پيش‌آگاهي وضعيت خشكسالي هواشناسي در گستره ايران با استفاده از مدل زنجيره ماركف

Prediction of meteorological drought conditions in Iran using Markov chain model

مديريت خشكسالي به منظور بهره‌برداري بهينه از منابع آب در مناطق خشك و نيمه‌خشك بسيار ضروري است. يكي از روش‌هاي مديريت خشكسالي، پيش‌آگاهي آن با استفاده از روش‌هاي احتمالاتي است. در اين مطالعه، از آمار بارندگي ماهانه مربوط به 33 ايستگاه سينوپتيك ايران طي دوره آماري 2005-1976 براي پايش و پيش‌بيني وضعيت خشكسالي در كشور استفاده شد، با توجه به وجود دوره‌هاي خشك بيش از شش ماه در برخي از ايستگاه‌هاي مناطق خشك كشور، پايش خشكسالي بر مبناي شاخص بارندگي استاندارد (SPI) در مقياس زماني 6 ماهه انجام شد. براي پيش‌بيني وضعيت خشكسالي تا سه ماه آينده، از مدل زنجيره ماركف مرتبه نخست استفاده شد. آزمون مدل بر مبناي سري زماني شاخص بارندگي استاندارد در ايستگاه‌هاي تحت بررسي نشان داد كه مدل ماركف توانايي شبيه‌سازي رفتار احتمالاتي خشكسالي را در گستره ايران دارد. نتايج حاصل از پيش‌بيني‌هاي يك، دو، و سه گام به جلو در گستره كشور نشان داد كه با فرض هر وضعيتي از نظر بارندگي در كشور در ماه فعلي، بسيار محتمل است كه در ماههاي آتي، خشكسالي‌هاي شديد (9 درصد ايستگاه‌ها) يا وضعيت نرمال (87 درصد ايستگاهها) در منطقه رخ‌دهد. همچنين، پايش خشكسالي بر مبناي سري متوسط منطقه‌اي بارندگي ماهانه در كشور نشان داد كه روند تغييرات شدت خشكسالي‌هاي شديد در كشور رو به افزايش است.

Drought management is very important for optimal water resources application in arid and semi-arid regions. One strategy to manage drought is to predict drought conditions by probabilistic tools. In this study, total monthly precipitation records related to 33 synoptic stations of Iran during 1976-2005 were used to monitor and predict future drought conditions. Regarding the dry periods greater than six months in the arid regions of the country, the Standardized Precipitation Index (SPI) at 6-month timescale was used for drought monitoring. The first-order Markov chain model was employed to predict drought condition up to 3-step ahead. This model was fitted on the SPI series at all stations of interest, and it was identified that can represent the probabilistic behavior of drought over Iran. The results obtained from drought prediction at 1, 2, and 3-step ahead over Iran showed that the occurrence of the severe drought (9 percent of stations) or normal conditions (87 percent of stations) is most probable in the future months, regardless of drought condition at current month. Also, drought monitoring based on aerial mean of monthly total precipitation time series over country showed that the trend of drought severity has been increasing in recent years.