ارزیابی شاخص های بارش استاندارد شده و بارش-تبخیر-تعرق استاندارد شده در تشخیص ترسالی

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 -

2 گروه احیا مناطق خشک و کوهستانی-پردیس کشاورزی و منابع طبیعی -دانشگاه تهران

3 دانشگاه امام خمینی قزوین

چکیده

سابقه و هدف: سیلاب‌ها یکی از مخرب‌ترین بلایای طبیعی در جهان هستند که سبب خسارات بزرگی در جوامع انسانی و تغییر محیط طبیعی می‌شوند. در سالهای اخیر، احتمال وقوع سیل در بسیاری از نقاط جهان موجب نگرانی دائمی برای مردم و دولت‌ها شده است. این مسئله سبب شده که نیاز به مهندسین و مدیران کارآزموده برای کاهش اثرات سیل بر جامعه و محیط زیست بیش از پیش احساس شود. پیش‌بینی سیل یکی از روشهای غیرسازه‌ای مدیریت ریسک سیلاب است که اطلاعات ارزشمندی برای خدمات هشدار سیل مهیا می‌کند و مردم و ارگان‌های مختلف در وضعیت اضطراری زمان کافی برای آماده‌سازی اقدامات مقابله سیل را خواهند داشت.
مواد و روش‌ها: در این مطالعه شاخص‌های بارش استادارد شده (SPI) و شاخص بارش - تبخیر و تعرق استادارد شده (SPEI)، جهت مشخص نمودن دوره‌های مرطوب، در دو ایستگاه هواشناسی درزیکلا و سنگده در حوضه آبریز کسیلیان واقع در استان مازندران با کدنویسی در نرم‌افزار R محاسبه گردید. سپس نتایج حاصل با سری زمانی دبی رودخانه (ایستگاه هیدرومتری ولیک‌بن)، از این نظر که آیا این شاخص‌ها توانایی تشخیص و پیش‌بینی سیل را دارد یا نه، مورد بررسی و تجزیه و تحلیل قرار گرفتند. پارامتر‌های احتمال تشخیص (POD)، نسبت هشداردهی اشتباه (FAR) و شاخص موقعیت بحرانی (CSI) برای ارزیابی میزان موفقیت شاخص‌های مذکور در تشخیص سیل، در ایستگاه‌های مورد مطالعه محاسبه شد.
یافته‌ها: نتایج نشان داد که بیشترین و کمترین مقدار POD مربوط به شاخص‌های SPEI و SPI به ترتیب برابر 89/0 و 68/0 است. این مقادیر برای پارامتر CSI برای شاخص‌های ذکر شده به ترتیب برابر 71/0 و 62/0 به دست آمد. همچنین بیشترین و کمترین مقدار پارامتر FAR برای SPEI و SPI به ترتیب برابر 32/0 و 11/0 می‌باشد. بررسی تغییرات زمانی این شاخص‌ها نشان داد که شاخص SPEI به دلیل استفاده از داده‌ی دما و به تبع آن محاسبه تبخیر و تعرق - مخصوصاً در انتهای بهار و تابستان - کارایی تا حدودی بهتر از شاخص SPI در حوضه کسیلیان با رژیم برفی بارانی دارد.
نتیجه‌گیری: در کل بر اساس نتایج سه پارامتر POD، FAR و CSI پیشنهاد می‌شود که در حوضه‌های با رژیم برفی بارانی استفاده از شاخص SPEI به دلیل استفاده از دما برای ذوب برف علی‌الخصوص در فصل بهار و تابستان برای پیش‌بینی سیل مناسب‌تر و کاراتر از شاخص SPI است. هرچند که شاخصSPI با به کارگیری تنها یک پارامتر، نتایج مطلوبی در پیش‌بینی سیلاب بدست می‌دهد و از آنجا که بارش تنها داده‌ای است که در همه حوضه‌های آبریز با دقت مناسب و از سالیان دور در دسترس بوده و حداقل دو ارگان در سطح کشور به جمع آوری اطلاعات مربوط به آن می‌پردازند، این شاخص نیز حائز اهمیت است.

