پیش‌بینی و بررسی روند خشکسالی هواشناسی با استفاده از سری زمانی (مطالعه موردی: حوزه آبریز سلماس)

نوع مقاله: مقاله اصلی

نویسندگان

1 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد سنندج، ایران

2 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه آزاد اسلامی، واحد مهاباد، ایران

3 گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه آزاد اسلامی واحد مهاباد، ایران

چکیده

اساس بسیاری از تصمیم‌گیری‌ها در فرآیندهای هیدرولوژیکی و تصمیمات بهره‌برداری از منابع آب بر پایه پیش‌بینی و تحلیل سری‌های زمانی است. خشکسالی حالتی نرمال و مستمر از اقلیم ایران با فراوانی وقوع نسبتاً بالا است و می‌توان با استفاده از تحلیل‌های آماری و مدل‌های ریاضی به پیش‌بینی آن پرداخت. در پژوهش حاضر به پیش‌بینی خشکسالی هواشناسی 5 ایستگاه حوزه آبریز سلماس واقع در استان آذربایجان غربی پرداخته شد. برای این منظور داده‌های بارش ایستگاه‌ها طی دوره آماری (1387-1358) با استفاده از مدل‌های سری زمانی بارش MA، AR، ARMA و ARIMA شبیه‌سازی شد و بهترین مدل برای پیش‌بینی انتخاب شد. سپس بارش ماهانه برای 7 سال بر اساس مدل انتخاب‌شده پیش‌بینی گردید. با استفاده از شاخص بارش استاندارد (SPI)، شدت خشکسالی‌ها محاسبه شد. برای ایستگاه‌های نظرآباد، سلماس، یالقوزآغاج، چهریق و اوربان به ترتیب مدل‌های نهایی MA(3)، ARMA(4,2)، ARMA(1,1)، ARMA(3,2) و ARMA(1,1) انتخاب‌ شدند. در بررسی خشکسالی‌ها مشخص گردید که خشکسالی در سال‌های آماری 1387-1357 تنها در ایستگاه نظرآباد روند افزایشی داشته و در ایستگاه‌های سلماس، اوربان، چهریق و یالقوزآغاج روند کاهشی مشاهده گردید.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Prediction and Analysis of Meteorological Drought Based on Time Series(Case Study: SALMAS Watershed)

نویسندگان [English]

  • Motaleb Byzedi 1
  • Maroof Siosemardeh 2
  • Azita Asragah 3
1 Department of Water Engineering, Faculty of Agriculture, Islamic Azad University, Sanandaj, Iran
2 Department of Water Engineering, Faculty of Agriculture, Islamic Azad University, Mahabad, Iran
3 Department of Civil Engineering, Faculty of Civil Engineering, Islamic Azad University, Mahabad, Iran
چکیده [English]

Time series analyses is a base method for more decisions about hydrological process and water operation. In Iran, drought is a continues and normal condition happening frequently and can be predicted by statistical and mathematical methods and models. In this research, meteorological drought was analyzed in 5 stations of Salmas region (Nazarabad, Salmas, Yalgozagaj, Chahrygeolya and Urban) located in West Azarbijan Province, Iran. For this purpose, the monthly rainfall time series, 30 years lengths (1979-2008) for these stations were simulated by times series models as: AR, MA, ARMA and ARIMA. Then the best model was used for forecasting the drought. Then the monthly rainfalls were predicted for next 7 years using the chosen model. In the following, the intensity of droughts was calculated by standard precipitation index (SPI). The final model chosen for the stations of Nazarabad, Salmas, Yalgozagaj, Chahrygeolya and Urban were the ARMA(1,1), ARMA(3,2), ARMA(1,1), ARMA(2,3) and ARMA(4,2) models, respectively. The results showed that for 30 years (1978-2008), drought had increasing trend just in Nazarabad station, while in other stations such as Salmas, Yalgozagaj, Chahrygeolya had decreasing trend.

