پديد آورندگان :
خاني تمليه، ذبيح الله دانشگاه اروميه - گروه مهندسي آب، اروميه , رضايي، حسين دانشگاه اروميه - گروه مهندسي آب، اروميه , ميرعباسي نجف آبادي، رسول دانشگاه شهركرد - گروه مهندسي آب، شهركرد
كليدواژه :
تحليل دومتغيره , خشكسالي هواشناسي , تابع مفصل , ريسك , الگوريتم بهينه‌سازي ازدحام ذرات (PSO)
چكيده فارسي :
خشكسالي به‌عنوان يك وضعيت كمبود آب طولاني‌مدت، موضوعي چالش‌برانگيز در مديريت منابع آب است. اين پديده يكي از بلاياي طبيعي پرهزينه و كمتر شناخته شده است. پايش و پيش‌بيني خشك‌سالي‌ها، به‌ويژه تعيين دقيق زمان شروع و تداوم آن و همچنين تحليل ريسك خشكسالي، اهميت ويژه‌اي در مديريت منابع آبي، تعيين الگوي كشت مناسب و برنامه‌ريزي جهت كاهش اثرات مخرب خشكسالي دارد. هدف از اين پژوهش، تحليل دومتغيره شدت و مدت خشك‌سالي‌هاي هواشناسي هشت ايستگاه واقع در غرب و شمال غرب ايران با استفاده از توابع مفصل، شاخص ريسك خشكسالي و الگوريتم بهينه‌سازي ازدحام ذرات (PSO) است. بدين منظور، برازش 10 تابع مختلف مفصل براي ايجاد توزيع توأم متغيرهاي شدت و مدت خشكسالي مورد آزمون قرار گرفت. همچنين ريسك خشكسالي بر اساس شاخص-هاي برگشت‌پذيري، آسيب‌پذيري، اعتمادپذيري و شاخص ريسك خشكسالي مورد ارزيابي قرار گرفت. بكار بردن توابع مفصل متعدد، محاسبه ريسك خشكسالي بر اساس شاخص‌هاي آن، بكار بردن الگوريتم PSO جهت تعيين ضرايب بهينه شاخص‌ها و استفاده از شاخص SPImod براي استخراج مشخصه‌هاي خشكسالي از اهم نوآوري‌هاي اين تحقيق است، كه براي اولين بار صورت گرفته است.
در اين تحقيق، از توابع مفصل به‌منظور ايجاد توزيع توأم دومتغيره خشكسالي (شدت و مدت) در مناطق غرب و شمال غرب كشور استفاده شد. پس از محاسبه مقادير شاخص بارش استاندارد شده اصلاحي (SPImod) در هر ايستگاه، متغيرهاي شدت و مدت خشكسالي استخراج گرديد. همچنين تابع مفصل برتر در هر ايستگاه پس از بررسي برازش 10 تابع مفصل مختلف بر اساس آماره‌هاي ارزيابي تعيين گرديد. ريسك خشكسالي (DRI) بر اساس شاخص‌هاي برگشت‌پذيري، آسيب‌پذيري و اعتمادپذيري محاسبه شد. به‌منظور تعيين مقدار بهينه ريسك از الگوريتم PSO استفاده شد. در تحقيقات ديگري در سطح دنيا قبلا شاخص ريسك بر مبناي روش DRI و روش‌هاي ديگر ريسك محاسبه شده است، اما مبناي كار آنها الگوريتم PSO و شاخص SPImod نبوده است، همچنين در آنها تعداد توابع مفصل كمتري بكار برده شده است.
