مهدی نادی - Sari Agricultural Sciences and Natural Resources University
سعید شیوخی سوغانلو - Ferdowsi University of Mashhad

   مطالعه و پیش­بینی 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 ۸ توزیع مختلف انتخاب گردد و ثانیا برای رفع مشکل تغییرات فصلی از نمایه بارش استاندارد اصلاح ­شده (SPImod) استفاده شد. نمایه­های SPImod و SPI در پنج ایستگاه از نقاط مختلف ایران با شرایط متفاوت دمایی و رطوبتی، در طی دوره  ­ی ۵۵ ساله (۲۰۱۰-۱۹۵۶) با یکدیگر مقایسه شدند. نتایج مناسب­ ترین تابع توزیع احتمال داده­های بارش نشان داد که تابع پیش­فرض 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 ایستگاه­های مورد بررسی بودند. مقایسه ضریب همبستگی SPI و SPImod نشان داد که با افزایش پنجره زمانی ضرایب همبستگی افزایش می­یابد. 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 ایستگاه­ها مشاهده شد، که این اختلاف در گام ­های زمانی کمتر مانند یک، سه و شش­ ماهه، بسیار محسوس­تر از گام­های زمانی بالاتر بود و در پنجره­های زمانی بیشتر از ۱۲ ماه دو شاخص تقریبا منطبق بر یکدیگر شدند. همچنین نتایج نشان داد اختلاف این دو شاخص در ایستگاه­های خشک ­تر آشکارتر بود. به ­نظر می­رسد SPI مخصوصا در مناطق خشک به ­جای خشکسالی، خشکی را پایش می­کند. بنابراین استفاده از SPImod به­جای SPI به دلیل حذف اثرات فصلی بارش، نتایج دقیق­تری ارائه می­دهد.  

Drought, Probability Distribution Function, SPImod, Time Window, تابع توزیع احتمال, خشکسالی, پنجره زمانی, نمایه SPImod