پايش بلند مدت خشكسالي هاي اروميه با استفاده از شاخص كمبود توام

Longterm Drought Monitoring of Urmia Using Joint Deficit Index (JDI)

پايش و پيش بيني خشكسالي ها، بويژه تعيين دقيق زمان شروع و تداوم آن، اهميت ويژه اي در مديريت منابع آبي و برنامه ريزي جهت كاهش اثرات مخرب خشكسالي دارد. در اين مطالعه خشكسالي هاي هواشناختي اروميه در دوره آماري2011-1951 با استفاده از شاخص كمبود توام (JDI) و شاخص بارش استاندارد شده متداول (SPI) و شاخص SPI اصلاح شده ( ) مورد بررسي قرار گرفت. نتايج نشان داد كه استفاده از شاخص تا حدود زيادي معايب SPI متداول را برطرف مي كند و تغييرات فصلي بارش را در محاسبه شاخص SPI لحاظ مي نمايد. با اين حال شاخص نيز همانند شاخص SPI متداول به مقياس زماني حساسيت نشان مي دهد، زيرا ممكن است نتايج ناسازگار در مقياس هاي زماني مختلف ظاهر شود و اين موضوع باعث سردرگمي محققان در ارزيابي خشكسالي ها مي شود. براي حل اين مشكل از شاخص كمبود توام استفاده شد. شاخص JDI با ايجاد توزيع توام شاخص هاي با مقياس هاي زماني 1 تا 12 ماهه با استفاده از توابع مفصل بدست مي آيد. نتايج محاسبه شاخص JDI نشان داد كه اروميه يك سلسله خشكسالي بلندمدت و شديد (1-JDI < ) را در خلال سال هاي 1996 تا 2011 تجربه كرده است. بطوريكه در اين دوره (2011-1996) از كل 192 ماه، 101 ماه خشك (JDI < 0) بوده است. همچنين دوره هاي خشك از شدت بيشتري (نسبت به دوره هاي تر) برخوردار بوده اند. اين خشكسالي ها عواقب زيست محيطي وخيمي از جمله خشك شدن درياچه اروميه را بهمراه داشته است.

Monitoring and prediction of droughts, especially accurate determination of its emersion time and duration, are very important in water resources management and developing drought mitigation strategies. In this study, meteorological drought conditions in Urmia station during 1951-2011 were evaluated by means of the modified Standardized Precipitation Index (SPImod) and the Joint Deficit Index (JDI). Results showed that use of the modified SPI covered some flaws of the traditional SPI, and took into account the seasonal variation of precipitation. Nevertheless, the modified SPI same as the traditional SPI is sensitive to the time scale and it can lead to confusion because inconsistent results may emerge under different time scales. In order to resolve this issue, the JDI was used. The JDI was calculated through constructing the joint distributions of multiple modified SPIs with time scales 1 to 12 months using copula functions. The results indicated that the Urmia station had experienced a prolonged and sever (JDI < -1) drought during 1996-2011, as 101 out of 192 months were dry (JDI < 0). Also, the dry periods had more severity than the wet periods. These drought events led to serious environmental consequences such as Urmia Lake drying up.