بررسي وضعيت خشكسالي كشاورزي بر اساس رطوبت خاك در ايستگاه سينوپتيك قزوين

Status of Agricultural Droughts Based on Soil Moisture in Qazvin

از ديدگاه كشاورزي، خشكسالي زماني كه رطوبت خاك از نياز واقعي محصول كمتر باشد و منجر به خسارت در محصول شود، اتفاق مي افتد. براي بيان كمي خشكسالي، از شاخص هاي خشكسالي استفاده مي شود كه بيشتر از بارندگي براي محاسبه اين شاخص ها استفاده مي شود. اما خشكسالي از نظر كشاورزي بيشتر به رطوبت خاك توجه نموده و خاك را به عنوان محيط اصلي براي تامين نياز آبي در نظر مي گيرد. از مهمترين شاخص هاي خشكسالي كه رطوبت خاك را به عنوان پارامتر ورودي در نظر مي گيرد مي توان به شاخص خشكسالي رطوبت خاك (SMDI) اشاره كرد. اما براي برآورد رطوبت خاك مستلزم استفاده از مدل هايي براي تخمين آن است. هدف از اين تحقيق، شبيه سازي رطوبت خاك با استفاده از مدل AquaCrop و استفاده از اين نتايج در تعيين شاخص خشكسالي SMDI و مقايسه آن با شاخص هاي خشكسالي بر اساس بارندگي مثل PNI، DI، SPI و CZI بين سال هاي 2008-1982 در ايستگاه سينوپتيك قزوين است. نتايج شبيه سازي رطوبت خاك با استفاده از مدل AquaCrop نشان داد تغييرات ماهيانه رطوبت خاك در عمق پنج سانتي متري بسيار شديد است. با افزايش عمق، تغييرات رطوبت خاك كمتر مي شود. از عمق حدود 40 سانتي متر به بعد، رطوبت ثابت باقي مي ماند. مطوب ترين سال در ايستگاه موردنظر با توجه به مقدار شاخص SDMI با مقدار 7/2 در سال 1994 با مقدار و شديدترين خشكسالي با مقدار 5/1- در سال هاي 1997، 1999 و 2008 رخ داده است. در مورد شاخص هاي ديگر، بيشترين و كمترين مقدار شاخص هاي خشكسالي مطابق با تغييرات بارندگي و در سال هاي 1982 و 2008 مي باشد. نكته بسيار مهم در مورد شاخص SMDI اين است كه اين شاخص علاوه بر شرايط كنوني رطوبت خاك به شرايط سال قبل نيز توجه دارد. شاخص SMDI كمترين ضريب تعيين را با شاخص هاي خشكسالي ديگر و همچنين با بارندگي و تبخير نشان مي دهد

Agricultural drought occurs when soil moisture is less than that required for the optimized production and damages crop yield. Drought indexes are used for monitoring purposes and in some of these indicators rainfall data are used. But, agricultural droughts indexes use soil moisture data. Among the most important drought indexes that use soil moisture as input parameter, soil moisture drought index (SMDI) can be noted. Generally, mathematical models are used for soil moisture estimation. The objective of this study was to estimate soil moisture using AquaCrop model and to calculate SMDI with this estimation and compare it with the rainfall-based drought indexes such as PNI, DI, SPI and CZI, using Qazvin synoptic station data of 1982-2008. The results of soil moisture estimation using AquaCrop showed that monthly changes in soil moisture at 5 cm depth were very strong. With increasing depth, soil moisture changes were less and remained constant after 40 cm of depth. Average values of SMDI, PNI, DI, SPI and CZI were, respectively, 0.4 1.2, 100 26.2, 0.04 2.6, 0.0 1.0, and 0.0 1.0. Based on SMDI, the wettest year was 1994 while the driest years were 1997, 1999 and 2008. But, based on other indexes, the wettest and driest years were 1982 and 2008. The main point for SMDI is that, in addition to the current season soil moisture conditions, the index uses soil moisture conditions of the previous year to calculate SMDI. According to our results, SMDI had low coefficient of determination with the other drought indexes, rain, and evaporation.