ارائه مدل پیش‌بینی ریسک خشکسالی هواشناسی و هیدرولوژیک با روش‌های آماری تحت تأثیر تغییرات اقلیمی (مطالعه موردی: زیرحوضه آبریز افین)

جغرافیا و مخاطرات محیطی

مقاله 6، دوره 9، شماره 1، خرداد 1399، صفحه 117-137   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/geo.v9i1.84991

نویسندگان

غزاله کواکبی؛ محمد موسوی بایگی^* ؛ امین علیزاده؛ ابوالفضل مساعدی؛ مهدی جباری نوقابی

دانشگاه فردوسی مشهد

چکیده

خشکسالی یکی از پدیده­های طبیعی در اقلیم­های مختلف با ویژگی­ تکرار شونده است که به علت داشتن ویژگی‌هایی نظیر شروع، خاتمه، شدت و فراوانی، دارای پیچیدگی‌هایی در مقایسه با سایر مخاطرات طبیعی است و گستره وسیعی از ابعاد محیط طبیعی و جوامع انسانی را تحت تأثیر خود قرار می‌دهد؛ ازجمله بخش­های اقتصادی، اجتماعی و زیست‌محیطی. در این پژوهش سعی شده تا مدلی برای پیش­بینی ریسک خشکسالی، ارائه و اقدامات لازم به­منظور کاهش اثرات ناشی از آن انجام شود. بدین منظور از شاخص­های خشکسالی هواشناسی SPEI و eRDI و شاخص خشکسالی هیدرولوژیک (SRI) استفاده شد. به‌منظور بررسی تأثیر تغییر اقلیم بر این پدیده، دو سناریوی انتشار خوش­بینانه و بدبینانه مورد بررسی قرار گرفت. دوره پایه این مطالعه 2015-1983 و دوره پیش‌بینی ریسک خشکسالی سال­های 2100-2020 است. دو روش مدل­سازی BQR و loess Nonparametric Regression برای مدل‌سازی ریسک خشکسالی استفاده شد. نتایج بدست‌آمده از این مطالعه حاکی از کاهش نسبی در وقوع دفعات خشکسالی در 27 ساله آینده نزدیک در زیر حوضه آبریز افین است. همچنین مقایسه روش­های مختلف نشان از مناسب بودن مدل رگرسیون ناپارامتری برای پیش­بینی ریسک خشکسالی آینده را داشت.

کلیدواژه‌ها

مخاطره خشکسالی؛ آسیب‌پذیری خشکسالی؛ مدل‌های اقلیمی؛ RCP4.5؛ RCP8.5

سایر فایل های مرتبط با مقاله

6--Mousavi-Final.pdf

مراجع

بینش، ن؛ نیک‌سخن، م.ح؛ سارنگ، امین؛ 1397. مطالعه رژیم بارش و دبی حداکثر رواناب شهری در شرایط اقلیمی آینده (مطالعه موردی: حوضه سیل‌برگردان غرب). نشریه مهندسی عمران امیرکبیر.50،815-826.

پورمحمدی، س؛ دستورانی، م.ت؛ مساح بوانی، ع.ر؛ گودرزی، م؛ جعفری، ه؛ رحیمیان، م.ح؛ 1396. بررسی اثرات تغییر اقلیم بر رواناب رودخانه و ارائه راهکارهای سازگاری با اثرات آن (مطالعه موردی: حوزه آبریز تویسرکان همدان). آبخیزداری ایران، 37، 1-13.

خلیلی، ن؛ رضایی پژند، ح؛ درخشان، ه؛ داوری، ک؛ 1396. توسعه چارچوبی برای ارزیابی ریسک خشکسالی کشاورزی بر گندم دیم. تحقیقات منابع آب ایران، 14, 59-70.

رزاقیان، هادی؛ شاهدی، ک؛ حبیب‌نژادروشن، م؛ 1395. ارزیابی اثر تغییر اقلیم بر رواناب حوزه آبخیز بابلرود با استفاده از مدل IHACRES. نشریه علمی پژوهشی مهندسی آبیاری و آب ایران، 7، 159-172.

