كاربرد داده‌هاي شبكه‌اي CRU و GPCC در تحليل خشكسالي‌هاي بلند مدت حوضه آبريز درياچه اروميه

سابقه و هدف:خشكسالي رويدادي است كه هر ساله كشورهاي زيادي را با كمبود آب مواجه مي‌كند. اقليم خشك و نيمه‌خشك و توزيع نامناسب بارندگي از نظر مكاني و زماني سبب افزايش اثر منفي كمبود منابع آب در كشور ايران مي باشد. در پژوهش حاضر وضعيت خشكسالي هواشناسي حوضه آبريز درياچه اروميه با استفاده از داده‌هاي شبكه‌اي بارش، دما و تبخير و تعرق مرجع در 10 ايستگاه سينوپتيك از سال 1955-2019 مورد بررسي قرار گرفت. بدين منظور ابتدا عملكرد داده‌هاي شبكه‌اي CRU (Climatic Research Unit) و (Global Precipitation Climatology Center) GPCC در برآورد پارامترهاي اقليمي با استفاده از داده‌هاي زميني ارزيابي شد. سپس از داده‌هاي شبكه‌اي جهت محاسبه شاخص شناسايي خشكسالي RDI (Reconnaissance Drought Index) استفاده گرديد و پايش خشكسالي طي دوره آماري مشاهده مورد بررسي قرار گرفت.مواد و روش‌ها:حوضه آبريز در شمال‌غرب ايران در استان‌هاي آذربايجان‌ غربي، شرقي و كردستان قرار گرفته و مرز غربي آن ارتفاعات مرزي ايران و تركيه است. در پژوهش حاضر در ابتدا با مراجعه به سازمان هواشناسي كشور داده‌هاي بارش و دماي ايستگاه‌هاي مورد مطالعه طي يك دوره 65 ساله (11955-2015) دريافت و پردازش شد. سپس جهت معرفي و استفاده از داده‌هاي شبكه‌اي براي مكان و زمان‌هاي فاقد آمار، از داده‌هاي بارش ماهانه GPCC و مولفه‌هاي (حداقل، متوسط و حداكثر) دماييCRU ، براي 10 ايستگاه همديدي منتخب حوضه درياچه اروميه در طي دوره آماري استفاده شد. جهت تحليل خشكسالي بلند‌مدت و محاسبه شاخص RDI از داده‌هاي بارش، دما و تبخير و تعرق حاصل از داده‌هاي شبكه‌اي استفاده گرديد. يافته‌ها:در مطاعه حاضر براي واسنجي داده‌هاي مورد استفاده از دو رويكرد كلي استفاده شد. رويكرد اول عبارتست از اينكه كليه داده‌هاي زميني مستخرج از ايستگاه‌هاي هواشناسي به‌ترتيب زماني در مقابل داده‌هاي شبكه‌اي ترسيم شده و يك رابطه رگرسيوني به آنها برازش داده مي‌شود. در رويكرد دوم به تغييرات ماهانه داده‌هاي شبكه‌اي توجه شده و واسنجي براي هر ماه به‌صورت جداگانه انجام مي‌شود. از اين‌رو واسنجي ماهانه در ايستگاه‌ها براي داده‌هاي موجود انجام شد و نتايج نشان داد كه خطاي محاسباتي در داده‌هاي CRU براي دما و تبخير و تعرق به مراتب كوچك‌تر بوده و توانسته است مقادير داده‌هاي دما و تبخير و تعرق را با خطاي كمتر و عملكرد بهتر برآورد نمايد. به‌عنوان مثال در ايستگاه اروميه براي تخمين ETo، مقدار شاخص ارزيابي RMSE بين داده‌هاي زميني و شبكه‌اي CRU، 0.918 ميلي‌متر در روز مي‌باشد. در حاليكه بعد از واسنجي اين مقدار به 0.671 ميلي‌متر در روز كاهش يافت. اين روند كاهش خطا بين داده‌هاي زميني و شبكه‌اي CRU در كليه ايستگاه‌هاي مورد مطالعه نيز تكرار شده است. در ايستگاه‌هاي پيرانشهر و سقز برآورد تبخير و تعرق مرجع با خطاي بيشتري نسبت به ساير ايستگاه‌ها همراه بود. بطوريكه معيار MAE در ايستگاه‌هاي مذكور قبل از واسنجي به‌ترتيب 1.087 و 0.965 (mm/day) بوده و بعد از عمل واسنجي اين شاخص به مقدار 0.309 و 0.467 (mm/day) كاهش يافته است. در اين بخش علاوه بر شاخص‌هاي آماري از نمودار ويولني براي نشان دادن توزيع داده‌ها نيز بهره گرفته شد. به طور كلي مي‌توان نتيجه گرفت كه داده‌هاي اقليمي به دست آمده از پايگاه‌هاي اطلاعاتي CRU و GPCC مطابقت خوبي با مقادير زماني نشان مي‌دهند اما اصلاح اريبي موجود در آنها همواره بايد مورد توجه قرار گيرد.نتيجه گيري:تحليل خشكسالي‌هاي حوضه آبريز حاكي از آن است كه از سال2019-1998 RDI مقادير منفي‌تري را به خود اختصاص داده كه خشكسالي شديد را نشان مي‌دهد و به عبارتي فعاليت‌هاي انساني و شرايط اقليمي را در منطقه با بحران مواجه مي‌كند. نتايج پژوهش حاضر نشان‌دهنده عملكرد مناسب داده‌هاي شبكه‌اي CRU و GPCC در برآورد پارامترهاي هيدرولوژيك بوده و توصيه مي‌گردد در مناطقي كه داده‌هاي ثبت شده زميني طولاني مدت در دسترس نيست از پايگاه‌هاي اطلاعاتي فوق استفاده شود.