تعیین مناسب‌ترین روش زمین آماری به‌منظور پایش خشک‌سالی بر مبنای شاخص‌های مختلف خشک‌سالی و کاربرد آن در دشت نیشابور

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران.

چکیده

خشک‌سالی، یکی از پدیده‌های آب‌وهوایی است که در همه مناطق کره‌زمین رخ می‌دهد و برای ارزیابی آن شاخص‌های گوناگون گسترش یافته‌اند. به‌منظور پایش وضعیت و بررسی چگونگی گسترش خشک‌سالی در سطح دشت نیشابور از داده‌های بارندگی و دمای‌حداقل و حداکثر ۱۳ ایستگاه تبخیرسنجی و ۳ ایستگاه سینوپتیک طی یک دوره 30 ساله استفاده شد. خشک‌سالی بر اساس ٦ شاخص SPI، aSPI، RDI، eRDI، SPEI و SPEIEP، بررسی شد. به‌منظورانتخاب بهترین روش تبدیل داده‌های نقطه‌ای به منطقه‌ای و شناخت دقیق‌تر نحوه گسترش خشک‌سالی در سطح دشت روش‌های زمین‌آماری کریجینگ ساده، معمولی و عمومی موردبررسی قرار گرفتند. نتایج نشان‌داد که بر مبنای مقادیر جذر میانگین مربعات خطا (RMSE) که در محدوده ۱٧/۰ تا ۳/۰ قرار دارند، در رابطه با شاخص‌های SPI، aSPI، RDI و eRDI مناسب‌ترین روش پهنه‌بندی وقایع خشک‌سالی شدید و بسیار شدید، روش کریجینگ معمولی می‌باشد. در حالی‌که در مورد شاخص‌های SPEI و SPEIEP مناسب‌ترین روش پهنه‌بندی، روش کریجینگ ساده می‌باشد. بر اساس شاخص‌های SPEI و SPEIEP در سال‌های اخیر تعداد وقایع خشک‌سالی در منطقه افزایش یافته است. نتایج استفاده از شاخص موران در تحلیل همبستگی مکانی خشک‌سالی نشان می‌دهد که بین ایستگاه‌ها، همبستگی مکانی بالایی حاکم است (مقادیر شاخص موران بین ٧/۰ تا ۸/۰). با توجه به خطای کمتر شاخص SPEIEP در تعیین نحوه گسترش خشک‌سالی در سطح دشت نیشابور و همچنین با توجه به این‌که این شاخص اثر گرمایش جهانی در افزایش تبخیر و تعرق را هم لحاظ می‌کند، پیشنهاد می‌شود که به‌منظور پایش وضعیت خشک‌سالی در دشت نیشابور از شاخص SPEIEP استفاده شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Determining the optimal geostatistical method for drought monitoring based on different drought indices and its application in Neishabour Plain

نویسندگان [English]

  • Mahsima Sedaghat Nejad
  • Abolfazl Mosaedi
  • Bijan Ghahraman
  • Alieh Saadatpour
Department of Water Science and Engineering, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran.
چکیده [English]

