پیش‌بینی خشکسالی جریان رودخانه با استفاده از شاخص SPI و زنجیره مارکف در حوزه آبریز کرخه

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشجوی دکترای هواشناسی کشاورزی، پردیس کشاورزی، گروه مهندسی آبیاری و آبادانی، دانشگاه تهران

2 دانشیار گروه هواشناسی کشاورزی، پردیس کشاورزی، گروه مهندسی آبیاری و آبادانی-دانشگاه تهران

چکیده

سابقه و هدف:
خشکسالی یکی از پیچیده‌ترین بلایای طبیعی در جهان است و زمانی رخ می‌دهد که آب قابل دسترس یک سامانه برای تامین نیازهای حداقل یکی از بخش‌های زیستی، اقتصادی و اجتماعی طی یک دوره زمانی قابل ملاحظه کافی نباشد. گرچه به‌طور کلی تعریفی جهانی از خشکسالی وجود ندارد، می‌توان خشکسالی را به انواع مختلفی تقسیم‌بندی نمود: خشکسالی هواشناسی، کشاورزی، هیدرولوژیکی و اقتصادی-اجتماعی. خشکسالی هیدرولوژیکی که در این مقاله به آن پرداخته می‌شود، در فاز زمینی چرخه هیدرولوژیکی به صورت کاهشی مشخص در میزان آب قابل دسترس در همه اشکال آن مانند جریان رودخانه، سطح آب مخازن و دریاچه‌ها و سطح آب زیرزمینی تعریف می‌شود. از جمله اثرات خشکسالی هیدرولوژیکی می‌توان به کاهش یا زوال ذخایر آبی، بدتر شدن کیفیت آب، عدم کفایت آب مورد نیاز برای آبیاری و در نتیجه افت محصول، کاهش قدرت تولید، برهم خوردن تعادل زیستگاه‌های ساحلی و تاثیر بر فعالیت‌های اقتصادی – اجتماعی اشاره کرد. هدف از این مقاله ارزیابی خشکسالی هیدرولوژیکی در حوزه‌ی آبریز کرخه با استفاده از شاخص SDI و پیش‌بینی این نوع خشکسالی با استفاده زنجیره مارکف ناایستا می‌باشد.
مواد و روش‌ها:
در این مطالعه، به منظور تعیین وضعیت خشکسالی هیدرولوژیکی، از شاخص خشکسالی جریان رودخانه ( SDI) که براساس حجم تجمعی جریان رودخانه است، برای دوره‌های مرجع 3، 6، 9 و 12 ماهه در 4 ایستگاه هیدرومتری واقع در حوزه‌ی آبریز کرخه (آفرینه، پلچهر، قورباغستان و پلزال) طی سالهای 1387-1354 (دوره آماری 33 ساله) استفاده شد. چهار دوره مرجع منتخب در هر سال هیدرولوژیکی که دارای همپوشانی هستند، عبارتند از: مهر-آذر، مهر-اسفند، مهر-خرداد، مهر-شهریور (یک سال کامل هیدرولوژیکی). پس از تعیین وضعیت‌های خشکسالی برای هر سری زمانی و دوره مرجع، با فرض این‌که فرآیند اصلی دارای ساختار زنجیره مارکف ناایستا است، احتمال انتقال وضعیت برای همه ایستگاه‌ها و در همه دوره‌های مرجع محاسبه شد.
یافته‌ها:
در حالی که همبستگی بین دو شاخص SDI و SPI ضعیف بود، نتایج همبستگی و ارتباط بین مقادیر SDI در دوره‌های مرجع مختلف نشان داد که با اطمینان بسیار بالایی می‌توان در پیش‌بینی وضعیت خشکسالی هیدرولوژیکی کل سال از شاخص SDI شش ماهه (مهر-اسفند) استفاده نمود. از دیگر نتایج این مطالعه می‌توان به استفاده از داده های بارش به جای داده های جریان رودخانه به منظور پیش‌بینی خشکسالی هیدرولوژیکی در ایستگاه‌هایی که همبستگی بالایی بین شاخص SDI و SDI وجود دارد، اشاره کرد.
نتیجه‌گیری:
از ویژگی‌های عمده روش مورد استفاده در این مقاله می‌توان به استفاده از شاخصی ساده به نام شاخص خشکسالی جریان رودخانه (SDI)، که شدت خشکسالی هیدرولوژیکی را با استفاده از متوسط دبی جریان رودخانه برای دوره‌های دارای همپوشانی 3، 6، 9 و 12 ماهه (دوره‌های مرجع) در هرسال هیدرولوژیکی توصیف می‌کند، در نظر گرفتن 5 طبقه (وضعیت) خشکسالی، تولید ماتریس احتمال انتقال وضعیت برای دو دوره مرجع منتخب با فرض تبعیت فرآیند اصلی از زنجیره مارکف، امکان پیش‌بینی شدت خشکسالی دوره مرجع تجمعی بلندمدت‌تر با استفاده از شدت خشکسالی دوره‌های مرجع قبلی و استفاده از داده‌های بارش به‌جای داده‌های جریان رودخانه به‌منظور پیش‌بینی خشکسالی هیدرولوژیکی در ایستگاه‌هایی که همبستگی بالایی بین شاخص SDI و SPI وجود دارد، اشاره کرد.
کلمات کلیدی: خشکسالی هیدرولوژیکی، شاخص SDI، زنجیره مارکف، پیش‌بینی خشکسالی، حوزه کرخه