کلیدواژه‌ها [English]

  • Times Series
  • meteorological drought
  • Forcast
  • Trend
Abdollanezhad K. (2015). Random models predict monthly rainfall time series (Case Study: Hashim station, Gorgan). J. Geo-Spatial Plan., 5(17), 15-25 [In Persian].

 

Aguilera A. M., Escabias M. and Valderrama M. J. (2008). Forecasting binary longitudinal data by a functional PC-ARIMA model. Comput. Statis. Data Anal., 52(6), 3187-3197.

 

Akbari M. and Bashiri M. (2015). Modeling and forecasting of monthly precipitation using time series analysis. 1st National Conference on Agricultural and Environmental Sciences, Iran [In Persian].

 

Bashiri A. Moemenpor A. Bashiri J. and Mohamadi N. (2016). River flow modeling using linear models for time series Case Study: River Zarineh. 6th Water Resources Management Conference [In Persian].

 

Box G. E. P. and Jenkins G. M. (1976). Time series analysis: forecasting and control. Oakland, CA: Holden-day, 2nd Edition, 2-4pp. Bozorgnia A. (1987). Time series analysis and forecasting, Astan Quds Razavi Publisher, Mashhad. 55pp [In Persian].

 

Chow W. T. and Karelioti S. J. (1970). Analysis of stochastic hydrologic systems. Water Resour. Res., 16, 1569-1582.

 

Ghorbanpoor M. A., Abbaspoor K., Jalalvand G. and Ashtiani Moghadam G. (2010). Stochastic modeling of surface stream flow at different time scales: Sangsoorakh karst basin, Iran. J. Cave Karst Stud., 72, 1-10.

 

Jabari I. (2006). Statistical methods in environmental sciences and geography, Kermanshah, Razi University. 25pp [In Persian].

 

Karamoz M. and Araqinezhad Sh. (2005). Advanced hydrology. Industrial University Amirkabir, 480pp [In Persian].

 

Khalili K. (2009). Application of nonlinear time series models for short-term modeling of the river (case study: Shahrchay Urmia). PhD Thesis, Faculty of Agricultural Sciences Tabriz University, Tabriz. Iran, 35pp [In Persian].

 

Khiri H. and Moqim Gh. R. (2014). Annual precipitation forecast Bojnoord using ARIMA model. 4th Conference on Environment, Energy and Bio-defense, Iran [In Persian].

 

Komomik J., Komomik M., Mesiar R., Szokeova D. and Szolgay J. (2006). Comparison of forecasting performance of nonlinear models of hydrological time series. Phys. Chem. Earth, 31, 1127–1145.

 

Marofi S., Khatar B., Sadeqifar M., Parsafar N. and Eldormi A.R. (2014). Using time-series prediction of drought SARIMA index SPI, in the central region of the province. J. Water Agri., 28(1), 213-225 [In Persian].

 

Mckee, T. B., Doesken, N. J. and Kleist, J. (1993). The relationship of drought frequency and duration to time scales. Preprints 8th Conference on Applied Climatology, 179-184

 

Mirmousavi S. H., Jalali M., Bkhty Grossi H. and Khaef N. (2014). Time series analysis of rainfall patterns in Khoy weather station. Geogr. Space, 14(47), 1-17 [In Persian].

 

Nasaji M.) 2001(. Determine the drought periods of drought indices using SPI, the first national conference examining ways of dealing with the water crisis, Zabol University, Zabol, Iran. 65pp [In Persian].

 

Niromand H. and Bozorgnia A. (1993). A review of time series analysis, University of Mashhad. 77pp[In Persian].

 

Rossi G., Bendini M., Tsakiris G. and Giakoumakis S. (1992). On regional drought estimation and analysis. Water Resour. Manag., 6(4), 249-277.

 

Thomas H. A. and Fiering M. B. (1962). Mathematical synthesis of stream flow sequences for the analysis of river basins by simulation. In design of water resources systems, ed. A. Mass, et al. Cambridge. Water Resour., 5, 228-267.