Almost all regions of the world suffer from drought in one way or another. Various indices have been developed to better evaluate and understand the drought. Here, we investigate the spread of drought in the Neishabour plain using the data collected during the hydrological years of 1990 to 2018. Our dataset includes rainfall and minimum/maximum temperature collected by 13 climatological stations and 3 synoptic stations in the region.
The drought was analyzed based on 6 indices: SPI, RDI, SPEI, aSPI, eRDI, and SPEIEP. For the first 3 indices, the total amount of precipitation was used, while for the rest, the amount of effective precipitation based on the USBR method was used. To better understand how drought spreads in the plain we needed to convert point data to regional data, to this end we investigated simple, ordinary, and general kriging of geostatistical methods. Our results showed that the two-by-two correlation coefficient between indices varied between 0.65 and 0.97. In all stations, the lowest R2 value belonged to the comparison between SPI and SPEIEP. In general, there was a high correlation in comparing the indices that used the amount of effective precipitation with corresponding indices that used the amount of total precipitation. Specifically, the comparison between eRDI-vs-RDI and aSPI-vs-SPI showed R2 values higher than 0.98 and SPEI-vs-SPEIEP showed R2 values higher than 0.96. In addition, SPI, aSPI, RDI, and eRDI indices were highly correlated with each other.
This similarity of behavior exists in determining the most appropriate method of drought zoning in the studied area. To better dissociate between different methods and determine the optimum one, we looked at root mean square error (RMSE) values. Based on RMSE values the optimum method of zoning severe and extreme drought events was the ordinary kriging method. However, in the case of SPEI and SPEIEP, the most suitable zoning method was simple kriging. Furthermore, indices that use evaporation and transpiration better showed the extent of the drought area in recent years compared to the SPI index that only considers rainfall. This could be due to the effect of global warming on increase in evaporation and transpiration. We may therefore conclude that effective precipitation, precipitation, and evapotranspiration had a positive spatial correlation with each other in the study area because the findings of Global Moran's spatial autocorrelation index indicated cluster patterns for all 6 drought indices in the area. In most of the stations, a prominent cluster pattern was observed in the years with severe and very severe droughts, according to the local Moran's index results.
Overall, our results suggest the usage of the SPEIEP index to monitor the drought in the Neishabour plain, considering the increasing temperature and also the smaller error of the SPEIEP index in determining the expansion of drought in the plain. In addition, considering that the SPEIEP index is relatively new and requires more studies in this basin and other basins, it is suggested that evaporation and transpiration be estimated with other methods such as Blaney-Kreider, Torrent-White, and Penman-Monteith and also effective precipitation with the other methods. Influence of the effective precipitation and evapotranspiration estimation method on SPEIEP index values should also be investigated. Additionally, it is recommended that more research be done on the spatial autocorrelation of drought in various geographic and climatic conditions across the country (Iran). If at all possible, it should also be looked into as how the severity of the drought or the geographical characteristics of the regions affect the degree of spatial autocorrelation of drought.

کلیدواژه‌ها [English]

  • drought indices
  • drought zoning
  • Neishabour plain
  • spatial expansion of drought

