مقدمه

خشکسالی از پرخسارتترین پدیده هاي محیطی اسـت کـه در تمـام نـواحی اقلیمـی اعـم از منـاطق خشـک، نیمهخشک و مناطق نیمهمرطـوب رخ مـیدهـد؛ درحـالیکـه خشـکی پدیـدهاي دائمـی اسـت کـه از کـاهش غیرمنتظره رطوبت (چه به شکل بارش، رطوبت یا جریـان رودخانـهاي) بـهوجـود مـیآیـد (تامپسـون۱، :۱۹۹۹ .(۳۶۲ خشکسالی کمبود رطوبت مبتنیبر کاهش میزان بارش است (خوشاخلاق، .(۱۲۰ : ۱۳۷۷ همـه منـاطق دنیا بهطور موقت، اما نامنظم از تکرار شرایط خشکسالی رنج میبرند، اما این وضـعیت در منـاطقی کـه از نظـر اقلیمی به طور نامنظم توسط سامانههاي مختلف آبوهوایی تحتتأثیر قرار میگیرند، بیشتر مشـاهده مـیشـود (رضیئی و همکاران، .(۳۱۰- ۲۹۲ :۱۳۸۲ خشکی و خشکسالی از ویژگیهاي اجتنابناپذیر و زیانبار آبوهـوایی کشور ایران محسوب میشود (شاه محمدي و دیگران،.(۶۳ :۱۳۸۰ زمان آغاز تا پایان خشکسالی بهمنزلهي دوره تداوم خشکسالی خوانده میشود که از ویژگیهاي اساسی خشکسالی محسوب مـیشـود. بـراي کـاهش اثـرات خشکسالی شناخت خصوصیات متعدد خشکسالی مانند زمان شروع، وسعت و شدت خشکسالی ضـروري اسـت (دالسیوس۲ و همکاران، .(۷۵-۸۸ :۱۹۹۱

شاخص ۳SPI بهعلت سادگی محاسبات، استفاده از داده هاي قابلدسترس بارش، قابلیت محاسبه براي هر مقیاس زمانی و قابلیت بسیار زیاد در کمی کردن نتایج، میتواند به منزلهي یکـی از مناسـبتـرین شـاخصهـا براي تحلیل خشکسالی بهویژه تحلیل مکانی شناخته شود (هایز و همکاران۴، .(۴۲۹- ۴۳۷ :۱۹۹۹ ویژگـیهـاي SPI، این امکان را میدهد تا وضیعت منابع آب را براي دهههـا و تـداومهـاي کوتـاهمـدت کـه در کشـاورزي و مطالعه رطوبت قابلدسترسی گیاه مناسب است و نیز مقیاس هاي زمانی بلندمدت که در مطالعـه جریـانهـاي رودخانه اي و مخازن آب زیرزمینی داراي اهمیت است موردمطالعه قرار داد (لوید هوگس۵ و ساندرس۶، :۲۰۰۲ .(۱۵۷۱-۱۵۹۲ مککی و همکاران(۱۹۹۳) ۷، براي تعریف و پایش خشکسالیها، شاخص بارش استاندارد شـده (SPI) را معرفی و بـراي اولـین بـار آن را در ایالـت کلـرادو اسـتفاده کردند.خورشیددوسـت و قویـدلرحیمـی (۱۳۸۴)، فصول خشک و مرطوب بهاره استان آذربایجانشرقی را با استفاده از مدل SPI در مقطـع زمـانی سـه ماهه (فصلی) و سري زمانی مورد واکاوي قرار دادند. بررسیهاي آمـاري بـه روشهـاي مختلـف ماننـد تحلیـل سري هاي زمانی، همبستگی خطی، غیرخطی، مدلهاي ARIMA و استفاده از توزیعهاي آماري شناخته شـده مانند توزیع نرمال، گمبل و پیرسون انجام میشود. واکاوي سريهايزمانی معمولاً دو هدف را دنبال مـیکنـد،

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

۱٫Tompson 2. Dalezios 3. Standardized Precipitation Index 4. Hayes et al 5. Loyd – Haghes 6. Saunders 7. Mckee et al

