پيش‌بيني خشك‌سالي استان اصفهان با استفاده از الگوهاي مختلف سري زماني

Drought forecasting in Isfahan province using different time series analysis

بارندگي يكي از عوامل اصلي در ايجاد خشك‌سالي است كه كم‌بود آن، جريان‌هاي سطحي و زيرزميني، درياچه‌ها و به‌طور كلي منابع آب را به‌شدت تحت تاثير قرار مي‌دهد. پيش‌بيني بارندگي در سال‌هاي آينده مي‌تواند در برنامه‌ريزي منابع آب موثر واقع شود. الگوهاي سري زماني، اين امكان را در اختيار برنامه‏‌ريزان منابع آب قرار مي‌دهد. هدف از انجام پژوهش حاضر پيش‌بيني خشك‌سالي استان اصفهان با برازش الگوهاي مختلف سري زماني به داده‌هاي ماهانه بارندگي ايستگاه‌هاي استان مي‌باشد. الگوهاي مورد بررسي شامل ماهانه و ماهانه فصلي، نمايي سالانه و ميانگين متحرك سه، پنج، هفت‌ساله و سينوسي مي‌باشد. ايستگاه‌هاي هواشناسي مورد استفاده براي تحليل سري زماني 24 ايستگاه است كه طول دوره آماري آن‌ها متغير و بين حداكثر 44 سال (2000-1957) و حداقل 11 سال (1997-1987) قرار داشت. نتايج نشان مي‌دهد كه ايستگاه‌هاي مورد مطالعه از نظر برازش الگوي ARIMA به سه گروه مناسب، نامناسب و متوسط تقسيم شده كه به‌ترتيب نه، پنج و چهار ايستگاه در آن قرار مي‏گيرد. هم‌چنين، نتايج نشان مي‌دهد كه ايستگاه‌هاي اصفهان و كاشان علي‌رغم آمار بارندگي طولاني، داراي برازش نامناسب‌تري نسبت به ديگر ايستگاه‌هاي منطقه مي‌باشند. بنابراين، صرف طولاني بودن آمار بارندگي نمي‌توان برازش بهتر سري زماني را انتظار داشت. با توجه به نتايج حاصل مي‌توان اظهار داشت كه استفاده از الگوهاي ARIMA به‌منظور مدل‌سازي سري ميانگين متحرك سالانه مي تواند در بررسي روند خشك‌سالي سودمند واقع شده و به‌عنوان الگوهايي براي اين رفتار باشد.

The most important factor of drought analysis is rainfall. All resources which are supported by rainfall, such as, surface streams; groundwater and lakes, are affected by deficit of rainfall. Analysis of past rainfall statistics indicates a pattern. Forecasting future rainfall can be used in water resources planning. This opportunity can be provided by time series patterns. The aim of this research is drought forecasting of Isfahan Province, by fitness of various models with rainfall data. Studied models are included in monthly, monthly-seasonally, annual-exponential, moving average (3, 5, 7) and sinusoidal. 24 meteorology stations have been studied in the time series analysis. The at-site statistic period ranges between maximum 44 years (1957-2000) to minimum 11 years (1987-1997). By regarding ARIMA model fitness, the results indicate that the studied stations are divided to three groups as high, medium and low quality. These groups are included 9, 5, 4 stations, respectively. Although Isfahan and Kashan have been owned long-term rainfall data, they have less suitable fitness than the other stations. Therefore, by only having long-term rainfall data, it cannot be expected the better fitness of time series. Using ARIMA for annual moving average modeling can be effective in drought pattern analysis and have been presented the good patterns.