مراجع

بخشی دم او، آ.، گلکاریان، ع.، مساعدی، ا. و راشکی، ع. (۱۳۹٦). بررسی تأثیر خشک‌سالی هواشناسی بر منابع آب زیرزمینی (مطالعه موردی: دشت نیشابور). کنفرانس بین‌المللی مدیریت منابع طبیعی در کشورهای در حال توسعه.
جعفری، م.، دین‌پژوه، ی. و اسدی، ا. (۱۳۹۴). آشنایی با رگرسیون خطی چندگانه و استفاده از آن در شبیه‌سازی مقادیر روزانه تشت. نشریه آب و توسعه پایدار، (۲)۲، ٧٦-٦٧.
حجازی‌زاده، ز. و جودی‌زاده، س. (۱۳۹۸). تحلیل آمار فضایی خشک‌سالی در ایران. نشریه تحقیقات کاربردی علوم جغرافیایی، (۵۳)۱۹، 251-277.
رجب‌زاده، س.، مساعدی، ا. و قبائی‌سوق، م. (۱۴۰۰). مطالعه عملکرد برخی از شاخص‌های خشک‌سالی هواشناسی در یک منطقه نیمه‌خشک (مطالعه موردی: دشت کاشمر و بردسکن). دومین کنفرانس بین‌المللی و پنجمین کنفرانس ملی حمایت از منابع طبیعی و محیط زیست.
شمس‌نیا، س. ا. و خدادادی دهکردی، د. (۱۳۹۹). پایش خشک‌سالی کشاورزی با استفاده از شاخص RDI و مدل زمین‌آماری کریجینگ (مطالعه موردی: مناطق مرکزی و جنوبی استان فارس). محیط زیست و مهندسی آب، (۴)٦، ۴۵۸-۴۴۴.
صلاحی، ب. و فرید پور، م. (۱۳۹۵). تحلیل فضایی خشک‌سالی اقلیمی شمال غرب ایران با استفاده از آماره خودهمبستگی فضایی. نشریه تحلیل فضایی مخاطرات محیطی، (۳)۳، 1-20.
علی‌آبادی، ک. و داداشی رودباری، ع.ع. (۱۳۹۴). بررسی تغییرات الگوهای خودهمبستگی فضایی دمای بیشینه ایران. مطالعات جغرافیایی مناطق خشک، (۲۱)٦، 86-104.
علیقلی‌نیا، ت.، رسولی مجد، ن. و هزار جریبی، ا. (۱۳۹۸). ارزیابی و مقایسه شاخص‌های خشک‌سالی استان آذربایجان غربی با استفاده از شاخص‌های PNI، CZI، SPI و سیستم اطلاعات جغرافیایی (GIS). علوم و مهندسی آبیاری، (۱)۴۲، ۱۸۸-۱٧۵.
کریمی، م.، شاهدی، ک. و خسروی، خ. (۱۳۹۵). بررسی خشک‌سالی هواشناسی و هیدرولوژیکی با استفاده از شاخص‌های خشک‌سالی در حوضه آبریز قره‌سو. مجله فیزیک زمین و فضا، (۱)۴۲، ۱٧۰-۱۵۹.
مصطفی‌زاده، ر. و ذبیحی، م. (۱۳۹۵). تحلیل و مقایسه شاخص‌های خشک‌سالی SPI و SPEI در ارزیابی خشک‌سالی هواشناسی با استفاده از نرم‌افزار R (بررسی موردی: استان کردستان). مجله فیزیک زمین و فضا، (۳)۴۲، ٦۴۳-٦۳۳.
میرزاپور، س.، خیرخواه زرکش، م.م. و عزیزی، ز. (۱۴۰۱). تحلیل الگوی فضایی وضعیت خشک‌سالی در زاگرس میانی و جنوبی با استفاده از شاخص‌های سنجش از دور. مجله علمی و پژوهشی مهندسی اکوسیستم، (۳۵)۱۱، 1-14.
نظری‌پور، ح.، دوستکامیان، ح. و علیزاده، س. (۱۳۹۴). بررسی الگوی‌های توزیع فضایی دما، بارش و رطوبت با استفاده از تحلیل اکتشافی زمین‌آمار (بررسی موردی: نواحی مرکزی ایران). مجله فیزیک زمین و فضا، (۱)۴۱، ۱۱٧-۹۹.
هاتفی، ع.، مساعدی، ا. و جباری نوقابی، م. (۱۳۹۵). نقش تبخیر و تعرق در پایش خشک‌سالی هواشناسی در چند ناحیه اقلیمی کشور. نشریه پژوهش‌های حفاظت آب و خاک، (۲)۲۳، 1-21.
یعقوب‌زاده، م.، احمدی، م.، سیدکابلی، ح.، زمانی، غ.ر. و امیر آبادی‌زاده، م. (۱۳۹٦). ارزیابی اثر تغییر اقلیم بر خشک‌سالی کشاورزی به کمک شاخص‌های ETDI و SPI. نشریه پژوهش‌های حفاظت آب و خاک، (۴)۲۴، 43-61.
Adnan, S., Ullah, K., Shuanglin, L., Gao, S., Khan, A. H., & Mahmood, R. (2018). Comparison of various drought indices to monitor drought status in Pakistan. Climate Dynamics, 51(5), 1885-1899.
Afzali, A., Keshtkar, H., Pakzad, S., Moazami, N., Azizabadi Farahani, E., Golpaygani, A., & TaghiNaghilou, M. (2016). Spatio-temporal analysis of drought severity using drought indices and deterministic and geostatistical methods (Case Study: Zayandehroud River Basin). Desert, 21(2), 165-172.
Bahmani, S., Naganna, S. R., Ghorbani, M. A., Shahabi, M., Asadi, E., & Shahid, S. (2021). Geographically weighted regression hybridized with Kriging model for delineation of drought-prone Areas. Environmental Modeling & Assessment, 26(5), 803-821.
Barrios, A., Trincado, G. & Garreaud, R. (2018). Alternative approaches for estimating missing climate data: application to monthly precipitation records in South-Central Chile. Forest Ecosystems, 5, 1-10.
Bayat, B., Nasseri, M., & Zahraie, B. (2015). Identification of long-term annual pattern of meteorological drought based on spatiotemporal methods: evaluation of different geostatistical approaches. Natural Hazards, 76(1), 515-541.
Bostan, P. A., Heuvelink, G. B., & Akyurek, S. Z. (2012). Comparison of regression and kriging techniques for mapping the average annual precipitation of Turkey. International Journal of Applied Earth Observation and Geoinformation, 19, 115-126.
