
تعداد نشریات | 21 |
تعداد شمارهها | 314 |
تعداد مقالات | 3,321 |
تعداد مشاهده مقاله | 3,546,645 |
تعداد دریافت فایل اصل مقاله | 2,591,254 |
کاربرد توابع مفصل در تحلیل خشکسالی هواشناسی در شهرقائن | ||
مجله پژوهش های خشکسالی و تغییراقلیم | ||
دوره 2، شماره 3 - شماره پیاپی 7، آذر 1403، صفحه 1-16 اصل مقاله (1.51 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22077/jdcr.2024.7301.1059 | ||
نویسندگان | ||
مهدی امیرآبادی زاده* ؛ مصطفی یعقوب زاده | ||
دانشیارگروه علوم و مهندسی آب و عضو گروه پژوهشی خشکسالی وتغییراقلیم،دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران. | ||
چکیده | ||
خشکسالی یکی از خسارتبارترین وقایع طبیعی هست که به دلیل حکمفرما بودن آن در یک حیطه جغرافیائی و طولانی بودن بایستی موردتوجه برنامهریزان منابع آب قرار گیرد. دو مشخصه بارز که در بررسی خشکسالی بایستی موردتوجه باشند، شدت و دوام آن هست. در این تحقیق از توابع مفصل دوبعدی برای ایجاد توزیعهای دومتغیره از شدت و مدت خشکسالی در ایستگاه هواشناسی قائن طی سالهای2018-1988 استفاده شد. برای تعیین شدت و مدت خشکسالی از سری زمانی شاخص بارش استانداردشده(SPI) 12ماهه استفاده گردید. ضریب همبستگی تاو-کندال و اسپیرمن برای تعیین معنیدار بودن همبستگی بین شدت و مدت خشکسالی مورداستفاده قرار گرفت که مقدار آنها به ترتیب 0/74 و0/88 تعیین گردید. نتایج بررسی توزیع احتمالهای حاشیهای نشان داد که مدت و شدت خشکسالی به ترتیب از توزیع احتمال پرتو و لوگ نرمال پیروی مینمایند که پارامترهای این توزیعها مشخص گردیدند. همچنین از میان توابع مفصل موردبررسی، تابع مفصل جو با داشتن مقدار RMSE برابر 0/0624 و شاخص NSE برابر 0/996 مناسبترین تابع برای تحلیل دومتغیره شدت و مدت خشکسالی میباشد و مقدار حداکثر لگاریتم درست نمائی آن7/78 به دست آمد. درنهایت احتمال وقوع دومتغیره توأم و احتمال دورههای بازگشت توأم محاسبه شدند که نتایج حاصله میتواند اطلاعات ارزشمندی را برای برنامهریزی و مدیریت یکپارچه منابع آب منطقه مورد مطالعه، در اختیار برنامهریزان و ذینفعان قراردهد. | ||
کلیدواژهها | ||
: تحلیل دومتغیره؛ شدت و مدت؛ ایستگاه همدیدی قائن؛ بارش؛ توزیع حاشیهای احتمال | ||
مراجع | ||
Bazrafshan, O., Zamani, H. & Shekari, M. (2020). A copula‐based index for drought analysis in arid and semi‐arid regions of Iran. Natural Resource Modeling, 33(1), e12237. https://doi.org/10.1111/nrm.12237. Das, J., Jha, S. & Goyal, M. K. (2020). Non-stationery and copula-based approach to assess the drought characteristics encompassing climate indices over the Himalayan states in India. Journal of Hydrology, 580, 124356. https://doi.org/10.1016/j. jhydrol.2019.124356. Joe, H. (1997). Multivariate models and multivariatedependence concepts. CRC press. Mesbahzadeh, T., Mirakbari, M., Mohseni Saravi, M., Soleimani Sardoo, F., & Miglietta, M. M. (2020). Meteorological drought analysis using copula theory and drought indicators under climate change scenarios (RCP). Meteorological Applications, 27(1). https://doi.org/10.1002/met.1856. Mirabbasi, R., Anagnostou, E., Fakheri-Fard, A., Dinpashoh, Y. & Eslamian, S. (2013). Analysis of meteorological drought in northwest Iran using the Joint Defcit Index. Journal of Hydrology, 492, 35-48. https://doi.org/10.1016/j.jhydrol.2013.04.019. Mishra, A., Singh, V. P. & Desai, V. (2009). Drought characterization: a probabilistic approach. Stoch Environment Research Risk A, 23(1), 41–55. https://doi.org/10.1007/s00477-007-0194-2. Moradzadeh Rahmatabadi, S., Irandoust, M., & Mirabbasi Najafabadi, R. (2022). Bivariate Frequency Analysis of Rainfall Characteristics Using Archimedean Copula Functions (Case Study: Khanmirza Watershed in Chaharmahal and Bakhtiari Province). Journal of Water and Soil Resources Conservation, 11(3),59-75. [In Persian]. https://doi. org/10.30495/wsrcj.2022.19226. Mousavi Nadoushani, S.S., Alimohammadi, S., Ahani, A., Behrouz, M., & Mousavi, S. M. (2017). Analysis of the frequency of the bivariate drought in the Qarasu-Gorganrood watershed using detailed functions. Journal of Water & Soil Protection Research, 25(4), 75-91. [In Persian]. https://doi.org/10.22069/jwsc.2018.14689.2964. Murad Zadeh Rahmat-Abadi, S., Irandoost, M., & MirAbbasi, R. (2022). Bivariate Frequency Analysis of Rainfall Characteristics Using Archimedean Joint Functions (Case Study: Khanmirza Basin in Chaharmahal and Bakhtiari Province). Protection of water and soil resources (scientific research), 11(3), 59-75. [In Persian]. https://doi.org/10.30495/wsrcj.2022.19226. Naderi, K., Moghdasi, M., Shukri, A., & Ahmadi, F. (2021). Analyzing the effect of the length of the statistical period on the probability of drought using the detailed functions approach (case study: Arak synoptic station). Iran Water and Soil Research, 52(9), 2427-2440. [In Persian]. https://doi. org/10.22059/ijswr.2021.324692.668986. Sadegh, M., Ragno, E., & AghaKouchak, A. (2017). Multivariate C copula A analysis T toolbox (MvCAT): describing dependence and underlying uncertainty using a Bayesian framework. Water Resources Research, 53(6), 5166-5183. https:// doi.org/10.1002/2016WR020242. Salvadori, G., De Michele, C., Kottegoda, N. T., & Rosso, R. (2007). Extremes in nature: an approach using copulas (Vol. 56). Springer Science & Business Media. Tosunoglu, F. & Kisi, O. (2016). Joint modeling of annual maximum drought severity and corresponding duration. Journal of Hydrology, 543: 406-422. https://doi.org/10.1016/j.jhydrol.2016.10.018. Won, J., Choi, J., Lee, O., & Kim, S. (2020). Copula-based Joint Drought Index using SPI and EDDI and its application to climate change. Science of the Total Environment, 744, 140701. https://doi.org/10.1016/j.scitotenv.2020.140701. | ||
آمار تعداد مشاهده مقاله: 268 تعداد دریافت فایل اصل مقاله: 261 |