نام پژوهشگر: غزاله کواکبی

پایش، پیش بینی و تعیین موثرترین عوامل بر وقوع خشکسالی با استفاده از داده های پانلی درمحدوده ایستگاه های سینوپتیک خراسان رضوی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی 1393
  غزاله کواکبی   محمد موسوی بایگی

ازدیربازمطالعات اقلیمی درزمینه بلایای طبیعی زمانیکه اثرات شدیدی داشته موردتوجه بوده است.دربین بلایای جوی وفاجعه-های محیطی،مسئله خشکسالی که گاه به آهستگی وگاه به سرعت اثرات خودراآشکارمیسازدقابل توجه می باشد. خشکسالی پدیده ای طبیعی می باشدکه به صورت دوره ای،درهرمنطقه وباهرشرایط آب وهوایی اتفاق می افتدوبخش-های مختلف زندگی بشررادستخوش تأثیرات منفی فراوانی می سازد.در ایران بعد از خشک سالی های دهه 1370شمسی، بررسی وضعیت خشکسالی و شناسایی خصوصیات آن بیش از پیش مورد توجه قرار گرفته است. باتوجه به این که بررسی توام تغییرات مکانی و زمانی خشکسالی می تواند اطلاعات جامع تری از وضعیت خشکسالی را نشان دهد، از اینرو در این تحقیق سعی شده تا با استفاده از داده های پانلی که درواقع ترکیب داده های مکانی و زمانی می باشند، عوامل موثر بر وقوع خشکسالی در استان خراسان رضوی تعیین شود. برای این منظور از داده های هواشناسی ده ایستگاه سینوپتیک استان خراسان رضوی در طی سال های 2010-1987 استفاده -شد. ابتدا خشکسالی بر اساس دو شاخص spi و rdi در 17 مقیاس (سالانه، 4 فصل و 12 ماه) برای ایستگاه های مورد مطالعه محاسبه شد. سپس با استفاده از داده های ترکیبی، عوامل موثر بر وقوع خشکسالی استان خراسان رضوی و مدل های مناسب پیش بینی برای هر مقیاس، تعیین شد. پس از انتخاب بهترین مدل، آزمون t نمونه های جفت شده و محاسبه مقدار همبستگی میان مقادیر واقعی و پیش شده بر اساس مدل ها انجام شد.در انتها با استفاده از چهار آماره خطاسنجی، صحت مدل ها تعیین و با استفاده از آماره ipeبهترین مدل انتخاب شد. نتایج این تحقیق وقوع خشکسالی شدیدی را در سال 2008 درسطح وسیعی از استان خراسان رضوی نشان داد. بر اساس نتایج بدست آمده از تعیین عوامل موثر بر وقوع خشکسالی نیز مشاهده شد که برای هر مقیاس زمانی، عوامل موثر متفاوت می باشند، اما پارامتر بارش برای هر دو شاخص و برای 17 مقیاس زمانی استفاده شده در این تحقیق، عامل موثر جهت پیش بینی خشکسالی شناخته شد. پارامتر ساعت آفتابی تنها برای هفت مقیاس زمانی در این تحقیق به عنوان عامل موثر پیش بینی تعیین شد. پس از بررسی صحت مدل ها بر اساس آزمون t نمونه های جفت شده و چهار آماره خطاسنجی me، rmse، mare و r، مشخص شدکه مدل های بدست آمده برای پیش بینی، مدل های مناسبی می باشند. در انتها با توجه به آماره ipe، مدل پیش بینی خشکسالی ماه ژانویه بر اساس شاخص spi و مدل پیش بینی خشکسالی فصل زمستان بر اساس شاخص rdi، به عنوان مناسب ترین مدل برای پیش بینی تشخیص دادهشدند.