, B. A. and L. E. Dezman. (1982). Development of a surface water supply index (SWSI) to assess the severity of drought conditions in snow pack runoff areas. Proceedings of The Western Snow Conference pp: 164-175.
