پیش بینی فضایی-زمانی خشکسالی با استفاده از شاخص SPEI در شمال شرق ایران

خشکسالی به عنوان پیچیده ترین و خطرناک ترین بلایای طبیعی است که هم در مکان و هم طی زمان تغییر می کند. گرمایش جهانی در سال های اخیر باعث تشدید این گونه رویدادهای حدی شده است. از این رو استفاده از شاخص های خشکسالی که هر دو اثر بارش و دما را در نظر می گیرند و نیز استفاده از روش های توام فضایی- زمانی که گسترش یافته ی آمار مکانی هستند، احتمالا می تواند باعث پایش بهتر خشکسالی ها و در نتیجه افزایش دقت پیش بینی ها گردد. در این روش ها ساختار همبستگی داده ها توسط توابع کوواریانس فضایی-زمانی مشخص می شود. هدف از این تحقیق بکارگیری و مقایسه ی چند تابع تغییرنگار فضایی-زمانی برای پیش بینی و پهنه بندی فضایی-زمانی خشکسالی با استفاده از شاخص SPEI در مقیاس 12 ماهه می باشد.

در این تحقیق از داده های ماهانه بارندگی و دمای 48 ایستگاه در شمال شرق کشور طی دوره ی آماری 1981-2012 برای محاسبه ی مقادیر شاخص SPEI در مقیاس 12 ماهه استفاده شده است. تحلیل اکتشافی داده ها از نظر فرض های مانایی و همسانگردی نیز مورد بررسی قرار گرفت. داده ها به دو گروه داده های آموزشی و آزمایشی سال 2012 تقسیم شدند. توابع کوواریانس فضایی-زمانی تفکیک پذیر، متریک، متریک-جمعی و ضربی-جمعی با تعیین بهترین ترکیب از تغییرنگار های کروی، خطی و نمایی برای هریک از تغییرنگار های فضایی و زمانی بر روی داده های آموزشی برازش داده شدند. بهترین مدل با استفاده از معیارهای آماری MSE و MSPE، انتخاب و پارامترهای مورد نیاز آن برآورد شدند. در نهایت با استفاده از کریجینگ فضایی-زمانی، داده های آزمایشی پیش بینی و پهنه بندی شده و با نقشه ی مقادیر مشاهداتی مقایسه شدند. اعتبارسنجی متقابل مدل های فضایی-زمانی و فضایی محض از طریق معیارهای آماری COR، ME، MAE و RMSE با بکارگیری 25 و 47 همسایگی انجام گرفت.

بررسی مانایی داده های فضایی-زمانی، مانایی در فضا را نشان داد. رسم میانگین سری زمانی داده ها هم یک روند کاهشی را نشان داد که توسط یک رابطه ی رگرسیونی ساده با بکارگیری مقادیر شاخص SPEI به عنوان متغیر وابسته و زمان به عنوان متغیر تبیینی مدل گردید و داده ها روندزدایی شدند. تغییرنگار فضایی داده ها در چهار جهت صفر، 45، 90 و 135 درجه، تفاوت زیادی را بین چهار تغییرنگار نشان نداد و بنابراین فرض همسانگردی مورد پذیرش قرار گرفت. برای تعیین ساختار همبستگی داده ها از مدل های تفکیک-پذیر، متریک، متریک-جمعی و ضربی-جمعی استفاده شد. مقایسه ی مدل ها از طریق معیار MSE نشان داد دو مدل ضربی-جمعی و متریک جمعی خطای کمتری نسبت به دو مدل دیگر دارند. مقایسه ی این دو مدل در پیش بینی مقادیر مشاهده نشده از طریق معیار MSPE، مدل ضربی-جمعی را با تغییرنگار خطی برای هر دو فضا و زمان به عنوان مدل برتر انتخاب نمود. پس از برآورد پارامترهای مدل و با بکارگیری کریجینگ فضایی-زمانی، مقادیر شاخص SPEI برای داده های آزمایشی پیش بینی و نقشه ی فضایی-زمانی آنها ترسیم شد. شباهت نقشه ی مقادیر پیش بینی شده و نقشه ی مقادیر مشاهداتی نشان داد عملکرد خوب در پیش بینی مقادیر مشاهده نشده را نشان داد. اعتبارسنجی مدل های تغییرنگار فضایی-زمانی و فضایی محض نیز نشان داد عملکرد مدل های مختلف بسیار نزدیک به یکدیگر بوده است.

نتایج این تحقیق نشان داد مدل کوواریانس فضایی-زمانی ضربی-جمعی نسبت به مدل های دیگر توانایی خوبی در پیش بینی مقادیر مشاهده نشده دارد و به کمک این گونه مدل ها می توان مقادیر متغیر مورد نظر خود را در هر موقعیت فضایی و هر مقطع زمانی پیش بینی نمود. هم چنین اعتبارسنجی مدل ها نشان داد مدل های مختلف فضایی-زمانی و فضایی محض تفاوت چشمگیری نسبت به یکدیگر نداشته و دقت مدل ها نیز نسبت به حالت فضایی محض افزایش پیدا نکرده است.