پايش و پيش بيني خشكسالي در استان كرمان با استفاده از شاخص DI و پهنه بندي آن با روشهاي زمين آماري

Monitoring Drought by Using DI index and Zoning by Using Geostatistical Methods

خشكسالي يك پديده آب و هوايي است كه احتمال وقوع اين پديده در همه ي نقاط كره زمين و با هر شرايط اقليمي وجود دارد. پديده خشكسالي يكي از مهم ترين بلاياي طبيعي است كه بسياري از كشورها را تحت تاثير خود قرار داده و باعث بروز بسياري مشكلات از جمله اقتصادي، اجتماعي، سياسي و فرهنگي شده است. بر اين اساس سيستم هاي پايش در تدوين طرح هاي مقابله با خشكسالي و مديريت آن از اهميت زيادي برخوردار است. آگاهي از وضعيت خشكسالي، با پيش بيني و پهنه بندي شدت خشكسالي مي تواند خطر زيان هاي ناشي از اين پديده را تا حد قابل توجهي كاهش دهد. در اين تحقيق استان كرمان به عنوان منطقه مطالعاتي انتخاب شد. هدف از اين پژوهش ارزيابي دقت روش هاي كريجينگ، كوكريجينگ و معكوس فاصله در تهيه ي نقشه هاي شدت خشكسالي رخ داده در استان كرمان با استفاده از شاخص دهك ها مي باشد. بدين منظور 44 ايستگاه هواشناسي كه داراي آمار بلندمدت و پايه زماني مشترك 20 ساله بودند، انتخاب گرديدند. سپس شاخص خشكسالي دهك ها براي دوره آماري محاسبه گرديد. نقشه هاي پهنه بندي خشكسالي براي سال هاي 1367، 1372، 1378، 1379، 1381 و 1384 با استفاده از سه روش كريجينگ، كوكريجينگ و معكوس فاصله توليد شد. جهت تعيين كارآيي هر يك از اين روشها از RMSE استفاده شد. از بين سه روش پهنه-بندي، روش كريجينگ و كوكريجينگ به دليل داشتن خطاي RMSE پايين تر به عنوان مناسب ترين روش ها انتخاب گرديدند. نتايج اين پژوهش نشان داد كه شديدترين خشكسالي ها در سال هاي 1378 و 1379 به وقوع پيوسته است.

Drought is a climatic phenomenon that there is probability of its occurrence in all parts of the planet and every climate. Drought Phenomenon is one of the most important disasters that affected many countries in terms of economic, social, political and cultural. Monitoring systems are important in developing plans for coping with drought and its management. Awareness of drought locations, prediction and zoning of drought severity can greatly be decreased the damages of this phenomena. The aim of this study is the accuracy evaluation of Kriging, Co-kriging and Inverse Distance Weights methods in providing maps of severity drought in Kerman province as case study by DI Index. In this respect, 44 meteorological stations that have 20-year long statistics are selected. Drought zoning maps are recognized by three methods of Kriging, Co-kriging and Inverse Distance Weights from 1367, 1372, 1378, 1379, 1381 to 1384. Between of three methods of zoning, Kriging and Co-kriging methods ,having the lowest error RMSE, were selected as the most appropriate method. The results showed the most severe drought occurred from 1378 to 1379.