تحلیل خشکسالیهاي استان تهران با استفاده از شاخص SPI و پیشبینی… ۸۹

درك و مدل کردن سازوکار تصادفی که منجر به مشاهده سري میشود، پیشبینـی مقـادیر آینـده سـري کـه برمبناي گذشته آن صورت میگیرد (جاناتان۱، .(۹۱ :۱۳۷۸ در میان روشهاي آماري، زنجیره مارکف در علـوم جوي در سال هاي اخیر موردتوجه زیادي قرار گرفته است. زنجیره مارکف بـا روشهـاي سـاده ریاضـی (ماننـد ضرب ماتریسها) حل احتمالات مربوطبه فرآیندهاي وابسته را بسیار آسان کرده است. مدل زنجیره مـارکف در علوم مختلفی مانند هواشناسی، اقلیمشناسی، اقتصاد و صنعت کاربرد وسـیعی دارد. آزام و همکـاران(۱۹۹۰) ۲، در برآورد بازده مراتع با استراتژي هاي مختلف بهـرهبـرداري، از مـدل زنجیـره مـارکف بهـره جسـتند و اثـرات بارندگی، تعداد دام و چگونگی چرا را روي محصـول مرتعـی بررسـی کردنـد. جـین و گـراوال(۱۹۹۲) ۳، بـراي پیشبینی محصول نیشکر از مدل زنجیره مارکف استفاده کردند. همچنـین الفکـی و افرینـک(۱۹۹۶) ۴، بـراي پیشبینی عمق آبهاي زیرزمینی در ماههاي مختلف سال از مدل زنجیـر مـارکف اسـتفاده کردنـد. اسـتفاده از مدلهاي سري زمانی براي تحلیل و پیشبینی، یکی از روشهـاي مناسـب بـهحسـاب مـیآیـد. خـوشاخـلاق (۱۳۷۷)، با بررسی هاي الگوهاي ماهانـه خشکسـالی و ترسـالی در ایـران بـه روش سـینوپتیکی بـا اسـتفاده از شاخص استاندارد z، به شناسایی دورههاي خشک و تر پرداخته است. پیشبینی خشکسالیهـا و ترسـالیهـاي استان مازندران با استفاده از مدل باکس- جنکینز، کاري اسـت کـه علیجـانی و رمضـانی (۱۳۸۱) انجـام داده، نتیجه میگیرند که در سالهاي ۲۰۰۱ تا ۲۰۰۳، در ایستگاههاي قائمشهر و بابلسر دورههاي ترسـالی و رامسـر و نوشهر دوره خشکسالی رخ میدهد. عزیزي و روشن (۱۳۸۱)، با استفاده از مدل سري زمانی هالـت- وینتـرز، به بررسی تغییرات زمانی بارش، تعیین خشکسالیها و امکان پیشبینی آنها در استان هرمزگان پرداخته اسـت. ایالات متحده آمریکا از دسته کشـورهایی اسـت کـه یـک دوره طـولانی خشکسـالی (۱۹۸۵-۱۹۹۶) را تجربـه کرده، در برخی مناطق این کشور خشکسالی در حدود ۶ تا ۷ سال تداوم داشته و خسارتهاي قابلتوجـهاي را بهوجود آورده است (ویل هایت، .(۶۵۲ : ۱۹۹۷

موقعیت جغرافیایی منطقه

استان تهران بین ۳۵ درجه و ۱۴ دقیقه تا ۳۶ درجه و ۱۷ دقیقه عرض شمالی و ۵۰ درجه و ۱۴ دقیقـه تـا ۵۳ درجه و ۶ دقیقه طول شرقی قرار دارد. این استان از شمال به رشته کـوههـاي البـرز بـا جهـت شـرقی- غربـی همانند دیواري بلند آن را از همسایگان شمالی آن یعنی گیلان و مازندران جـدا مـیکنـد. شـکل شـماره (۱)، موقعیت منطقه مورد مطالعه و ایستگاههاي هواشناسی استفاده شده را نشان میدهد.