Buttafuoco, G., Caloiero, T., & Coscarelli, R. (2015). Analyses of drought events in Calabria (Southern Italy) using standardized precipitation index. Water Resources Management, 29(2), 557-573.
Byakatonda, J., Parida, B. P., Moalafhi, D. B., & Kenabatho, P. K. (2018). Analysis of long term drought severity characteristics and trends across semiarid Botswana using two drought indices. Atmospheric research, 213, 492-508.
Hodam, S., Sarkar, S., Marak, A. G., Bandyopadhyay, A., & Bhadra, A. (2017). Spatial interpolation of reference evapotranspiration in India: comparison of IDW and Kriging Methods. Journal of the Institution of Engineers (India): Series A, 98(4), 511-524.
Islam, S. S., Islam, K. A., & Mullick, M. R. A. (2022). Drought hot spot analysis using local indicators of spatial autocorrelation: An experience from Bangladesh. Environmental Challenges, 6, 100410.
Katipoglu, O. M., & Acar, R. (2022). Space-time variations of hydrological drought severities and trend in the semi-arid Euphrates Basin, Turkey. Stochastic Environmental Research and Risk Assessment, 36(12), 4017-4040.
Keshtkar, A. R., Moazami, N., & Afzali, A. (2021). Assessment of spatial interpolation techniques for drought severity analysis in Salt Lake Basin. Desert, 26(1), 85-97.
Khanmohammadi, N., Rezaie, H., & Behmanesh, J. (2022). Investigation of drought trend on the basis of the best obtained drought index. Water Resources Management, 36(4), 1355-1375.
Li, R., Chen, N., Zhang, X., Zeng, L., Wang, X., Tang, S., & Niyogi, D. (2020). Quantitative analysis of agricultural drought propagation process in the Yangtze River Basin by using cross wavelet analysis and spatial autocorrelation. Agricultural and Forest Meteorology, 280, 107809.
Masud, M. B., Khaliq, M. N., & Wheater, H. S. (2015). Analysis of meteorological droughts for the Saskatchewan River Basin using univariate and bivariate approaches. Journal of Hydrology, 522, 452-466.
McKee, T. B., Doesken, N. J., & Kleist, J. (1993). The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology, 17(22), 179-183.
Moghbeli, A., Delbari, M., & Amiri, M. (2020). Application of a standardized precipitation index for mapping drought severity in an arid climate region, southeastern Iran. Arabian Journal of Geosciences, 13(5), 1-16.
Mohammed, S., Alsafadi, K., Mousavi, S. M. N., & Harsányi, E. (2021). Rainfall Change and Spatial-Temporal Aspects of Agricultural Drought in Syria. In Water Resources in Arid Lands: Management and Sustainability, 215-221. Springer, Cham.
Mozafari, G.A., Khosravi, Y., Abbasi, E., & Tavakoli, F. (2011). Assessment of geostatistical methods for spatial analysis of SPI and EDI drought indices. World Applied Sciences Journal, 15(4), 474-482.
Nejadrekabi, M., Eslamian, S., & Zareian, M. J. (2022). Spatial statistics techniques for SPEI and NDVI drought indices: A case study of Khuzestan Province. International Journal of Environmental Science and Technology, 19(7), 6573-6594.
Nohegar, A., Heydarzadeh, M., & Malekian, A. (2013). Assessment of severity of droughts using geostatistics method (case study: southern Iran). Desert, 18(1), 79-87.
Omar, L. C., Mariano, N. C., Alberto, G., Ernestina, P. G., Jorge, M. M., & Enrique, T. D. (2022). Sensitivity of Four Indices of Meteorological Drought for Rainfed Maize Yield Prediction in the State of Sinaloa, Mexico. Agriculture, 12(4), 525.
Oñate-Valdivieso, F., Uchuari, V., & Oñate-Paladines, A. (2020). Large-scale climate variability patterns and drought: a case of study in South–America. Water Resources Management, 34(6), 2061-2079.
Pathak, A. A., & Dodamani, B. M. (2020). Comparison of meteorological drought indices for different climatic regions of an Indian river basin. Asia-Pacific Journal of Atmospheric Sciences, 56(4), 563-576.
Raja, N. B., Aydin, O., Türkoğlu, N., & Çiçek, I. (2017). Space-time kriging of precipitation variability in Turkey for the period 1976–2010. Theoretical and Applied Climatology, 129(1), 293-304.
Sarker, M. H., Ahmed, S., Alam, M. S., Begum, D., Kabir, T. N., Jahan, R., & Kabir, S. T. D. (2020). Development and forecasting drought indices using SPI (standardized precipitation index) for local level agricultural water management. Atmospheric and Climate Sciences, 11(01), 32.