کلیدواژه‌ها


عنوان مقاله [English]

Assessment of standardized precipitation and standardized precipitation-evapotranspiration indices for wet period detection

نویسندگان [English]

  • Nazgol Hosseini Pazhouh 1
  • Khaled Ahmadaali 2
  • Ali Reza Shokoohi 3
1 -
2 University of Tehran
3
چکیده [English]

Background and Objectives: Flood is one of the deadliest natural disasters in the world, which causes enormous sufferings to human societies and changes in environment. In recent years, flooding has become a growing concern for both communities and governments across several parts of the world. This problem, has made the needs for the experienced managers and flood engineers to reduce the flood impact on the society and environment. Flood forecasting is one of the non-structural flood risk management method which gives valuable information for flood alert services and people and various organizations will have enough time to prepare flood control measures in emergency situations.
Materials and Methods: In this study standardized precipitation index (SPI) and standardized precipitation-evapotranspiration index (SPEI) in Darzikala and Sangadeh weather stations located in Kasilian basin, Mazandaran province were calculated using R codes to determine the wet period. In order to explore the efficiency of SPI and SPEI in flood detection, the results were compared with river discharge time series in Valikbon gage station. To compare the results of SPI and SPEI indices, probability of detection (POD), false alarm ratio (FAR), and critical success index (CSI) were applied.
Results: The results showed that maximum and minimum POD for SPI and SPEI were 0.89 and 0.68 respectively. These values for CSI were 0.71 and 0.61 and for FAR parameter were 0.32 and 0.11 respectively. The trend analysis of mentioned indices showed that the SPEI index was relatively better than SPI due to the use of temperature data and hence the calculation of evapotranspiration, especially at the end of spring and summer in the Kasilian basin which has rainfall–snow regime
Conclusion: Based on the POD, FAR, and CSI statistics, it is suggested that the application of SPEI index is more suitable for flood forecasting in rainfall-snow regime due to the use of temperature data for snow melt, especially in spring and summer. The SPI index is also an important indicator because of its ability in providing desirable results in flood forecasting with only one parameter and also due to this fact that the rainfall is the only accurate data with appropriate historical period in all watersheds, and at least two organs in the country are collecting information about it.
Conclusion: Based on the POD, FAR, and CSI statistics, it is suggested that the application of SPEI index is more suitable for flood forecasting in rainfall-snow regime due to the use of temperature data for snow melt, especially in spring and summer. The SPI index is also an important indicator because of its ability in providing desirable results in flood forecasting with only one parameter and also due to this fact that the rainfall is the only accurate data with appropriate historical period in all watersheds, and at least two organs in the country are collecting information about it.

کلیدواژه‌ها [English]