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

۱٫ Jonathan 2. Azzam et al 3. Jain and Grawal 4. Elfeki and Uffrink

۰۹ جغرافیا و پایداري محیط، شماره ۳، تابستان ۱۳۹۱

شکل .۱ موقعیت جغرافیایی استان تهران و ایستگاههاي مورد مطالعه

مواد و روشها

با توجه به طبقهبندي اقلیمی، آبوهواي تهران نیمهگرم و نیمهخشک است؛ بهطوريکه میانگین بارش سـالانه این منطقه حدود ۲۳۰ میلی متر و دماي آن حدود ۱۶ درجه سلسیوس اسـت. بـه طـورکلی، آبوهـواي اسـتان تهران تحتتأثیر سامانه هاي جوي مختلف قرار دارد که از مهمترین آنهـا کـمفشـارهاي مدیترانـهاي و سـودانی است. هرقدر فراوانی این سامانهها روي منطقه کمتر باشد، از میزان بارش سالانه کاسته شده، درنتیجه منجربـه خشکسالی و کمآبی میشود (مقدسی و همکاران، .(۲۰۳ : ۱۳۸۳ مشخصات ایستگاههاي اسـتفادهشـده در ایـن پژوهش در جدول شماره (۱) آمده است. براي بررسی و مطالعه دقیـق وضـعیت پراسـنجهاي اقلیمـی در یـک منطقه و شناسایی دوره هاي غیرعادي خشک و مرطوب، شبکه کامل و متراکمی از ایستگاههاي هواشناسی کـه داراي آمارهاي طولانیمدت (حداقل سیساله براي پایش دوره هاي خشک) باشند، نیازاست؛ ازایـن رو، چهـارده ایستگاه ۷) ایستگاه سینوپتیک، ۴ ایستگاه کلیماتولوژي و ۳ ایستگاه بـارانسـنجی) کـه داراي سـیسـال آمـار بودند از بین ایستگاههاي مطالعهشده انتخاب شدند. بعد از تعیین ایستگاهها، آزمون همگنـی دادههـا از آزمـون روان۱ براي اطمینان از کیفیت دادهها و همچنین همگن بودن سري دادههاي ثبتشده انجـام شـد و در مـوارد نیاز با استفاده از روش وایازي، داده ها بازسازي و اصلاح شدند (اقتباس از علیزاده،.(۶۸۲ : ۱۳۸۶ بـراي بررسـی پدیده خشکسالی در استان تهران سري زمانی شاخص استانداردشده بارش (SPI) یک، شـش و دوازده ماهـه و برمبناي دورهي آماري ۱۹۷۶-۲۰۰۵ بررسی شد.

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

۱٫ Runs Test

تحلیل خشکسالیهاي استان تهران با استفاده از شاخص SPI و پیشبینی… ۹۱

جدول .۱ مشخصات چهارده ایستگاه منتخب استان تهران

ردیف نام ایستگاه طول جغرافیایی عرض جغرافیایی سال تأسیس نوع ایستگاه ارتفاع (متر)
(E) (N)

۱ مهرآباد ۱۹ ۵۱ ۴۱ ۳۵ ۱۹۵۱ سینوپتیک ۱۱۹۰
۲ کرج ۵۰ ۵۴ ۵۵ ۳۵ ۱۹۸۵ سینوپتیک ۱۳۱۲
۳ آبعلی ۵۳ ۵۱ ۴۵ ۳۵ ۱۹۸۳ سینوپتیک ۲۴۶۵
۴ دوشانتپه ۵۰ ۵۱ ۴۲ ۳۵ ۱۹۷۲ سینوپتیک ۱۲۰۹
۵ شمال تهران ۳۷ ۵۱ ۴۷ ۳۵ ۱۹۸۸ سینوپتیک ۱۵۴۸
۶ ژئو فیزیک ۲۳ ۵۱ ۴۴ ۳۵ ۱۹۹۱ سینوپتیک ۱۴۱۸
۷ فیروز کوه ۵۰ ۵۲ ۵۵ ۳۵ ۱۹۹۳ سینوپتیک ۱۹۷۵
۸ آبسرد ۰۵ ۵۲ ۳۹ ۳۵ ۱۹۶۲ کلیماتولوژي ۱۸۰۰
۹ مامازن ۴۱ ۵۱ ۲۸ ۳۵ ۱۹۶۴ کلیماتولوژي ۱۰۲۱
۱۰ امینآباد ۲۸ ۵۱ ۳۵ ۳۵ ۱۹۶۳ کلیماتولوژي ۱۰۰۰
۱۱ ابردج ۴۸ ۵۱ ۱۳ ۳۵ ۱۹۸۹ کلیماتولوژي ۹۰۰
۱۲ جزنیان ۴۷ ۵۰ ۱۵ ۳۶ ۱۹۷۲ باران سنجی ۱۶۵۰
۱۳ سیجان ۵۱ ۰۷ ۵۷ ۳۵ ۱۹۷۰ باران سنجی ۲۱۰۰
۱۴ پیشوا ۵۱ ۵۱ ۲۵ ۳۵ ۱۹۶۶ باران سنجی ۹۵۰

یافته هاي پژوهش

پایش خشکسالی با استفاده ازنمایه (SPI)

