مقایسه نمایه های Spi و Spimod در پایش خشکسالی چند نمونه اقلیمی ایران

مطالعه و پیش بینی خشکسالی مستلزم پایش دقیق این مخاطره آب و هوایی می باشد. نمایه بارندگی استاندارد (spi) پرکاربردترین شاخص در پایش خشکسالی می باشد. اما دارای ایراداتی از جمله عدم درنظرگیری تغییرات فصلی، مشکل خودهمبستگی در پنجره های زمانی بالا و درنظرگیری توزیع پیش فرض گاما برای همه پنجره های زمانی می باشد. در این پژوهش، برای رفع ایرادات spi سعی شد که اولا توزیع مناسب بارش از بین 8 توزیع مختلف انتخاب گردد و ثانیاً برای رفع مشکل تغییرات فصلی از نمایه بارش استاندارد اصلاح شده (spimod) استفاده شد. نمایه های spimod و spi در پنج ایستگاه از نقاط مختلف ایران با شرایط متفاوت دمایی و رطوبتی، در طی دوره ی 55 ساله (2010-1956) با یکدیگر مقایسه شدند. نتایج مناسب ترین تابع توزیع احتمال داده های بارش نشان داد که تابع پیش فرض گاما در هیچ یک از ایستگاه ها جزو توابع منتخب نبود و توابع پرتو عمومی، ویبول و حدنهایی عمومی مناسب ترین توابع توزیع احتمال برازش یافته در ایستگاه های مورد بررسی بودند. مقایسه ضریب همبستگی spi و spimod نشان داد که با افزایش پنجره زمانی ضرایب همبستگی افزایش می یابد. همچنین در مناطق مرطوب دو شاخص مورد بررسی شباهت بیشتری به یکدیگر دارند. بر پایه یافته های به دست آمده، اختلاف چشمگیری بین spi و spimod در همه ایستگاه ها مشاهده شد، که این اختلاف در گام های زمانی کمتر مانند یک، سه و شش ماهه، بسیار محسوس تر از گام های زمانی بالاتر بود و در پنجره های زمانی بیشتر از 12 ماه دو شاخص تقریبا منطبق بر یکدیگر شدند. همچنین نتایج نشان داد اختلاف این دو شاخص در ایستگاه های خشک تر آشکارتر بود. به نظر می رسد spi مخصوصاً در مناطق خشک به جای خشکسالی، خشکی را پایش می کند. بنابراین استفاده از spimod به جای spi به دلیل حذف اثرات فصلی بارش، نتایج دقیق تری ارائه می دهد.

Comparison of SPI and SPImod in Drought Monitoring of Several Climatic Samples of Iran

Drought study and forecasting requires accurate monitoring of this climate risk. Standard precipitation index (SPI) is the most common index in drought monitoring. But there are some shortcomings, such as the lack of seasonal changes, the problem of selfaffiliation in the high time series, and the consideration of the gammachr('39')s distribution function for alltime series. In this research, to resolve the bugs of SPI, it was tried to first select the appropriate distribution of precipitation from 8 different distributions. Secondly, the modified standard precipitation index (SPImod) was used to resolve the seasonal variation problem. The SPImod and SPI indexes were compared in five stations from different parts of Iran with different temperature and humidity conditions during the 55year period (19562010). The results of the most suitable probability distribution function of precipitation data showed that the gamma function was not one of the selected functions in any of the cases and that the Generalpareto, Weibull, and Generalized extreme value functions were the most suitable fitted distribution functions at the stations under study. Comparison of SPI and SPImod correlation coefficient showed that increasing the time series, increases the correlation coefficients. In the wet areas, the two indexes are more similar to each other. Based on the findings, there was a significant difference between SPI and SPImod at all stations, which was less significant at time series than one, three, and six months at a much higher level than in the time series Over the last 12 months, the two indexes almost matched each other. The results also showed that the difference between these two indexes was more pronounced in dryer stations. SPI seems to monitor dryness, especially in dry areas rather than droughts, so the use of SPImod instead of SPI provides more precise results due to the elimination of seasonal effects of precipitation.