  • prediction
  • flood
  • SPI
  • SPEI
  • Kasilan catchment
1.Du, J., Fang,J., XU, W., and Shi, P. 2013. Analysis of dry/wet conditions using the standardized precipitation index and its potential usefulness for drought/flood monitoring in Hunan Province, China. Stochastic Environmental Research and Risk Assessment, 27: 377-387.
2.Eghtedari, M., Bazrafshan, J., Shafe, M., and Hejabi, S. 2016. Prediction of streamflow drought using SPI and Markov chain in Kharkheh’s basin. J. Water Soil Cons. 23: 2. 115-130.
3.Eslahi, M., Sobhani, B., and Pourasghar, F. 2014. Studying and applying the Standardized Precipitation Evapotranspiration Index (Case study: Tabriz Meteorological Station). J. Clim. Res. 19: 23-28. (In Persian)
4.Ghabaei Sough, M., Zare Abyaneh, H., Mosaedi, A., and Samadi, S.Z. 2016. Assessment of Humidity Conditions and Trends Based on Standardized Precipitation Evapotranspiration Index (SEPI) Over Different Climatic Regions of Iran. J. Water Soil. 30: 5. 1700-1717. (In Persian)
5.Ghorbani, Kh., Salari Jazi, M., and Abdolhosseini, M. 2015. Feasibility Study of the Precipitation of Annual Drought Based on Drought Conditions in the Spring Season. Iran. J. Irrig. Drain. 9: 636-645. 
6.Guerreiro, M.J., Lajinha, T., and Abreu, I. 2008. Flood analysis with the standardized precipitation index (SPI).
7.Hao, Z., and AghaKouchak, A. 2014. A nonparametric multivariate multi-index drought monitoring framework. J. Hydrometeorol. 15: 1. 89-101.
8.Hatefi, A., Mosaedi, A., and Jabbari Nooghabi, M. 2016. The role of evapotranspiration in meteorological drought monitoring in some climate regions of Iran. J. Water Soil Cons. 23: 2. 1-21.
9.Heydari, A. 2000. Real-time flood forecasting and flood control. 4th Conference on Dam Construction, Tehran, Iran. (In Persian)
 10.Hosseini Pazhouh, N. 2014. Studying the possibility of using SPI in the analysis of flood occurrence threshold. Case study: Kasilian basin. M.Sc. Thesis, Imam Khomeini International University. (In Persian)
11.Mashayekhi, T. 2001. Historical flood in Iran. Iranian national committee of large dams. No. 38, 89p. (In Persian)
12.Mckee, T.B., Doesken, N.J., and Kleist, J. 1993. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. American Meteorological Society Boston, MA, Pp: 179-183.
13.Mostafazadeh, R., and Zabihi, M. 2016. Comparison of SPI and SPEI indices to meteorological drought assessment using R programming (Case study: Kurdistan Province). J. Earth Space Physic. 34: 3. 633-643. (In Persian)
14.Nadi, M., Bazrafshan, J., Pourtahmasi, K., and Najafi Hersini, F. 2015. Relationship between oak’s tree-ring and climate indices (in regional and global scales) in Javanroud region, Kermanshah. J. Water Soil Cons.
22: 3. 57-71.
15.Nadi, M., Pourtahmasi, K., Bazrafshan, J., and Braeuning, A. 2016. Two century tree ring reconstruction of drought using Multivariate Standardized Precipitation Index (MSPI) in Javanroud-Kermanshah region. J. Water Soil Cons. 22: 6. 99-116.
16.Pappenberger, F., Wetterhall, F., Dutra, E., Di Giuseppe, F., Bogner, K., Alfieri, L., and Cloke, H.L. 2013. Seamless forecasting of extreme events on a global scale. Climate and Land Surface Changes in Hydrology, edited by: Boegh, E., Blyth, E., Hannah, D.M., Hisdal, H., Kunstmann, H., Su, B., and Yilmaz, K.K., IAHS Publication, Gothenburg, Sweden, Pp: 3-10.
17.Salehi, M. 2014. Flood forecasting using artificial neural network and time series. M.Sc. Thesis, shahid bahonar university of kerman. (In Persian)
 18.Seiler, R., Hayes, M., and Bressan, L. 2002. Using the standardized precipitation index for flood risk monitoring. Inter. J. Climatol. 22: 1365-1376.
19.Shadmani1, M., Marofi, S., Mohammadi, K., and Sabziparvar, A.A. 2011. Regional flood discharge modeling in Hamedan province using Artificial Neural Network. J. Water Soil Cons. 18: 4. 21-42. (In Persian)
20.Shokoohi, A., Hosseini Pazhouh, N., and Bakhtiari, A. 2017. Flood forecasting using daily scale SPI. J. Civil Environ. Engine. In Press. (In Persian)
21.Vicente-Serrano, S.M., Begueria, S., and Lopez-Moreno, J.I. 2010. A Multi-scalar drought index sensitive to global warming: The Standardized Precipitation Evapotranspiration Index-SPEI. J. Clim. 23: 7. 1696-1718.
22.Yaghoobzadeh, M., Ahmadi, M., Seyyed Kaboli, H., Zamani, Gh.R., and Amirabadizadeh, M. 2017. The evaluation of effect of climate change on agricultural drought using ETDI and SPI indexes. J. Water Soil Cons. 24: 4. 43-61.
23.Yazdanpanahi, A., Ahmadaali, K., and Hosseini Pazhouh, N. 2017. Study on spatial-temporal variation of SPEI (Case study: Razavi Khorasan province), 3rd International Conference on Agricultural Engineering and Natural Resources, Tehran, Iran. (In Persian)
24.Zhang, Q., Li, Q., Singh, V.P., Shi, P., Huang, Q., and Sun, P. 2018. Nonparametric integrated agrometeorological drought monitoring: Model development and application. Journal of Annual Drought Based on Drought Conditions in the Spring Season. Iran. J. Irrig. Drain. 9: 636-645.