پيش بيني خشكسالي بر پايه نمايه بارش استاندارد شده با استفاده از مدل هاي سري هاي زماني در استان فارس

Drought forecasting based on the standardized precipitation index using time series models in Fars Province

پيش بيني خشكسالي اهميت زيادي در برنامه ريزي و مديريت منابع طبيعي و منابع آب دارد. در اين مطالعه از مدل هاي اتورگرسيو- ميانگين متحرك تلفيق شده فصلي (SARIMA) به عنوان مدل هاي تصادفي خطي براي پيش بيني خشكسالي استفاده شد. اين مدل ها سري هاي زماني نمايه بارش استاندارد شده (SPI) را براي پيش بيني خشكسالي به كار مي برند. مقادير SPI براي مقياس هاي زماني 3، 6، 12 و 24 ماهه براي ايستگاه هاي سينوپتيك آباده، شيراز و فسا در استان فارس محاسبه شدند. مدل SARIMA با كمترين مقدار معيار اطلاعات آكاييك تصحيح شده به عنوان بهترين مدل انتخاب شد. نمودارهاي خودهمبستگي باقيمانده ها براي مدل هاي انتخاب شده نشان مي دهند كه باقيمانده ها نا همبسته اند. مقادير SPI از ژانويه 2004 تا دسامبر 2005 به عنوان داده هاي آزمون با استفاده از مدل هاي سري زماني برازش داده شده پيش بيني شد. براي مثال، مدل براي سري هاي زماني SPI دوازده ماهه ايستگاه شيراز مناسب تشخيص داده شد. نتايج اين مدل نشان داد كه ضريب همبستگي بين مقادير SPI مشاهده و پيش بيني شده 74/0 مي باشد كه در سطح 1% معني دار مي باشد و 22 ماه وضعيت خشكسالي به درستي پيش بيني مي شود.

Drought forecasting plays an important role in the planning and management of natural and water resources. In this study, multiplicative seasonal autoregressive integrated moving average (SARIMA) models as the linear stochastic models were used to forecast droughts. The models were applied to forecast droughts using standardized precipitation index (SPI) time series. The SPI values for time scales of 3, 6, 12 and 24 months for Abadeh, Shiraz and Fasa synoptic stations in Fars province were calculated. The SARIMA model with the minimum of Akaikeʹs information criterion bias corrected (AICc) was selected as the best model. The auto-correlation function plots of the residuals for the selected models indicated that the residuals were uncorrelated. The SPI values from January 2004 to December 2005 as the test data have forecasted using fitted models. For example, model was identified for 12 months SPI time series in Shiraz station. The results of this model indicated that the correlation coefficient between the observed and predicted values of SPI is 0.74 which is significant at 0.01 level and 22 months of drought category was correctly forecasted.