کلیدواژه‌ها


عنوان مقاله [English]

Prediction of Streamflow Drought Using SPI and Markov Chain in Kharkheh’s Basin

چکیده [English]

Background and objectives:
Drought is one of the most complex natural disasters in the world and it occurs whenever available water of a system wouldn't be enough for at least supplying one of the biological, economic and social requirements during a considerable period of time. Although there is not a universal definition of drought, drought can be defined in different disciplinary perspectives: meteorological drought, agricultural drought, hydrological drought and socioeconomic drought. Hydrological drought is defined as a significant decrease in the availability of water in all its forms such as streamflow, lake and reservoir level and groundwater level appearing in the land phase of the hydrological cycle. Hydrological droughts can have widespread impacts by reducing or eliminating water supplies, deteriorating water quality, restricting water for irrigation and causing crop failure, reducing power generation, disturbing riparian habitats, limiting recreation activities, and affecting a diversity of economic and social activities. The aim of this study is to assess and predict hydrological drought using SDI index and non-stationary Markov chain.
Materials and methods:
In this study, in order to determine hydrological drought state, for reference periods of 3, 6, 9 and 12 months in 4 hydrometric stations located on Kharkheh basin (Afarineh, Polchehr, Ghoorbaghestan and Polzal) over 1976-2009 (33 years), the Streamflow Drought Index (SDI) based on cumulative streamflow was used which is an index analogous to SPI. Four overlapping selected reference periods in each hydrological year are namely: October–December, October–March, October–June, and October–September (one complete hydrological year). Assuming that the underlying process possess the structure of a non-stationary Markov chain, after determining drought states, state transition probability was calculated in all reference periods and all stations.
Results:
While the correlations between SDI and SPI indices were poor, correlations between SDI values in different reference periods indicated that hydrological drought state in whole year can be predicted by October-March SDI index with high reliability. Another conclusion can be drawn from the present study is to use precipitation data instead of streamflow's in order to predict hydrological drought at the stations with high correlation between SDI and SPI indices.
Conclusion:
The main features of the methodology are using a simple index called Streamflow Drought Index or SDI that is used to characterize severity of the hydrological drought for overlapping periods of 3, 6, 9 and 12 months (reference periods) within each hydrological year, considering five drought states, generating the matrix of state transition frequency for a selected pair of reference periods under the hypothesis of a Markov chain for the underlying state process, possibility of drought severity prediction in longer cumulative reference period using severity drought in prior reference periods and using of rainfall data instead of streamflow's in order to predict hydrological drought at the stations with a high correlation between SDI and SPI.

Keywords: Hydrological drought, SDI, Markov Chain, Prediction, Karkheh.

کلیدواژه‌ها [English]

  • hydrological drought
  • SDI index
  • Markov chain
  • Drought prediction
  • Karkheh basin
1.Akyuz, D.E., Bayazit, M., and Onoz, B. 2012. Markov chain models for hydrological drought characteristics. J. Hydrometeorol. 13: 298-309.
2.Bazrafshan, O., Salajegheh, A., Fatehi-Marj, A., Mahdavi, M., Bazrafshan, J., and Hejabi, S. 2014. Comparison of stochastic models and conceptual models in hydrological drought forecast (Case study: Karkheh river basin). J. Range Water. Manage. 66: 4. 493-508.
(In Persian)
3.Dracup, J.A., Lee, K.S., and Paulson Jr.E.G. 1980. On the definition of droughts. Water Resour. Res. 16: 2. 297-302.
4.Heim, R.R. 2002. A review of twentieth-century drought indices used in the United States. Bull Am. Meteorol. Soc. 83: 8. 1149-1165.
5.Kogan, F.N. 1997. Global drought watch from space. Bull. Am. Meteorol. Soc. 78: 4. 621-63.
6.Lohani, V.K., Loganathan, G.V., and Mostaghimi, S. 1998. Long-term analysis and short-term forecasting of dry spells by the Palmer drought severity index. Nord Hydrol. 29: 1. 21-40.
7.McKee, T.B., Doeskin, N.J., and Kleist, J. 1993. The relationship of drought frequency and duration to timescales. Proceedings of the eighth conference on applied climatology, Anaheim, CA, January 17-23. American Meteorological Society BostonMA. Pp: 179-184.
 
