بررسی وضعیت و روند تغیرات خشکسالی فصلی در ایستگاه شیراز با استفاده از مدل های سری زمانی وازمون های آماری پارامتریک و غیر پارامتریک

به منظور با توجه به بروز خشکسالی های پی در پی و تأثیرات منفی این پدیده، پیش بینی خشکسالی می تواند در برنامه ریزی جهت کنترل و کاهش اثرات آن موثر باشد. در این مطالعه با استفاده از داده های اقلیمی ایستگاه شیراز طی سال های 1967 تا 2019، مدل های سری زمانی (با استفاده از نرم افزار R) وهمچنین آزمون های آماری پارامتریک (رگرسیون خطی) و غیر پارمتریک (اسپیرمن ومن ـ کندال) اقدام به پیش بینی شاخص خشکسالی (بر مبنای شاخص RDI) از سال 2019 تا 2025 و همچنین بررسی روند تغییرات آن گردید. نتایج تحقیق نشان داد مدل سری زمانی 4,0,0 ARIMA با شاخص AICC برابر با 355/46 بهترین مدل فیت شده بر داده ها جهت پیش بینی خشکسالی بود معنی داری مقدار P-value آزمون Ljung – Box در تاخیرهای مختلف مدل در سطح 95% تایید کننده تصادفی بودن داده ها و قابل اطمینان بودن مدل بود. براساس نتایج روند تغییرات خشکسالی فصلی طی دوره های 1967-2019 و 1697-2025 براساس هیچ کدام از آزمون های اماری پارامتری و غیر پارامتری در سطح 95 درصد معنی دار نیست، هرچند روند تغیرات طی دوره 1967-2025 شیب بیشتری به خود می گیرد.

Keywords:

خشکسالی , پیش بینی , سری زمانی , روند تغییرات شیراز