ارزيابي خشكسالي هيدرو-‌‌ متئورولوژيكي برپايه شاخص تلفيقي خشكسالي و پيش‌‌بيني آن با زنجيره ماركوف در حوضه رودخانه سرباز (جنوب شرق ايران)

Hydro-Meteorological Drought Assessment Based on Aggregate Drought Index (ADI) and its prediction with Markov Chain in Sarbaz River Basin (Southeast of Iran)

خشكسالي يك ناهنجاري آب و هوايي است كه با كمبود (نبود) بارش و مُهيايي منابع آب در پهنه جغرافيايي بزرگ پيوند داشته و در طول دوره قابل توجهي از زمان گسترش مي يابد كه مي تواند بخش هاي مختلف از زندگي و محيط زيست را متأثر سازد. يكي از روش هاي خيلي رايج در ارزيابي و پايش خشكسالي، محاسبه شاخص هاي خشكسالي مي باشد. گسترش فضايي و زماني و شدت(سختي) خشكسالي با استفاده از اين شاخص ها مشخص مي گردد. در اين بررسي، شاخص تلفيقي خشكسالي(هيدرو متئورولوژي) براي ارزيابي خشكسالي هاي آب شناختي و هواشناختي حوضه رودخانه سرباز در جنوب شرق ايران استفاده شده است. شاخص تلفيقي خشكسالي به طور جامع همه اشكال فيزيكي خشكسالي(هواشناختي، هيدرولوژيكي و كشاورزي) را از طريق انتخاب متغيرهاي مرتبط به هر نوع خشكسالي شامل مي شود. در اين مورد، ارزش هاي ماهانه شاخص خشكسالي جريان رودخانه اي و شاخص بارش استاندارد شده براي چهار دوره مرجع مشابه تحت يك تحليل مؤلفه مبنا قرار گرفته و براساس مؤلفه نخست آن، شاخص تلفيقي هيدرو متئورولوژيكي ايجاد شده است. دوره مورد بررسي از سال آبي 61-1360 تا 90 -1389 شمسي و سرآغاز سال آبي نيز از ماه مهر تعيين گرديده است. براساس نتايج شاخص تلفيقي خشكسالي، يك دوره بزرگ خشكسالي از سال آبي 79-1378 الي 85-1384 در جنوب شرق ايران حاكم بوده است كه شدت آن در سال آبي 83-1382 فوق العاده خشك بوده است. روش شناسي شاخص تلفيقي خشكسالي، يك رويكرد عيني و واضح براي توصيف شدت خشكسالي فراهم مي كند. شاخص تلفيقي خشكسالي به خوبي قادر به نمايش رفتار خشكسالي هاي هيدرو متئورولوژيكي محدوده مورد مطالعه بوده و به عنوان شاخص تركيبي براي پايش و ارزيابي خشكسالي منطقه اي توصيه مي گردد. در نهايت، حالت هاي خشكسالي هيدرو متئورولوژيكي براساس آستانه هاي قراردادي منطقه اي استخراج و از طريق زنجيره ماركوف مدل سازي شده اند كه اجازه مي دهد تا برآورد فراواني انتقال حالت خشكسالي انجام گيرد و پيش بيني حالت خشكسالي آينده در زمان واقعي امكان پذير گردد. ماتريس هاي فراواني انتقال حالت، ابزارهاي اصلي براي پيش بيني حالت خشكسالي در زمان واقعي مي باشند. نتايج اعتبارسنجي و انطباق پيش بيني ها با واقعيت ها بيانگر آن است كه پيش بيني هاي انتقال حالت هاي خشكسالي آب شناختي در حوضه مورد مطالعه به روش زنجيره ماركوف داراي اعبتار مي باشد.

Drought is a climatic anomaly that associates with a significant decrease (lack) of precipitation and water resources availability, which spreads on vast temporal and spatial scales, and significantly affects various aspects of life and environment. One of the most common methods of drought assessing and monitoring is calculating drought indices (DIs). Drought areal and temporal extent and its severity are determined by these indices. In this study, an aggregate drought index (HydroMeteorological) has been developed for the assessment of hydrological and meteorological droughts in Sarbaz river basin located in southeastern of Iran. The Aggregate Drought Index (ADI) comprehensively considers all physical forms of drought (meteorological, hydrological, and agricultural) through selection of variables that are related to each drought type. In this case, monthly values of Stream flow Drought Index (SDI) and Standardized Precipitation Index (SPI) indicators were used for four similar reference periods with principle component analysis and aggregate hydrometeorological index was defined based on its first component. The study time span was set between 198182 to 201011, which begins of October in Iran. Results based on the aggregate drought index (ADI) revealed that a long period of hydrometeorological drought occurred from 19992000 to 2005/06 in southeast of Iran, in which, 2003/04 water year has been extremely a drought year. The ADI methodology provides a clear, objective approach for describing the intensity of drought. This index is appropriately able to represent the behavior of HydroMeteorological droughts and recommended as an integrated index for assessing and monitoring of regional droughts. Finally, different states of hydrometeorological drought have been extracted based on conventional regional thresholds, and have been modeled by Markov chain. This made the estimation of drought state transition frequency possible, and made the prediction of next drought state time more real. State transition frequency matrices, are the main instruments for predicting drought states in real time. Results of validation tests and conforming the predicted results with real data indicate that predicting hydrological drought state transitions in the study area using Markov chain method is valid.