پیش‌بینی خشک‌سالی هیدرولوژیکی با شاخص gri و استفاده از مدل‌های تصادفی خطی سری زمانی (منطقه مورد مطالعاتی: آبخوان دشت اردبیل)

در این مطالعه، خشک‌سالی‌های هیدرولوژیکی آبخوان دشت اردبیل موردبررسی قرار گرفته است. برای این منظور، داده‌های ماهانه تراز آب زیرزمینی 48 چاه مشاهداتی طی دوره آماری 2021-2004 مورد استفاده قرار گرفت. به‌منظور تبدیل داده‌های نقطه‌ای به منطقه‌ای، از روش تیسن‌بندی بهره گرفته شد. شاخص gri در بازه‌های زمانی مختلف (1، 3، 6، 9 و 12 ماهه) براساس داده‌های منطقه‌ای تراز آب زیرزمینی محاسبه گردید. سپس مدل‌سازی سری‌های زمانی gri انجام شد. کارایی مدل‌ها با استفاده از معیارهای آماری نش-ساتکلیف (ns) و آکائیک (aic) ارزیابی شد تا مناسب‌ترین مدل شناسایی گردد. پارامترهای یکایک مدل‌ها براساس داده‌های مشاهده‌ای تخمین زده شدند. تحلیل خشک‌سالی برای هر بازه زمانی به‌صورت جداگانه صورت گرفت. به‌منظور پیش‌بینی خشک‌سالی، از مدل برازش‌ یافته بر هر سری زمانی استفاده شد. نتایج نشان داد که طولانی‌ترین دوره خشک‌سالی در بازه زمانی سه‌ماهه مربوط به سال‌های 2004 تا 2007 و در بازه زمانی شش‌ماهه مربوط به سال‌های 2015 تا 2021 بوده است. بیشترین شدت ترسالی و خشک‌سالی به‌ترتیب 1.87 و 3.21- در مقیاس gri1 و gri9 مشاهده شد. مدل‌سازی سری‌های زمانی gri نشان داد که کلیه سری‌های زمانی دارای الگوی فصلی هستند و بنابراین با مدل sarima(p,d,q)(p,d,q) برازش شدند. نتایج نشان داد که مناسب‌ترین مدل برای سری gri3 مدل sarima(5,1,0) (0,2,2) است. مقادیر معیارهای ارزیابی عملکرد این مدل برای داده‌های مشاهده‌ای معادل با ns=0.53 و aic=-96.6 بود. بنابراین، می‌توان نتیجه گرفت که مدل‌های سری زمانی دقت نسبتا خوبی در پیش‌بینی شاخص gri برای پنجره‌های زمانی کوتاه‌مدت در دشت اردبیل دارند.

prediction of hydrological drought using the gri index and linear random time series models (study area: ardabil plain aquifer)

the study investigated hydrological droughts in the ardabil plain aquifer. the monthly groundwater level observations in 48 wells in the statistical period of 2004–2021 were used for this aim. the thiessen polygon approach was applied here to transform point data to the regional form. gri indexes were computed in different time scales, which are 1, 3, 6, 9, and 12 months for regional groundwater level data. then the gri time series were modeled. model performances were evaluated using the nash-sutcliffe (ns) and akaike information criteria (aic) to find the appropriate model. based on observational data, the parameters of the models were evaluated. drought was analyzed for each of the time series separately. to predict drought, the fitted model for each of the time series was used. results showed that the longest drought period length in the three-month timeframe belonged to the period 2004 to 2007; however, it was in the period 2015 to 2021 using the 6-month time span. using the gri1 and gri9 scales, the largest severity of wetness and drought spells were calculated to be about 1.87 and -3.21, respectively. modeling of gri time series showed that all-time series have a seasonal trend, and therefore, they were fitted using the sarima (p, d, q) (p, d, q) model. results revealed that sarima (5,1,0) (0,2,2) is the most appropriate model for the gri3 series. values of model performances of the mentioned model using the observed data were about ns=0.53 and aic=-96.6. therefore, it can be concluded that time series models have relatively suitable precision in predicting gri series with different time windows in the ardabil plain.