مدل‌سازی و پیش‌‌‌بینی خشکسالی فصلی با استفاده از شاخص Rdi و مدل‌های سری زمانی (مطالعۀ موردی: ایستگاه سینوپتیک تهران)

خشکسالی از مهم ترین بلایای طبیعی تاثیرگذار در بخش کشاورزی و منابع آب می باشد که فراوانی وقوع آن به ویژه در مناطق خشک و نیمه خشک بسیار زیاد است؛ بنابراین اهمیت توجه به شبیه سازی و پیش بینی خشکسالی، بیش از پیش ضروری می نماید. در این مطالعه، با استفاده شاخص خشکسالی rdi و مدل های سری زمانی اقدام به بررسی و پیش بینی خشکسالی فصلی طی 5 سال آینده (زمستان 2015 تا پاییز 2019) برای ایستگاه تهران در نرم افزار itsm شد. در این مطالعه، از داده های 48 ساله (7196ـ2014) ایستگاه تهران با متوسط بارندگی سالانه 76/239 میلی متر استفاده شد. براساس نتایج به دست آمده، بهترین مدل برازش شده بر داده ها، مدل ma(5) برگرفته از روش hannanrissanen بود. براساس نتایج ضرایب z(t1) در تاخیر های 3 و 4 در سطح 95 درصد معنی دار نیستند که در مدل صفر در نظر گرفته شدند. با توجه به pvalue آزمونljung box در تاخیر های مختلف که برابر با 0/894 بود، می توان قابل اطمینان بودن پیش بینی را استنباط کرد. نتایج نشان داد که خشکسالی فصلی در 50 درصد فصول پیش بینی شده، دارای شرایط نرمال، در 45 درصد فصول دارای شرایط نسبتاً نرمال و در 5 درصد فصول شرایط خشکسالی متوسط را خواهد داشت.