پيش‌بيني خشك‌سالي جريان رودخانه با استفاده از شاخص SPI و زنجيره ماركف در حوزه آبريز كرخه

Prediction of streamflow drought using SPI and Markov chain in Kharkheh’s basin

سابقه و هدف: خشك‌سالي يكي از پيچيده‌ترين بلاياي طبيعي در جهان است و زماني رخ مي‌دهد كه آب قابل دسترس يك سامانه براي تامين نيازهاي حداقل يكي از بخش‌هاي زيستي، اقتصادي و اجتماعي طي يك دوره زماني قابل ملاحظه كافي نباشد. گرچه به‌طور كلي تعريفي جهاني از خشك‌سالي وجود ندارد، مي‌توان خشك‌سالي را به انواع مختلف خشك‌سالي هواشناسي، كشاورزي، هيدرولوژيكي و اقتصادي- اجتماعي تقسيم‌بندي نمود. خشك‌سالي هيدرولوژيكي كه در اين مقاله به آن پرداخته مي شود، در فاز زميني چرخه هيدرولوژيكي به‌صورت كاهشي مشخص در ميزان آب قابل دسترس در همه اشكال آن مانند جريان رودخانه، سطح آب مخازن و درياچه‌ها و سطح آب زيرزميني تعريف مي‌شود. از جمله اثرات خشك‌سالي هيدرولوژيكي مي توان به كاهش يا زوال ذخاير آبي، بدتر شدن كيفيت آب، عدم كفايت آب مورد نياز براي آبياري و در نتيجه افت محصول، كاهش قدرت توليد، برهم خوردن تعادل زيستگاه‌هاي ساحلي و تاثير بر فعاليت‌هاي اقتصادي- اجتماعي اشاره كرد. هدف از اين مقاله ارزيابي خشك‌سالي هيدرولوژيكي در حوزه آبريز كرخه با استفاده از شاخص SDI و پيش بيني اين نوع خشك‌سالي با استفاده زنجيره ماركف ناايستا مي باشد. مواد و روش‌ها: در اين مطالعه، به‌منظور تعيين وضعيت خشك‌سالي هيدرولوژيكي، از شاخص خشك‌سالي جريان رودخانه (SDI) كه براساس حجم تجمعي جريان رودخانه است، براي دوره‌هاي مرجع 3، 6، 9 و 12 ماهه در 4 ايستگاه هيدرومتري واقع در حوزه آبريز كرخه (آفرينه، پلچهر، قورباغستان و پلزال) طي سال‌هاي 1387-1354 (دوره آماري 33 ساله) استفاده شد. چهار دوره مرجع منتخب در هر سال هيدرولوژيكي كه داراي همپوشاني هستند، عبارت از مهر- آذر، مهر- اسفند، مهر- خرداد، مهر- شهريور (يك‌سال كامل هيدرولوژيكي) مي‌باشد. پس از تعيين وضعيت‌هاي خشك‌سالي براي هر سري زماني و دوره مرجع، با فرض اين‌كه فرآيند اصلي داراي ساختار زنجيره ماركف ناايستا است، احتمال انتقال وضعيت براي همه ايستگاه‌ها و در همه دوره‌هاي مرجع محاسبه شد. يافته‌ها: در حالي‌كه همبستگي بين دو شاخص SDI و SPI ضعيف بود، نتايج همبستگي و ارتباط بين مقادير SDI در دوره‌هاي مرجع مختلف نشان داد كه با اطمينان بسيار بالايي مي‌توان در پيش‌بيني وضعيت خشك‌سالي هيدرولوژيكي كل سال از شاخص SDI شش‌ماهه (مهر- اسفند) استفاده نمود. از ديگر نتايج اين مطالعه مي‌توان به استفاده از داده‌هاي بارش به‌جاي داده‌هاي جريان رودخانه به‌منظور پيش‌بيني خشك‌سالي هيدرولوژيكي در ايستگاه‌هايي كه همبستگي بالايي بين شاخص SDI و SDI وجود دارد، اشاره كرد. نتيجه‌گيري: از ويژگي‌هاي عمده روش مورد استفاده در اين مقاله مي‌‌توان به استفاده از شاخصي ساده به نام شاخص خشك‌سالي جريان رودخانه (SDI)، كه شدت خشك‌سالي هيدرولوژيكي را با استفاده از متوسط دبي جريان رودخانه براي دوره‌هاي داراي همپوشاني 3، 6، 9 و 12 ماهه (دوره‌هاي مرجع) در هر سال هيدرولوژيكي توصيف مي‌كند، در نظر گرفتن 5 طبقه (وضعيت) خشك‌سالي، توليد ماتريس احتمال انتقال وضعيت براي دو دوره مرجع منتخب با فرض تبعيت فرآيند اصلي از زنجيره ماركف، امكان پيش‌بيني شدت خشك‌سالي دوره مرجع تجمعي بلندمدت‌تر با استفاده از شدت خشك‌سالي دوره‌هاي مرجع قبلي و استفاده از داده‌هاي بارش به‌جاي داده‌هاي جريان رودخانه به‌منظور پيش‌بيني خشك‌سالي هيدرولوژيكي در ايستگاه‌هايي كه همبستگي بالايي بين شاخص SDI و SPI وجود دارد، اشاره كرد.

Background and Objectives: Drought is one of the most complex natural disasters in the world and it occurs whenever available water of a system wouldnʹt be enough for at least supplying one of the biological, economic and social requirements during a considerable period of time. Although there is not a universal definition of drought, drought can be defined in different disciplinary perspectives: meteorological drought, agricultural drought, hydrological drought and socioeconomic drought. Hydrological drought is defined as a significant decrease in the availability of water in all its forms such as streamflow, lake and reservoir level and groundwater level appearing in the land phase of the hydrological cycle. Hydrological droughts can have widespread impacts by reducing or eliminating water supplies, deteriorating water quality, restricting water for irrigation and causing crop failure, reducing power generation, disturbing riparian habitats, limiting recreation activities and affecting a diversity of economic and social activities. The aim of this study is to assess and predict hydrological drought using SDI index and non-stationary Markov chain. Materials and Methods: In this study, in order to determine hydrological drought state, for reference periods of 3, 6, 9 and 12 months in 4 hydrometric stations located on Kharkheh basin (Afarineh, Polchehr, Ghoorbaghestan and Polzal) over 1976-2009 (33 years), the Streamflow Drought Index (SDI) based on cumulative streamflow was used which is an index analogous to SPI. Four overlapping selected reference periods in each hydrological year are namely: October–December, October–March, October–June and October–September (one complete hydrological year). Assuming that the underlying process possess the structure of a non-stationary Markov chain, after determining drought states, state transition probability was calculated in all reference periods and all stations. Results: While the correlations between SDI and SPI indices were poor, correlations between SDI values in different reference periods indicated that hydrological drought state in whole year can be predicted by October-March SDI index with high reliability. Another conclusion can be drawn from the present study is to use precipitation data instead of streamflowʹs in order to predict hydrological drought at the stations with high correlation between SDI and SPI indices. Conclusions: The main features of the methodology are using a simple index called Streamflow Drought Index or SDI that is used to characterize severity of the hydrological drought for overlapping periods of 3, 6, 9 and 12 months (reference periods) within each hydrological year, considering five drought states, generating the matrix of state transition frequency for a selected pair of reference periods under the hypothesis of a Markov chain for the underlying state process, possibility of drought severity prediction in longer cumulative reference period using severity drought in prior reference periods and using of rainfall data instead of streamflowʹs in order to predict hydrological drought at the stations with a high correlation between SDI and SPI.