CV


FA
Mohsen Pourreza Bilondi

Mohsen Pourreza Bilondi

Associate Professor

mohsen.pourreza@birjand.ac.ir

دانشکده/پردیس: Agriculture

گروه/دانشکده Water Science and Engineering

Degree: Doctoral

Birth Year: 1983

CV
FA
Mohsen Pourreza Bilondi

Associate Professor Mohsen Pourreza Bilondi

mohsen.pourreza@birjand.ac.ir
دانشکده/پردیس: Agriculture - گروه/دانشکده Water Science and Engineering Degree: Doctoral | Birth Year: 1983 |

تحلیل فراوانی توأم مدت و سختی خشکسالی هواشناسی مبتنی بر داده‌های بازتحلیل حاصل از پایگاه ERA5-Land

Authorsمحسن پوررضابیلندی,آمنه میان آبادی,محمد ناظری تهرودی
Journalعلوم و مهندسی آبیاری
Page number59-84
Serial number۴۹
Volume number۱
Paper TypeFull Paper
Published At۲۰۲۶
Journal GradeScientific - research
Journal TypeElectronic
Journal CountryIran, Islamic Republic Of
Journal Indexisc
Keywordsبازتحلیل تابع مفصل توزیع حاشیه‌ای سختی خشکسالی مدت خشکسالی SPI

Abstract

خشکسالی یکی از پدیده‌های طبیعی است که در صورت کاهش بارش نسبت به مقدار نرمال طی یک بازه زمانی رخ می‌دهد و با مشخصه‌هایی مانند مدت، سختی، شدت و فراوانی شناخته می‌شود. تغییرات اقلیمی اخیر موجب تغییر این مشخصه‌ها شده و ضرورت به‌روزرسانی روش‌های پایش خشکسالی را دوچندان کرده است. با توجه به ماهیت درهم‌تنیده خشکسالی، تحلیل مشخصه‌های آن به‌صورت چندمتغیره و توأم، با استفاده از توابع مفصل، در مطالعه‌های اخیر توصیه می‌شود. در گذشته، تحلیل خشکسالی بیشتر با داده‌های ایستگاهی انجام می‌شد، اما در مناطق فاقد ایستگاه این امکان وجود ندارد. در این مطالعه، از داده‌های بارش بازتحلیل ERA5-Land برای محاسبه شاخص SPI و بررسی توأم مدت و سختی خشکسالی در شش مقیاس زمانی یک تا 12 ماهه استفاده شد. دقت این داده‌ها با اطلاعات بارش روزانه ایستگاه‌های بندرانزلی (ایستگاه مرطوب) و کرمان (ایستگاه خشک) طی سال‌های 1959 تا 2020 ارزیابی گردید. پس از برازش توابع توزیع حاشیه‌ای و تأیید همبستگی بین مدت و سختی خشکسالی، بهترین تابع مفصل برای هر مقیاس زمانی انتخاب شد. نتایج نشان داد که در حالت "و" (D≥d and S≥s)، احتمال وقوع خشکسالی‌های مشابه در کرمان بیشتر از بندرانزلی است، در حالی که در حالت "یا" (D≥d or S≥s)، احتمال وقوع خشکسالی با هر یک از مشخصه‌های مدت یا سختی بالا در بندرانزلی بیشتر است. همچنین، تخمین دوره بازگشت با در نظر گرفتن هر دو متغیر مدت و سختی به‌صورت توأم، تحلیل دقیق‌تری از وقایع خشکسالی ارائه می‌دهد. منحنی‌های به‌دست‌آمده می‌توانند به‌عنوان الگوی قابل استفاده در مقیاس‌های زمانی مختلف برای پایش خشکسالی و کمک به تصمیم‌گیری در مدیریت منابع آب تا زمانی که توزیع آماری مقادیر مدت و سختی خشکسالی تغییر نکند، به کار گرفته شوند. همچنین، عملکرد مطلوب ERA5-Land در تخمین بارش، کارایی آن را برای تحلیل خشکسالی در مناطق فاقد داده‌های ایستگاهی نشان می‌دهد.

Paper URL