ارزیابی و پهنه‌بندی ریسک وقوع بارش‌های حدی در غرب ایران

سابقه و هدف: وقوع بارش‌های حدی به ویژه در مقیاس‌های زمانی کوتاه باعث خسارات سنگینی به جوامع انسانی و مناطق پرجمعیت شهری و اکوسیستم‌های طبیعی می‌شود و مطالعه و شناسایی دقیق آنها از جنبه‌های مختلف کشاورزی و منابع طبیعی، هواشناسی و هیدرولوژی، مهندسی و محیط زیست لازم و ضروری است. شدت آسیب‌پذیری در برابر بارش‌های حدی در مناطق مختلف یکسان نبوده و لازم است خطرپذیری و ریسک وقوع چنین بارش‌های خطرآفرینی در مناطق با شرایط اقلیمی مختلف مورد بررسی قرار گیرد. بر این اساس، هدف از انجام پژوهش حاضر ارزیابی و پهنه‌بندی ریسک وقوع بارش‌های حدی در مقیاس‌های زمانی مختلف 6، 12 و 24 ساعته برای غرب ایران که از تنوع اقلیمی و توپوگرافی چشمگیری برخوردار است می‌باشد. مواد و روش‌ها: برای انجام این تحقیق تعداد 27 ایستگاه سینوپتیک واقع در 5 استان کردستان، کرمانشاه، همدان، ایلام و لرستان انتخاب شدند و مقادیر حداکثر سالانه بارش‌های حدی در سه مقیاس زمانی 6، 12 و 24 ساعته در یک بازه زمانی 25 ساله (2016-1992) استخراج شدند و با برازش توزیع‌های آماری مختلف بر هر کدام از این سری‌ها و با بکارگیری آزمون کای اسکوئر، برازیده‌ترین توزیع‌های آماری شناسایی شدند و از این توزیع‌های آماری شناسایی شده جهت تحلیل‌های احتمالاتی استفاده شد. جهت تعریف بارش‌های حدی سیل آسا در مقیاس‌های 6، 12 و 24 ساعته، به ترتیب از آستانه‌های 30، 40 و 50 میلیمتر استفاده شد و پس از محاسبه ریسک وقوع بارش‌های حدی سیل آسای مذکور در تمامی ایستگاه‌های مورد مطالعه، اقدام به پهنه‌بندی ریسک وقوع بارش‌های حدی سیل آسا در کل منطقه با بکارگیری مدل‌های رگرسیون خطی چندگانه بین مقادیر ریسک و ویژگی‌های جغرافیایی (طول جغرافیایی، عرض جغرافیایی و ارتفاع) گردید. به جهت افزایش دقت مدل‌ها در برخی موارد از متغیر کمکی میانگین درازمدت تعداد روزهای با بارش بیش از 1 میلیمتر در سال نیز در ساختار مدل‌های رگرسیونی استفاده شد و جهت دستیابی به دقت بالاتر مدل‌های رگرسیونی، منطقه مورد مطالعه به سه منطقه مجزا تفکیک شد.یافته‌ها: نتایج نشان داد که از بین توزیع‌های آماری مختلف برازش داده شده به سری‌های زمانی بارش‌های حدی 6، 12 و 24 ساعته در منطقه مورد مطالعه، سه توزیع لوگ لجستیک، پیرسون و گاما بعنوان مناسب‌ترین توزیع‌های قابل برازش شناسایی شدند. به لحاظ دقت مدل‌های رگرسیون خطی چندگانه، نتایج حاکی از دقت بالای این مدل‌ها در هر سه منطقه تفکیک شده و در هر سه مقیاس زمانی 6، 12 و 24 ساعته بود. نتایج کلی تحقیق نشان داد که ریسک وقوع بارش‌های حدی سیل آسا در غرب ایران از تنوع چشمگیری برخوردار است به گونه‌ای که در بخش‌هایی از مرکز منطقه مورد مطالعه این ریسک بسیار پایین و در بخش‌هایی از غرب و جنوب منطقه مورد مطالعه بسیار بالاست. نتیجه‌گیری: نتایج کلی این تحقیق نشان داد که الگوریتم کلی بکار رفته در این تحقیق جهت برآورد توزیع مکانی ریسک وقوع بارش‌های حدی سیل آسا منجر به حصول دقت‌ مناسب و قابل قبول در برآورد منطقه‌ای و تعمیم نتایج حاصل از نقاط ایستگاهی به کل منطقه گردید. لذا لازم است در نقاطی که بارش‌های حدی خطرآفرینی بالاتری دارند با اهتمام بیشتر، تمهیدات مقتضی جهت مقابله با پیامدهای منفی وقوع این بارش‌ها در این نواحی اتخاذ گردد.

Evaluating and Zoning of the Extreme Rainfalls Occurrence Risk in West of Iran

Background and Objectives: Occurrence of extreme rainfalls specifically in shorttime scales causes heavy damages to human communities, municipal crowd regions and natural ecosystems. Studying and precise identifying of extreme rainfalls is essential and crucial in different agriculture and natural resources, meteorology and hydrology, engineering and natural environment aspects. The damage intensity of extreme rainfalls does not equally act in different regions and it is essential to assess the risk extent of such hazardeous rainfalls in regions with different climatic conditions. Therefore, the aim of this study is to identify and zoning of extreme rainfall occurrence risk in different 6, 12 and 24hour time scales for West parts of Iran, which has a noticeable diversity in terms of the climatic and topographic conditions. Materials and Methods: to perform this research, a number of 27 synoptic stations located in five provinces including Kurdistan, Kermanshah, Hamedan, Ilam and Lorestan were selected and the maximum annual values of extreme rainfalls in three time scales of 6, 12 and 24hours in a 25 year time period (19922016) were extracted and by fitting different statistically distributions to each of these time series and by adopting the Chisquare test, the statistical distributions with best fit were regoized and were used to performing propabilitistic analyses. The 30, 40 and 50 mm thresholds were used to defining the torrential extreme rainfalls in 6, 12 and 24hours time scales, respectively and after calculating the risk extents of the mentioned torrential extreme rainfalls for all of the studied stations, the risk zoning of torrential extreme rainfalls occurrence was performed by applying the multiple linear regression models between the risk extents and geographical properties (longitude, latitude and elevation) for all of the studied region. To enhancing the models accuracy, the longterm average of the number of days per year with precipitation greater than 1 mm was employed in the structure of the regression models as auxiliary variable in some cases and to achieve higher accuracy of regression models, the studied region was divided into three distinct regions. Results: The results showed that among different fitted statistical distributions to the time series of extreme rainfalls of 6, 12 and 24hours in the studied region, three distributions including LogLogistic, Pearson and Gama were recognized as the best fit distributions. In terms of the accuracy of the multiple linear regression models, the results showed the high accuracy of these models for all of the three distinct regions and whole of three time scales of 6, 12 and 24hours. The overall results of this research showed that the risk occurrence of the torrential extreme rainfalls in West of Iran has a notable diversity so that this risk is very low in some centarl parts and very high in some west and south parts of the studied region. Conclusion: The overall results of this research revealed that the general applied algorithm of this research to estimating spatial distribution of torrential extreme rainfalls ocuurence risk was led to obtaining the appropriate and acceptable accuracy in regional estimating and generalizing the stational point results to the regional scale. Therefore, it is essential to adopt appropriate tasks and more attention in contrast to the negative consequences of the extreme rainfalls in the parts with higher degree of risk occurence.