پيش‌بيني خشكسالي با استفاده از مدل‌هاي همادي آمريكاي شمالي (NMME)در مناطق غربي ايران

زمينه و هدف: خشكسالي به عنوان يك مخاطره طبيعي، تأثيرات زيادي در بخش هاي مختلف از جمله كشاورزي، منابع آب دارد و سالانه خسارات زيادي به اين بخشها در سراسر دنيا تحميل مي كند. لذا بايد راهكارهايي جهت كاهش خسارت خشكسالي صورت گيرد و در اين بين برنامه ريزي و سازگاري با شرايط خشكسالي با استفاده از خروجي پيش بيني به هنگام خشكسالي جز مؤثرترين راهكارها به حساب مي آيد. با توجه به نياز پيش بيني خشكسالي و محدود بودن مطالعات ارزيابي شاخص هاي خشكسالي به دست آمده از برون داد پيش بيني بارش مدل هاي همادي آمريكاي شمالي در ايران، در اين پژوهش به بررسي اين مدل ها در چهار حوضه آبريز كرخه، كارون بزرگ، حله و هنديجان جراحي براي دوره 2018 - 1982 پرداخته شد.روش پژوهش: در اين پژوهش، ابتدا برونداد ماهانه مدل هاي مختلف همادي آمريكاي شمالي و در افق هاي پيش بيني صفر تا 9 ماه و در دوره آماري 2018- 1982 مورد ارزيابي قرار گرفت و سپس شاخص خشكسالي SPI محاسبه شده است. براي ارزيابي از مقايسه اين داده ها با داده هاي GPCC استفاده شد. جهت ارزيابي از سه معيار كمي CC، RMSE و BIAS استفاده شد. همچنين جهت يكپارچه كردن مدل هاي موجود از دو روش الف: ميانگين حسابي بين مدل هاي موجود و ب: ميانگين وزني بين مدل ها با در نظر گرفتن نتايج ضريب همبستگي (CC) ارزيابي شده است. همچنين جهت ارزيابي شاخص خشكسالي SPI از دو معيار طبقه بندي شده POD و FAR و معيار كمي آماري CC استفاده شد.يافته ها: نتايج ارزيابي بارش مدل ها نشان داد كه مدل هاي يكپارچه داراي عملكرد بهتري نسبت به مدل هاي انفرادي هستند و در اين مدل يكپارچه نيز مدل وزن دهي شده عملكرد بهتري داشت. ارزيابي توزيع مكاني مدل هاي بارش نيز نشان داد كه دو حوضه آبريز كارون بزرگ و هنديجان جراحي در افق پيش بيني صفر ماه و حوضه آبريز هنديجان جراحي در افق پيش بيني يك ماهه داراي عملكرد بهتري هستند. نتايج ارزيابي شاخص خشكسالي نشان داد كه مدل هاي يكپارچه با وجود اينكه عملكرد بهتري در پيش بيني بارش داشتند اما در پيش بيني خشكسالي بهترين عملكرد متعلق به مدل هاي NASA -GMAO 062012 و CFSv2 است. همچنين نتايج نشان داد كه پيش بيني شاخص خشكسالي در بازه هاي سه و شش ماه عملكرد بهتري نسبت به يك ماهه دارند. ارزيابي توزيع مكاني نيز نشان داد مدل ها در حوضه هاي جنوبي عملكرد بهتري دارند. به طور كلي مي توان نتيجه گرفت كه مدل هاي همادي آمريكاي شمالي داراي عملكرد مناسبي در پيش بيني خشكسالي در بعضي نقاط و در افق هاي پيش بيني مشخص هستند، لذا بايد در هر نقطه قبل از استفاده مورد ارزيابي قرار گيرند.نتايج: نتايج به دست آمده از ارزيابي بارش نشان داد كه به طور كلي يكپارچه كردن برون داد مدل هاي ديناميكي باعث افزايش مهارت آن مي شود و يكپارچه كردن در حالت وزني (WeightedNMME) عملكرد بهتري نسبت به حالت غير وزني (NMME) دارد. در افق پيش بيني صفر ماهه بين مدل هاي انفرادي نيز مدل NASA- GMAO- 062012 بيشترين مهارت را از نظر شاخص ارزيابي CC دارد ولي در افق پيش بيني يك ماهه از نظر شاخص هاي ارزيابي CC، RMSE و BIAS بهترين عملكرد متعلق به مدل CFSv2 است. ارزيابي در شاخص هاي خشكسالي نشان داد كه عملكرد مدل مي تواند متفاوت از عملكرد آن ها در پيش بيني بارش باشد. به طور مثال مدل WeightedNMME با اين كه عملكرد مناسبي در پيش بيني خشكسالي دارد اما بهترين عملكرد در بين مدل ها در ماه هاي مختلف NASA- GMAO- 062012 و CFSv2 داشتند. ارزيابي مكاني نيز نشان داد كه حوضه هاي آبريز جنوبي داراي عملكرد بهتري نسبت بقيه حوضه ها هستند.