تاثير توابع كرنل بر شاخص خشكسالي SPEI و مشخصه‌هاي خشكسالي

Effects of Kernel Functions on SPEI and Drought Characteristics

برنامه‌ريزي و مديريت خشكسالي مبتني بر شناخت خشكسالي، مشخصه‌هاي آن و گستردگي مكاني و زماني آن است. در تحقيق حاضر شاخص بارش و تبخير و تعرق استاندارد شده (SPEI) دوازده ماهه در دوازده ايستگاه قديمي حوضه زاينده‌رود با اعمال چهار كرنل شامل مستطيلي، مثلثي، دايره‌اي و گوسي با حداكثر وزن ماه پنجم برآورد گرديد‌ و تاثير كرنل‌ها بر مشخصه-هاي خشكسالي ارزيابي شد. نتايج بررسي سري زماني شاخص SPEI در ارتباط با چهار مشخصه خشكسالي يعني زمان رخداد، تداوم، بزرگي و شدت خشكسالي حاكي از حساسيت بالاتر ساير كرنل‌ها نسبت به كرنل‌ مستطيلي در شناسايي خشكسالي بود. كرنل مستطيلي داراي حداكثر ضريب تغييرات در هر تداوم خشكسالي است. كرنل گوسي در تداوم و بزرگي خشكسالي و كرنل دايره‌اي در شدت خشكسالي كمترين ضريب تغييرات را بخود اختصاص دادند. همچنين كرنل گوسي در مقايسه با ساير توابع از حساسيت بيشتري در آشكار سازي نوسانات خشكسالي برخوردار است و زودتر از ساير توابع علائم مواجهه با خشكسالي را آشكار مي‌سازد. در مجموع نتايج حاصل از اين مطالعه نشان مي‌دهد استفاده از اوزان يكسان و در واقع كرنل مستطيلي براي كليه ماههاي مورد استفاده در تحليل خشكسالي مي‌تواند منجر به بيش يا كم برآوردي پارامترهاي مختلف خشكسالي گردد.

Drought management and planning are based on recognizing drought characteristics and its spatial and temporal extent. In the present research, SPEI12 was calculated using 4 kernels including rectangular, triangular, circular and Gaussian at the 12 Zayandeh Roud watershed’s climatological stations. Four important characteristics of drought including the time of occurrence, duration, magnitude and severity were evaluated by applying the highest weight to the 5th month. It was revealed that kernels other than rectangular were more sensitive in recognizing the four drought characteristics. While the rectangular kernel showed the highest coefficient of variation (CV) in drought duration, the Gaussian kernel has the least CV in duration and magnitude and the circular kernel has the least CV in severity. Moreover, it was found that the Gaussian kernel was more successful in detecting the occurrence of drought in comparison with others. Finally, the results of this research indicated that rectangular kernel i.e. using equal weights for all months in deriving SPEI, may lead to overestimate or underestimate drought characteristics.