Sattari, M. T., Rezazadeh-Joudi, A., & Kusiak, A. (2017). Assessment of different methods for estimation of missing data in precipitation studies. Hydrology Research, 48(4), 1032-1044.
Shi, B., Zhu, X., Hu, Y., & Yang, Y. (2017). Drought characteristics of Henan province in 1961-2013 based on Standardized Precipitation Evapotranspiration Index. Journal of Geographical Sciences, 27(3), 311-325.
Shtiliyanova, A., Bellocchi, G., Borras, D., Eza, U., Martin, R., & Carrère, P. (2017). Kriging-based approach to predict missing air temperature data. Computers and Electronics in Agriculture, 142, 440-449.
Srinivas, B., Tiwari, M. K., & Patel, G. R. (2022). An Evaluation of the Performance of Five Meteorological Drought Monitoring Indices Over an Arid and Semi-Arid Region of Gujarat (India). International Journal of Enviroment and Climate Change, 12(10), 800-818.
Subedi, M. R., Xi, W., Edgar, C. B., Rideout-Hanzak, S., & Hedquist, B. C. (2019). Assessment of geostatistical methods for spatiotemporal analysis of drought patterns in East Texas, USA. Spatial Information Research, 27(1), 11-21.
Surendran, U., Anagha, B., Raja, P., Kumar, V., Rajan, K., & Jayakumar, M. (2019). Analysis of drought from humid, semi-arid and arid regions of India using DrinC model with different drought indices. Water Resources Management, 33(4), 1521-1540.
Torabi Haghighi, A., Abou Zaki, N., Rossi, P. M., Noori, R., Hekmatzadeh, A. A., Saremi, H., & Kløve, B. (2020). Unsustainability syndrome—from meteorological to agricultural drought in arid and semi-arid regions. Water, 12(3), 838.
Tsakiris, G., & Vangelis, H. J. E. W. (2005). Establishing a drought index incorporating evapotranspiration. European water, 9(10), 3-11.
Tigkas, D., Vangelis, H., & Tsakiris, G. (2016). Introducing a modified reconnaissance drought index (RDIe) incorporating effective precipitation. Procedia Engineering, 162, 332-339.
Tigkas, D., Vangelis, H., & Tsakiris, G. (2019). Drought characterisation based on an agriculture-oriented standardised precipitation index. Theoretical and applied climatology, 135(3), 1435-1447.
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(7), 1696-1718.
Vicente-Serrano, S. M., Van der Schrier, G., Beguería, S., Azorin-Molina, C., & Lopez-Moreno, J. I. (2015). Contribution of precipitation and reference evapotranspiration to drought indices under different climates. Journal of Hydrology, 526, 42-54.
Wable, P. S., Jha, M. K., & Shekhar, A. (2019). Comparison of drought indices in a semi-arid river basin of India. Water resources management, 33(1), 75-102.
Wei, T. C., & McGuinness, J.I. (1973). Reciprocal Distance Squared Method, A computer technique for estimating areal precipitation (Vol.8) US Department of Agriculture, Agricultural Research Service, North Central Region.
Woldesenbet, T. A., Elagib, N. A., Ribbe, L., & Heinrich, J. (2017). Gap filling and homogenization of climatological datasets in the headwater region of the Upper Blue Nile Basin, Ethiopia. International Journal of Climatology, 37(4), 2122-2140.
Yuce, M. I., & Esit, M. (2021). Drought monitoring in Ceyhan basin, Turkey. Journal of Applied Water Engineering and Research, 9(4), 293-314.
Zarei, A. R., & Moghimi, M. M. (2019). Modified version for SPEI to evaluate and modeling the agricultural drought severity. International journal of biometeorology, 63(7), 911-925.
Zarei, A. R., & Mahmoudi, M. R. (2020). Assessment of the effect of PET calculation method on the Standardized Precipitation Evapotranspiration Index (SPEI). Arabian Journal of Geosciences, 13(4), 1-14.
Zarei, A. R., Moghimi, M. M., & Bahrami, M. (2019). Comparison of reconnaissance drought index (RDI) and effective reconnaissance drought index (eRDI) to evaluate drought severity. Sustainable Water Resources Management, 5(3), 1345-1356.
فیزیک زمین و فضا
دوره 50، شماره 1
تاریخ انتشار الکترونیکی: 16 اردیبهشت 1403
اردیبهشت 1403
صفحه 125-147

فایل ها

هم رسانی

ارجاع به این مقاله

آمار