8.Mishra, A.K., and Singh, V.P. 2010. A review of drought concepts. J. Hydrol.
391: 1-2. 202-216.
9.Mofidipoor, N., Sheikh, V., Ownegh, M., and Sadodin, A. 2012. The analysis of relationship between meteorological and hydrological droughts in Atrak watershed. J. Water. Manage. Res. 3: 5. 16-26.
10.Morid, S., and Paymozd, S. 2008. Comparison of hydrological and meteorological methods for daily drought monitoring: A case study, the 1998-2000 drought spell of Tehran, Iran. JWSS - Isfahan University of Technology. 11: 42. 325-333. (In Persian)
11.Mozafari, G.H. 2006. Meteorological and hydrological drought inequality in two basins in the northern range of Shirkoh. J. Agric. Sci. Special Geography. 4: 173-190. (In Persian)
12.Nalbantis, I. 2008. Evaluation of hydrological drought index. European Water. 23: 24. 67-77.
13.Nalbantis, N., and Tsakiris, G. 2009. Assessment off hydrological drought revisited. J. Water Resour. Manage. 23: 883-897.
14.Paulo, A.A., and Pereira, L.S. 2007. Prediction of SPI drought class transitions using Markov chains. Water Resour. Manage. 21: 10. 1813-1827.
15.Shafer, B.A., and Dezman, L.E. 1982. Development of a Surface Water Supply Index (SWSI) to assess the severity of drought conditions in snowpack runoff areas. In Proceedings of the (50th) 1982 Annual Western Snow Conference. Pp: 164-75.
16.Sharma, T.C., and Panu, U.S. 2012. Prediction of hydrological durations based on Markov chains: case of Canadian prairies, Hydrol. Sci. J. 57: 4. 705-722.
17.Smakhtin, V.U. 2001. Low flow hydrology: a review. J. Hydrol. 240: 3-4. 147-186.
18.Stahl, K. 2001. Hydrological drought: a study across Europe. Doctoral dissertation.
Albert-Ludwigs Universität Freiburg, Freiburg, Germany.
19.Tabari, H., Nikbakht, J., and Hosseinzadeh Talaee, P. 2013. Hydrological drought assessment in northwestern Iran based on Streamflow Drought Index (SDI). Water Resour Manage. 27: 137-151.
20.Tallaksen, L.M., and Van Lanen, H.A.J. 2004. Hydrological drought processes and estimation methods for streamflow and groundwater. Developments in Water Sciences 48. Elsevier B.V., Netherlands.
21.Tate, E.L., and Gustard, A. 2000. Drought definition: a hydrological perspective, P 23-48.
In: J.V. Voght, and F. Somma (Eds) Drought and drought mitigation in Europe. Kluwer Academic Publishers, Dordrecht.
22.Tsakiris, G., Pangalou, D., and Vangelis, H. 2007. Regional drought assessment based on the reconnaissance drought index (RDI). Water Resour. Manage. 21: 821-833.
23.Vicente-Serrano, S.M., López-Moreno, J.I., Beguería, S., Lorenzo-Lacruz, J., Azorin-Molina, C., and Morán-Tejeda, E. 2012. Accurate Computation of a Streamflow Drought Index. J. Hydrol. Engin. 17: 2. 318-332.
24.Wardlow, B.D., Anderson M.C., and Verdin, J.P. 2012. Remote Sensing of Drought.
CRC Press is an imprint of Taylor & Francis Group.
25.Wilhelmi, O.V., and Wilhite, D.A. 2002. Assessing vulnerability to agricultural drought: a Nebraska case study. Nat. Hazard. 25: 37-58.
26.Yang, W. 2010. Drought analysis under climate change by application of drought indices
and copulas. M.Sc. Thesis, Civil and Environmental Engineering. PortlandStateUniversity.