نتايج نشان داد در منطقه مورد مطالعه بين متغيرهاي شدت و مدت خشكسالي هواشناسي همبستگي بالايي وجود دارد. سپس برازش چند خانواده از مفصل‌هاي دوبعدي به‌منظور ايجاد توزيع توأم مدت و شدت خشكسالي مورد آزمون قرار گرفت و مناسب‌ترين تابع مفصل بر اساس آماره‌هاي ميانگين مربعات خطا و حداكثر لگاريتم درستنمائي (Maximum log-likelihood) براي هر ايستگاه انتخاب شد. پس از ايجاد توابع توزيع توأم مبتني بر مفصل برتر در هر ايستگاه، برخي از خصوصيات احتمالاتي خشكسالي از قبيل احتمالات توأم، دوره‌هاي بازگشت دومتغيره، احتمالات شرطي و دوره‌هاي بازگشت شرطي محاسبه شد. همچنين مقادير دوره بازگشت كندال محاسبه و با تعريف استاندارد دوره بازگشت توأم مقايسه شد. نتايج نشان داد كه در يك سطح احتمال بحراني معين، t، مقدار دوره بازگشت كندال بزرگ‌تر از دوره بازگشت استاندارد متناظر است و اين تفاوت با افزايش مقدار t، افزايش مي‌يابد. در ادامه جهت محاسبه مقدار ريسك خشكسالي، ابتدا مدت زمان خشكسالي براي هر ايستگاه با استفاده از شاخص SPImod استخراج گرديد، سپس مقادير شاخص‌هاي آسيب‌پذيري، اعتمادپذيري و برگشت‌پذيري محاسبه گرديد و با استفاده از الگوريتم PSO مقادير بهينه ضرايب w1، w2 و w3 براي ايستگاه‌هاي مورد مطالعه به ترتيب 0/08، 0/7 و 0/22 به دست آمد كه به ازاي ضرايب مذكور، شاخص ريسك هر ايستگاه كمينه مي‌گردد. سپس مقدار بهينه شاخص ريسك خشكسالي كه براي مقادير وزن مذكور كمينه شده، براي هر ايستگاه محاسبه گرديد. نتايج حاصل نشان داد كه كمترين ميزان ريسك مربوط به ايستگاه خرم‌آباد (برابر 0/565) و بيشترين آن مربوط به ايستگاه كرمانشاه (برابر با 0/617) است.
چكيده لاتين :
Drought as a long-term water scarcity situation is a challenging issue in water resources management. This phenomenon is one of the expensive and less well-known natural disasters. Monitoring and forecasting droughts, especially the precise timing of its onset and its duration, and also the risk analysis of drought is of particular importance in water resources management, determining suitable cropping pattern and planning to decrease the adverse effects of droughts. The purpose of this study was bivariate analysis of the severity and duration of meteorological droughts in eight stations located in west and northwest of Iran using copula functions, drought risk index and particle swarm optimization (PSO) algorithm. For this purpose, the fitness of 10 different copula functions was examined to create a joint distribution of drought severity and duration variables. The drought risk was also evaluated based on the indices of resiliency, vulnerability, reliability, and drought risk index. For the first time, applying numerous copula functions, calculating the drought risk based on its indices, applying the PSO algorithm to determine optimal weight coefficients of indices, using the SPImod index for extracting the drought characteristics are the important innovations of this research.
In this study, the copula functions were used to create a bivariate drought distribution (severity and duration) in the western and northwestern regions of the country. After calculating the SPImod index values at each station, drought severity and duration variables were extracted. Also, the best copula function at each station was determined after evaluating the fitness of 10 different copula functions based on the evaluation statistics. Drought risk index (DRI) was calculated based on the indices of resiliency, vulnerability, and reliability. PSO algorithm was used to determine the optimum risk. In other previous researches around the world, the risk index has been calculated based on the DRI method and other risk methods, but the PSO algorithm and SPImod index have not been used, also the fewer type of copula functions have been used.
The results showed that there is a high correlation between severity and duration of meteorological drought in the study area. Then, the fitness of some two-dimensional copula families were examined based on the mean square error and maximum log-likelihood statistics to select the best fitted copula for each station. Then the joint distribution of duration and severity of drought were constructed by the selected copula function for every studied station. After constructing the joint distribution based on the selected copula functions at each station, some probability properties of drought, such as joint probabilities, bivariate return periods, conditional joint probabilities and conditional return periods were calculated. Also, the Kendall return period values were calculated and compared with the standard definition of the joint return period. The results showed that at a certain critical probability level, t, the Kendall return period is greater than the corresponding standard joint return period, and this difference increases with increasing t value. To calculate the drought risk value, at first the drought duration for each station was extracted by SPImod index, then the values of vulnerability, reliability and resiliency indices were calculated and the optimal values of coefficients of w1, w2, w3 were obtained equal to 0.08, 0.7 and 0.22, respectively by the PSO algorithm. Then the value of the optimal risk index, which was minimized for the mentioned coefficients of the risk index were calculated for each station. The results showed that the lowest risk was belonged to the Khoramabad station (0.565) and the highest one was related to the Kermanshah station (0.617).
