ارزيابي شاخص خشكسالي كمبود توام تحت شرايط اقليمي ايران

Assessment of joint deficit drought index under climatic conditions of Iran

شاخص كمبود توام از تركيب دوازده متغير شاخص اصلاح شده بارندگي استاندارد (SPImod) متناظر با پنجره‌هاي زماني 1 تا 12 ماه با استفاده از توابع همبند تجربي و نظري محاسبه مي‌شود. به دليل دشواري و زمانبر بودن محاسبه توابع همبند نظري، محققان استفاده از فرم تجربي JDI را پيشنهاد مي‌كنند. هدف از اين مطالعه، مقايسه شاخص كمبود توام در دو حالت تجربي و نظري تحت شرايط اقليمي ايران است. در اين مطالعه، از داده هاي بارندگي ماهانه 42 ايستگاه سينوپتيك ايران در طي دوره آماري 2010-1966 جهت محاسبه شاخص كمبود توام استفاده شده است. در حالي كه محاسبه شاخص همبند تجربي (EJDI) مبتني بر روش پيچيده‌اي نمي‌باشد، در محاسبه شاخص كمبود توام نظري (TJDI) مي‌بايست مناسبترين فرم تابع همبند از بين چند تابع همبند داوطلب (تي-استيودنت، كلايتون، گامبل، و فرانك) بر مبناي چند معيار اطلاعات تعيين گردد. نتايج نشان داد كه در تمام ايستگاهها، مناسبترين تابع همبند نظري، تابع همبند تي-استيودنت است. مقايسه سرهاي زماني EJDI و TJDI نشان داد كه هر دو داراي رفتار تقريبا مشابهي هستند، ولي EJDI دو مشكل اساسي در تمام ايستگاه هاي مورد نظر نشان مي دهد: الف- كمينه مقدار EJDI به طور مكرر در بخشهاي مختلف سري‌هاي زماني تكرار مي‌شود، ب- EJDI نمي‌تواند اوج سختي خشكسالي را در طي دوره‌هاي بحراني خشكسالي تشخيص دهد. اين در حالي است كه مشكلات ذكر شده در TJDI ديده نمي‌شود. نتايج بدست آمده نشان دهنده ارجحيت استفاده از شاخص كمبود توام نظري جهت پايش خشكسالي تحت شرايط مختلف اقليمي ايران مي باشد.

Joint Deficit Index (JDI) is computed based on combination of the 12 modified Standardized Precipitation Index (SPImod) corresponding to the 12 time scales 1-12 month using the empirical and theoretical copula functions. Researchers suggest calculating the JDI as empirically due to difficulty and time-consuming in computing its theoretical form. The aim of this paper is to compare the empirical and theoretical copula-based joint deficit indices at 42 weather stations in Iran for the common period 1966-2010. For calculating the theoretical JDI (TJDI), we chosen the best copula function from the four candidate functions including Student’s t, Clayton, Gumbel and Frank using two information criteria. In contrast, calculation of the empirical JDI (EJDI) not need fitting any copula function to data, and therefore it can be computed more simply than TJDI. Results showed that the Student’s t copula is the best function at all selected stations; therefore, the theoretical JDI was computed based on this copula function. Although both indices, i.e. EJDI and TJDI showed a similar behavior of drought severity, the EJDI faced two problems in all selected stations: 1) The lowest value in the EJDI time series is frequently repeated in different parts of its time series, 2) The EJDI was not able to identify the peak of drought severity during the critical drought periods. In contrast, the TJDI did not face the mentioned issues and therefore that is suggested for monitoring overall status of droughts in the study area.