پديد آورندگان :
زارعي، عبدالرسول دانشگاه فسا، فارس , مقيمي، محمد مهدي دانشگاه فسا، فارس , بهرامي، مهدي دانشگاه فسا، فارس
كليدواژه :
خشكسالي , شاخص استاندارد بارش , زنجيره ماركوف , پيش بيني خشكسالي , ايران
چكيده فارسي :
خشكسالي يكي از بخش هاي جدايي ناپذير نوسانات اقليمي است كه سالانه خسارات زيادي را به بخش هاي مختلف وارد مي سازد. با توجه به اثرات خشكسالي بر بخش هاي مختلف محيط زيست، كشاورزي، منابع طبيعي، حيات وحش و... پيش بيني آن مي تواند براي مديريت بحران و كاهش خسارات ناشي از آن مفيد باشد. در پژوهش حاضر، خشكسالي ماهانه بر اساس شاخص استاندارد بارش در 12 ايستگاه موجود در جنوب شرق كشور طي سال هاي 1980 تا 2014 محاسبه گرديد؛ سپس با استفاده از زنجيره ماركوف اقدام به پيش بيني خشكسالي ماهانه براي سال هاي 2015 تا 2020 شد. طبق نتايج، بيشتر ايستگاه ها از نظر خشكسالي داراي وضعيت نرمال، متوسط و شديد هستند. ماتريس احتمال انتقال نشان داد كه در تمامي ايستگاه ها، احتمال گذر از يك حالت معين به همان حالت و احتمال گذر از حالت مرطوب به خشك، زياد؛ اما احتمال گذر از حالت خشك به تر، كم است. همچنين نتايج پيش بيني در ايستگاه هاي مختلف با سطح دقت متفاوت (در ايستگاه هاي ايران شهر، زابل، زاهدان، بم و سراوان، دقت پيش بيني 75%، در ايستگاه هاي جاسك، بندرعباس، كرمان و شهر بابك دقت پيش بيني ۷۹/۱٪ و در ايستگاه هاي بندر لنگه، چابهار و سيرجان، دقت پيش بيني ۸۳/۳٪) نشان داد كه بيشترين احتمال وقوع خشكسالي طي سال هاي 2015 تا 2020 مربوط به كلاس هاي نرمال، متوسط و شديد است و در سطح منطقه مورد بررسي كلاس هاي 1 تا 7 خشكسالي به ترتيب ۱۳/۳، ۲۵/۸۱، ۲۶/۷۴، ۳۶/۱۱، ۴/۷۵، ۲/۸۷ و ۰/۶۹٪ از ماه هاي پيش بيني شده را دربر مي گيرند.
چكيده لاتين :
Drought is an inseparable part of climatic fluctuations which caused a lot of damages to different sections annually. Prediction of drought is recognized really useful in management of crisis and reduction of damages due to its the effect on different parts of environment, agricultural sections, natural resources, and wild life. In this research, monthly drought in 12 synoptic stations located in southeast of Iran during 1980 -2014 were calculated based on SPI index, Then, using Markov chain method, monthly drought during 2015- 2020 were predicted. Based on the results, in the most synoptic stations, normal, moderate dry and severe dry classes of drought have the highest frequency of occurrence. Transition probability matrix showed that, in all synoptic stations, probability of passing from a specific drought condition to the same drought condition and probability of passing from wet conditions to dry conditions were high, but the probability of passing from the dry conditions to wet conditions were low. Results of prediction in different synoptic stations with different of accuracy level (In Iran Shahe, Zabol, Zahedan, Bam and Saravan stations accuracy of prediction were 75%, In Jask, Kerman, Bandar Abbas and Shahr Babak stations accuracy of prediction were 79.1% and In Bandar Lengeh, Chahbahar and Sirjan stations the accuracy of prediction were 83.3%,) showed that, from 2015 to 2020 the normal, moderate and severe drought classes will be the highest probability of drought occurrence. In the study area, the classes of drought (from 1 to 7) are 13.3, 25.81, 26.74, 36.11, 4.75, 2.87 respectively and 0.69 percent of predicted months will be appropriated.
