ارزیابی شاخص خشکسالی چندمتغیره msdi و پایش خشکسالی هواشناسی- کشاورزی در استان چهارمحال ‌و ‌بختیاری

خشکسالی به‌عنوان یکی از پیچیده‌ترین پدیده‌های طبیعی هر ساله خسارت‌های زیادی به‌صورت مستقیم و غیرمستقیم به بخش‌های مختلف وارد می‌کند. از این جهت شناسایی و پایش خشکسالی بر اساس یک متغیر شاید به اندازه کافی جوابگوی تصمیم‌گیری و مدیریت مناسب برای این پدیده نباشد. در این مطالعه با استفاده از متغیر‌های بارش و رطوبت خاک و محاسبه شاخص چندمتغیره استاندارد (msdi) اقدام به پایش خشکسالی هواشناسی کشاورزی در استان چهارمحال و بختیاری شد. همچنین برای ارزیابی کارایی و عملکرد شاخص msdi در شناسایی و پایش پدیده خشکسالی از شاخص‌های‌ بارش استاندارد (spi) برای پایش خشکسالی هواشناسی و رطوبت خاک استاندارد (ssi) برای پایش خشکسالی کشاورزی در این استان استفاده شد. شاخص msdi بر اساس احتمال رخداد‌ توام دو متغیر بارش و رطوبت خاک ساخته می‌شود. در این مطالعه از روش گرین گورتن به‌طور تجربی و توابع خانواده ارشمیدسی کوپلا به‌صورت پارامتریک اقدام به برآورد احتمال توام دو متغیر مذکور شد. نتایج نشان داد که msdi بیش از دو برابر قابلیت شناسایی پدیده خشکسالی را نسبت به شاخص‌های ssi و spi دارد. همچنین پایش خشکسالی بر اساس شاخص msdi نشان داد که استان چهارمحال و بختیاری در سال‌های 2000، 2008، 2011 و 2014 دچار خشکسالی‌های شدید هواشناسی کشاورزی بوده است.

Assessment of Multivariate Standardized Drought Index (MSDI) and Meteoro-Agricultural Drought Monitoring in Chaharmahal and Bakhtiari Porvince

Drought, as one of the most complicated natural events, causes many direct and indirect damages each year. Hence, single variable identification and monitoring of drought may not be appropriate enough for decisionmaking and management. In this study, in order to monitor the meteorologicalagricultural drought in Chaharmahal and Bakhtiari province, Multivariate Standardized Drought Index (MSDI) was calculated using precipitation and soil moisture variables. In addition, to evaluate the performance of MSDI in drought identification and monitoring, Standardized Precipitation Index (SPI) and Standardized Soil Moisture Index (SSI) were used for meteorological and agricultural drought monitoring, respectively. MSDI was calculated based on the soil moisture and precipitation joint probabilities. We used the Gringorten probability as an empirical method and Archimedean copulas as the parametric method to calculate the joint probability between soil moisture and precipitation time series. The results indicated that MSDI was twice more capable of detecting drought as SSI and SPI. Furthermore, the MSDIbased drought monitoring results showed Charmahal and Bakhtiari province had experienced severe meteorologicalagricultural drought in 2000, 2008, 2011 and 2014.