شاخص (SPI)، نمایهاي است که از اختلاف بین مقادیر بارش و میانگین آن براي یـک بـازه زمـانی مشـخص و سپس تقسیم این مقدار بر انحرافمعیار بارش بهدست مـیآیـد (آسـیایی، .(۳۲ :۱۳۸۵ مـککـی و همکـارانش (۱۹۹۳)، شاخص بارش استاندارد (SPI) را براي تعریف و نشـان دادن خشکسـالی بـهوجـود آوردهانـد. از نظـر ریاضی، SPI براساس احتمالات تجمعی بارش هاي یک ایستگاه استوار است. با توجه به خصوصـیات SPI، ایـن نمایه در سراسر دنیا براي پایش دورههاي خشکی استفاده شده است. شاخص SPI بـراي کمـی کـردن کمبـود بارش در مقیاس هاي زمانی گوناگون طراحی شده است (آسیایی، .(۴۹ :۱۳۸۵ با تجزیـهوتحلیـل سـري زمـانی ماهانه دادههاي بارش براي یک مکان، میتوان SPI را براي هر ماهی نسبتبه ماههـاي قبلـی مشـخص و i هـر ماه ۱، ۲، ۳، ۱۲…،…، ۲۴،…، ۴۸، را با توجه به مقیاس زمانی دلخواه، محاسبه کرد. براي محاسبه ایـن نمایـه از تابع توزیع گاما براي برازش دادههاي بلندمدت بارش استفاده میشود کـه پـس از انجـام محاسـبههـاي لازم و تعیین پراسنجهاي مربوطه، نمایه SPI بهصورت زیر محاسبه میشود (آسیایی، :(۵۲ :۱۳۸۵

۲۹ جغرافیا و پایداري محیط، شماره ۳، تابستان ۱۳۹۱

 ۲ c 0 c1t c 2t 
t  SPI 
۱d t d t 2  d t 3 
O  H ( x )  ۰٫۵ 
(۱  ۳ ۲ ۱ 
۰٫۵  H (x ) ۱  c0 c1t c2t 2 

t 3  ۱d t d t 2 d SPI  t 

 ۳ ۲ ۱ 

که در آن:

C0  ۲٫۵۳۵۵۳۷

C1  ۰٫۸۰۲۸۵۲

C2  ۰٫۰۳۰۳۲۸

در این روابط Co، C1، C2، d1، d2 و d3 مقادیر ثابت و (H) x احتمال تجمعی است.

۲) O  H (x ) ۱

۰٫ ۵  H (x ) ۱

d1 ۳٫۴۳۲۷۸۸

d 2  ۰٫۱۸۹۲۶۹

d3  ۰٫۰۰۳۲۰۸

 ۱ 
 ln   t
۲
 ۱(x)

 ۱ 
 ln  t 
۲
 ۱(x)

براي طبقه بندي خشکسالی و ترسالی براساس شاخص SPI، مطابق جدول شماره (۲)، هرگاه مقـادیر SPI بهطور مداوم منفی باشند و مقدار آن به -۱ یا کمتر برسد، معرف وقـوع خشکسـالی اسـت و مقـادیر مثبـت آن نشاندهنده خاتمه خشکسالی است (آسیایی، .(۳۲ :۱۳۸۵

جدول .۲ طبقهبندي خشکسالی براساس شاخص SPI

طبقهبندي شاخص SPI

ترسالی بسیار شدید ۲ و بیشتر

خیلی مرطوب ۱/۵ تا ۱/۹۹
ترسالی متوسط ۱ تا ۱/۴۹
ریباَ نرمال ۰/۹۹ – ۰/۹۹
خشکسالی متوسط -۱ تا -۱/۴۹
خشکسالی شدید -۱/۵ تا -۱/۹۹
خشکسالی بسیار شدید -۲ و کمتر

SPI استان تهران براي دوره هاي ۱، ۶، و ۱۲ماهه با اطلاعات بارنـدگی چهـارده ایسـتگاه منتخـب اسـتان محاسبه شد. براي نمونه، تحلیل نقطه اي خشکسالی ایستگاه مهرآباد، که داراي حداقل سی سـال آمـاري بـوده است، انتخاب و تغییرات شاخص بارش استاندارد((SPI در این ایستگاه محاسبه شده است که در شکل شـماره (۲) تغییرات این شاخص از سال ۱۹۷۸ تا ۲۰۰۷، نشان داده شده است.