لکزییان‌پور، غ. ح. محمدرضا‌پور، ا؛ مالمیر، م؛ 1395. ارزیابی آثار تغییراقلیم بر میزان رواناب رودخانه نازلوچای در حوضه آبریز دریاچه ارومیه. نشریه جغرافیا و توسعه، 42، 183-198.

مساعدی، ا؛ کواکبی، غ؛ عبدالله‌زاده، س آشکارسازی تغییرات اقلیمی براساس آزمون آماری من-ویتنی در شهر مشهد. نخستین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی، 2011.

نوقابی، ج؛ هادی نوقابی؛ 1387. نکاتی چند در مورد برآورد حجم نمونه و معرفی نرم افزار مربوطه. نشریه دانشجویی آمار (ندا)، 4، 13-21.

ANDERSON-COOK, C. M. & PREWITT, K., 2005. Some guidelines for using nonparametric methods for modeling data from response surface designs. Journal of Modern Applied Statistical Methods, 4, 12.

Apurv, T. and X. Cai., 2019, "Evaluation of the Stationarity Assumption for Meteorological Drought Risk Estimation at the Multidecadal Scale in Contiguous United States." Water Resources Research 55(6): 5074-5101.

ARNELL, N. W., 1999. The effect of climate change on hydrological regimes in Europe: a continental perspective. Global environmental change, 9, 5-23.

BACHMAIR, S., SVENSSON, C., PROSDOCIMI, I., HANNAFORD, J. & STAHL, K. 2017. Developing drought impact functions for drought risk management. Natural Hazards and Earth System Sciences, 17, 1947-1960.

CHOPRA, P. Drought risk assessment using remote sensing and GIS: a case study of Gujarat. 2006. ITC.

Dai, M., et al., 2020. "Assessing agricultural drought risk and its dynamic evolution characteristics." Agricultural Water Management 231: 106003.

EFRON, B. 2000. The bootstrap and modern statistics. Journal of the American Statistical Association, 95, 1293-1296.

FAN, G., ZHANG, Y., HE, Y. & WANG, K. 2017. Risk Assessment of Drought in the Yangtze River Delta Based on Natural Disaster Risk Theory. Discrete Dynamics in Nature and Society, 2017.

FOX, J. & WEISBERG, S., 2018. An R companion to applied regression, Sage Publications.

HASHEMI-ANA, S. K., KHOSRAVI, M. & TAVOUSI, T., 2015. Validation of AOGCMs capabilities for simulation length of dry spells under the climate change in Southwestern area of Iran. Open J Air Pollut, 4, 76-85.

KIM, H., PARK, J., YOO, J. & KIM, T.-W., 2015. Assessment of drought hazard, vulnerability, and risk: a case study for administrative districts in South Korea. Journal of Hydro-environment Research, 9, 28-35.

LABUDOVA, L., SCHEFCZYK, L. & HEINEMANN, G. The comparison of the SPI and the SPEI using COSMO model data in two selected Slovakian river basins. EGU General Assembly Conference Abstracts, 2014.

LIN, M.-L. & CHEN, C.-W., 2011. Using GIS-based spatial geocomputation from remotely sensed data for drought risk-sensitive assessment. International Journal of Innovative Computing, Information and Control, 7, 657-668.

LITTLEWOOD, I., DOWN, K., PARKER, J. & POST, D. 1997. IHACRES–Catchment-scale rainfall-streamflow modelling (PC version) Version 1.0–April 1997. The Australian National University, Institute of Hydrology and Centre for Ecology and Hydrology.

LUBIS, M., TAKI, H., ANUROGO, W., PAMUNGKAS, D., WICAKSONO, P. & APRILLIYANTI, T. Mapping the distribution of potential land drought in Batam Island using the integration of remote sensing and geographic information systems (GIS). IOP Conference Series: Earth and Environmental Science, 2017. IOP Publishing, 012012.

MA, M., REN, L., SINGH, V. P., YUAN, F., CHEN, L., YANG, X. & LIU, Y. 2016. Hydrologic model-based almer indices for drought characterization in the Yellow River basin, China. Stochastic environmental research and risk assessment, 30, 1401-1420.

