تحلیل تغییرات زمانی- مکانی خشکسالی های فصلی هواشناسی

نویسندگان

1 دانش آموخته مهندسی منابع آب، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران

3 استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

خشکسالی هواشناسی از مهم ترین پدیده های زیان بار جوی است که به طور مستمر و متناوب در هر اقلیمی رخ می دهد. در این پژوهش جهت شناسایی و پهنه بندی مناطق مشابه از لحاظ وضعیت رخداد خشکسالی از روش خوشه بندی استفاده شد. به این منظور، اطلاعات بارش 25 ساله 120 ایستگاه هواشناسی سینوپتیک در کل پهنه جغرافیایی ایران از سازمان هواشناسی کشور اخذ و پس از کنترل کیفی آن ها، شاخص خشکسالی بارش استاندارد شده (SPI) در پنجره زمانی 3 ماهه برای 4 فصل سال محاسبه شد. سپس مقادیر SPI در محیط GIS با روش کریجینگ درون یابی گردید. اطلاعات مقادیر درون یابی شده برای شبکه نقاطی به فواصل 10 کیلومتری، 16203 نقطه استخراج و ماتریسی از داده های درون یابی شده فصلی طی 25 سال تشکیل شد. درنهایت، شبکه نقاط بر اساس اطلاعات شاخص خشکسالی در فصل های مختلف به روش K-means خوشه بندی شدند. نتایج نشان داد که تعداد بهینه خوشه ها در فصل های بهار، تابستان،پاییز و زمستان به ترتیب 8، 10، 9 و 6 عدد می باشد. ضمن آن که نوع سامانه های بارشی که در فصول مختلف وارد ایران می شوند، جهت و شکل خوشه ها را تحت تأثیر قرار می دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Spatial-temporal analysis of seasonal meteorological drought

نویسندگان [English]

  • M. Faghani 1
  • K. Ghorbani 2
  • M. Salarijazi 3
1 M. Sc. Graduate, Water Resource Engineering, Gorgan University of Agricultural Sciences and Natural Resources, Golestan, Iran
2 Associate Professor, Water engineering Department, Gorgan University of Agricultural Sciences and Natural Resources
3 Assistant Professor of Water Engineering Department, Gorgan University of Agricultural Sciences and Natural Resources, Golestan, Iran
چکیده [English]

Meteorological drought is one of the most important natural hazards which frequently occur in any climate. In this study, for regionalization of similar regions from drought situation point of view, a clustering approach was used. For this purpose, 25 years rainfall data of 120 synoptic meteorological stations across Iran were retrieved from IRIMO and examined by routine quality control tests. The drought severity was evaluated using standardized precipitation index (SPI) in a three months window during different seasons of the year. The calculated SPI values were interpolated in Arc GIS environment using Kriging method. The interpolated values formed a matrix consisting 16203 grid points during the 25 years study period. The obtained values were clustered by means of K-means method in different seasons of each year based on SPI values in different seasons. Results indicated that the optimum number of clusters are 8, 10, 9 and 6 for spring, summer, autumn and winter respectively. Besides it was concluded that the type of precipitation systems arriving in Iran during different seasons can affect the clusters direction and shape.

کلیدواژه‌ها [English]

  • Drought
  • Clustering
  • Kriging
  • Standardized precipitation index
  • k-means
اقدسی، ف. 1383. ارزیابی چند روش زمین‌آماری ترسیم میدان عددی بارندگی روزانه و سالانه (مطالعه موردی: دشت برخوار). نشریه آب و خاک، 26(3): 743-752.
بذر‌افشان،ج. ‌1381.‌ ‌مطالعهتطبیقیبرخینمایه‌های خشکسالیهواشناسیدرچندنمونه‌اقلیمیایران.پایاننامه‌کار‌شناسیارشد، دانشگاهتهران،دانشکدهکشاورزیکرج.
پاپلییزدی،م. ح.1378.آیین­هایباران­خواهیدرزمانخشکسالی. فصلنامهعلمیپژوهشیتحقیقاتجغرافیایی، 55: 186-211.
پیری، ‌‌ح.، ‌راهداری، و.، ‌ملکی، س. 1392. ارزیابی تطبیقی چهار نمایه خشکسالی هواشناسی با استفاده از روش تحلیل خوشه‌ای (مطالعه موردی: استان سیستان و بلوچستان). نشریه مهندسی منابع آب، 96: 11- 114.
تقی‌زاده مهرجردی، ‌ر.‌، زارعیان‌جهرمی، ‌م.، محمودی، ‌ش.، ‌حیدری، ‌ا.، سرمدیان، ‌ف. 1387. بررسی روش‌های درون‌یابی مکانی جهت تعیین تغییرات مکانی ویژگی‌های کیفی آب‌های زیرزمینی دشت رفسنجان. ‌نشریه علوم و مهندسی آبخیزداری ایران، 5(2):64-72.
ثقفیان، ‌ب.، رزمخواه، ‌ه.، قرمز‌چشمه، ب. 1391. ‌بررسی تغییرات منطقه‌ای بارش سالانه با کاربرد روش‌های زمین‌آمار (مطالعه موردی‌: استان فارس). نشریه مهندسی منابع آب، 29: 1-39.
چناری، م.‌ 1385. بررسی تغییرات چند نمایه مختلف خشکسالی با استفاده از زنجیره مارکف در نمونه اقلیمی البرز جنوبی. پایان‌نامه کارشناسی ارشد دانشکده کشاورزی دانشگاه تهران .
حیدری، ح.، علیجانی، ‌ب. 1378. طبقه‌بندی اقلیمی ایران با استفاده از تکنیک آماری چند متغیره. پژوهش‌های جغرافیایی، 37: 57- 74.
درویشیبایگی،ن. 1381.پایشخشکسالیبااستفادهازنمایه‌هایخشکسالی،پایان‌نامهکارشناسیارشد،دانشکدهعلوم انسانی،دانشگاهتبریز.
رضیئی، ‌ط.، عزیزی، ‌س. ق. 1386. ‌منطقه‌بندی رژیم بارش غرب ایران با استفاده از روش‌های تحلیل مؤلفه‌های اصلی و خوشه‌بندی. ‌تحقیقات منابع آب ایران، 3(2): 62- 65.
رمضانی،ن. ا. 1380. تحلیلوپیش‌بینیخشکسالی‌هاوترسالی‌هایاستانمازندران.پایان‌نامهکارشناسیارشد،دانشگاه تربیت معلم تهران.
زارعابیانه،ح.، محبوبی. ع. 1383. بررسیوضعیتخشکسالیوروندآندرمنطقههمدانبراساسشاخص‌هایآماری خشکسالی.نشریهپژوهشوسازندگی،64: 2-7.
شکیبا، ‌ع.، ‌میرباقری، ‌غ.، ‌خیری، ‌ا. ‌1389. خشکسالی و تأثیر آن بر منابع آب زیرزمینی در شرق استان کرمانشاه با استفاده از شاخص ‌SPI. ‌‌فصلنامه علمی‌- پژوهشی انجمن جغرافیای ایران، 25: 106- 124.
صفدری،ع. ا. 1382. تحلیلکمیشدت،تداوم،فراوانیوگسترهخشکسالی‌هابهکمکداده‌هایبارندگی (مطالعهموردی: حوضهآبریزکارون).پایان‌نامهکارشناسیارشد،دانشکدهمنابعطبیعی،دانشگاهتهران.
عباسی،ل. 1380. بررسیوارزیابیشاخص‌هایشدتخشکسالیاستانخوزستاندرسالآبی79-1380 مقالاتاولینکنفرانسبررسیراهکارهایمقابلهبابحرانآب،زابل، 3 :55-168.
عیوضی، ‌م.، ‌مساعدی، ‌ا.‌‌1390. ‌‌پایش و تحلیل مکانی خشکسالی هواشناسی در سطح استان گلستان با استفاده از روش‌های زمین‌آماری. نشریه مرتع و آبخیزداری (منابع طبیعی ایران)، 65:1-78.‌‌