MCKEE, T. B., DOESKEN, N. J. & KLEIST, J. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology, 1993. American Meteorological Society Boston, MA, 179-183.

PANDEY, R. P., PANDEY, A., GALKATE, R. V., BYUN, H.-R. & MAL, B. C., 2010. Integrating hydro-meteorological and physiographic factors for assessment of vulnerability to drought. Water resources management, 24, 4199-4217.

PANDEY, S., PANDEY, A., NATHAWAT, M., KUMAR, M. & MAHANTI, N., 2012. Drought hazard assessment using geoinformatics over parts of Chotanagpur plateau region, Jharkhand, India. Natural hazards, 63, 279-303.

PEI, W., FU, Q., LIU, D., LI, T.-X., CHENG, K. & CUI, S., 2017. Spatiotemporal analysis of the agricultural drought risk in Heilongjiang Province, China. Theoretical and Applied Climatology, 1-14.

PRATHUMCHAI, K., HONDA, K. & NUALCHAWEE, K. Drought risk evaluation using remote sensing and GIS: a case study in Lop Buri Province. 22nd Asian conference on remote sensing, 2001. 9.

REDUCTION, U. N. S. F. D., 2007. Drought risk reduction framework and practices: Contributing to the implementation of the hyogo framework for action. UNISDR Geneva (CH).

SAMANI, Z., 2000. Estimating solar radiation and evapotranspiration using minimum climatological data. Journal of irrigation and drainage engineering, 126, 265-267.

SHAHID, S. & BEHRAWAN, H. 2008. Drought risk assessment in the western part of Bangladesh. Natural Hazards, 46, 391-413.

SOLOMON, S., QIN, D., MANNING, M., CHEN, Z., MARQUIS, M., AVERYT, K. B., TIGNOR, M. & MILLER, H. L., 2007. Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change, 2007. Cambridge University Press, Cambridge.

TIGKAS, D., VANGELIS, H. & TSAKIRIS, G., 2017. An enhanced effective reconnaissance drought index for the characterisation of agricultural drought. Environmental Processes, 4, 137-148.

TSAKIRIS, G., 2007. Practical application of risk and hazard concepts in proactive planning. European Water, 19, 47-56.

UNISDR, U., 2009. Terminology on disaster risk reduction. Geneva, Switzerland.

VALVERDE-ARIAS, O., GARRIDO, A., VALENCIA, J. L. & TARQUIS, A. M. 2018. Using geographical information system to generate a drought risk map for rice cultivation: Case study in Babahoyo canton (Ecuador). Biosystems Engineering, 168, 26-41.

VICENTE-SERRANO, S. M., BEGUERÍA, S. & LÓPEZ-MORENO, J. I., 2010. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of climate, 23, 1696-1718.

VICENTE-SERRANO, S. M., BEGUERÍA, S. & LÓPEZ-MORENO, J. I., 2010. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of climate, 23, 1696-1718.

WENTZ, F. J., RICCIARDULLI, L., HILBURN, K. & MEARS, C., 2007. How much more rain will global warming bring? Science, 317, 233-235.

WILHITE, D. A., HAYES, M. J., KNUTSON, C. & SMITH, K. H. 2000. Planning for Drought: Moving From Crisis to Risk Management 1. JAWRA Journal of the American Water Resources Association, 36, 697-710.

WU, H. & WILHITE, D. A., 2004. An operational agricultural drought risk assessment model for Nebraska, USA. Natural Hazards, 33, 1-21.

Wu, Z., et al., 2018. "Climate and drought risk regionalisation in China based on probabilistic aridity and drought index." Science of the Total Environment 612: 513-521.

YADUVANSHI, A., SRIVASTAVA, P. K. & PANDEY, A., 2015. Integrating TRMM and MODIS satellite with socio-economic vulnerability for monitoring drought risk over a tropical region of India. Physics and Chemistry of the Earth, Parts A/B/C, 83, 14-27.

YUAN, X.-C., ZHOU, Y.-L., JIN, J.-L. & WEI, Y.-M., 2013. Risk analysis for drought hazard in China: a case study in Huaibei Plain. Natural hazards, 67, 879-900.