قربانی، خ.‌ 1391. رگرسیون وزن‌دار جغرافیایی روشی برای ترسیم نقشه‌های هم‌بارش در استان گیلان. نشریه آب و خاک، 26(3): 743-752.
قربانی، ‌خ.، ‌خلیلی، ‌ع.‌، علوی‌پناه، ‌ک. 1389. مطالعه تطبیقی نمایه‌های هواشناسی خشکسالی ‌‌‌SIAP و SPI به روش داده‌‌کاوی در استان کرمانشاه. ‌نشریه آب و خاک، ‌24(3): 417-426.
مدرس، ‌ر. 1385. توابع توزیع منطقه‌ای بارش در ایران. ‌نشریه پژوهش و سازندگی در منابع‌طبیعی، 75: 86- 91.
مساعدی، ‌ا.، ‌مرعشی، ‌م.‌، کواکبی، ‌غ. 1388. ‌بررسی مقایسه‌ای خشکسالی‌ در مناطق پرباران و کم باران (مطالعه موردی: استان گلستان). ‌نشریه علوم کشاورزی و منابع طبیعی، 16(1): 277-290.
مسعودیان،‌ ا. 1384. شناسایی رژیم بارش ایران به روش تحلیل خوشه‌ای. پژوهش‌های جغرافیایی، 47:52-59.
مؤمنی، م. 1390. خوشه‌بندی داده‌ها (تحلیل خوشه‌ای). انتشارات تهران، 296 صفحه.
Amissa, A., Jagtap, S. ‌S. 1998. ‌Geographic variation in growing season rainfall during three decades in Nigeria using principal component and cluster analysis, Theor. Appl. Climatol., 63: 107-116.
Dupigny, L. 2001. Towards characterizing and planning for drought in Vermont- part i: A climatologically perspective. J. American Water Res. Assoc., 37: 505-525.
Edvards, D. C., McKee, T. B. 1997. Characteristics of 20th century drought in the United States a multiple time scales. Climatology report number 97-2, Department of Atmospheric Science, Colorado State University, Fort Collins.
Gocic, M., Trajkovis, S. 2014. Spatiotemporal characteristics of drought in sebria. J. Hydrol., 510: 110-123.
Macqueen, J. 1967. Some methods for classification and analysis of multivariate observations. In proceedings of the 5th Berkeley symposium on mathematical statistics and probability, 1:281-297.
McKee, T. B., Doesken, N. J., Kleist, J. 1993. The relationship of drought frequency and duration to time scales. In: Proceedings of the Eighth Conference on Applied Climatology. American Meteorol. Soc. Boston: 179-184.
Reiser, H., Kutiel, H. 2007. Rainfall uncertainty in the Mediterranean: definition of the rainy season-A methodological approach. Theor. Appl. Climatol., 94: 35-49.
Rousseuw, P.‌ J. 1987. Silhoettes a graphical aid to the interpretations and validations of clustering analysis. J. Comput. Appl. Math., 20: 53-65.
Serrano, S.‌ M., Lopez-Moreno, J. ‌I. 2005. Hydrological response to different time scales of climatological drought: an evaluation of the standardized precipitation index in a mountainous mediterranean basin. Hydrol. Earth Syst. Sci., 84: 35-46
Silva. V. P. R. 2003. On climate variability in northeast Brazil. J. Arid Environ., 54(2): 256-367.
Tobler, W. ‌R. 1970. A computer movie simulating urban growth in the Detroit region. Econ. Geogr., 46: 234-240.