Spatial Analysis of Fars Province Climatic Drought from the Period 1990 to 2014

Document Type : Original Article

Author

larestan

10.30467/nivar.2020.146655.1105

Abstract

Droughts are the most important natural disasters which despite the low human casualties, have large casualties in economics and social consequences. Droughts exist in 5 forms Climate, Hydrology , Agriculture, Economic and Social; which the first form has priorities among other forms of occurrence and termination. this presented research is considered the climate drought and evaluated the valid indicators of drought on the various stations in Fars province. among all existing stations, the stations which have the more perfect and valid statistics of aerology rather than others were selected. . For this purpose, twenty-five years of precipitation (1990-2014) of nine (9) stations were used with the condition of high jump and complete accuracy and proper geographical distribution at the provincial level. Standardized Precipitation Index (SPI) was calculated at 12, 24 and 48 months at selected stations; interpolation maps were prepared. Finally, in order to identify the pattern of drought and display it on the map, respectively, Moran's Spatial Autocorrelation and Hot Spots analysis were used.

Keywords


  1. منابع

    1. بابایی، ا. ب، علیجانی، 1392، تحلیل فضایی خشکسالی‌های بلندمدت ایران، پژوهش‌های جغرافیای طبیعی، سال 45، شماره 3، صفحات 1 تا 12.
    2. بداق جمالی، ج.، 1381، پایش و پهنه‌بندی وضعیت خشکسالی استان خراسان با استفاده از نمایه استاندارد شده بارش، فصلنامه تحقیقات جغرافیایی، شماره 67، سال هفدهم.
    3. ترابی پوده، ح. ر، دهقانی. س، رستمی، 1397، تخمین خشکسالی در استان لرستان با استفاده از شبکه‌های هوشمند،  مجله پژوهش های اقلیم شناسی ، شماره 35 .
    4. جویباری مقدم، ی. س، ق، رستمی، 1397، به‌کارگیری زنجیره مارکوف و تقریب سمبلیک (SAX) به‌منظور بررسی احتمال خشکسالی در حوزه کشاورزی (مطالعه موردی: منطقه شرقی اصفهان)مجله دانش مخاطرات، دوره پنجم ، شماره 3.
    5. جوی زاده، س، 1387، پایش خشکسالی در استان فارس، همایش مقابله با سوانح طبیعی دانشگاه تهران.
    6. حجازی‌زاده، ز .س، جوی‌زاده، 1398، تحلیل آمار فضایی خشکسالی در ایران، مجله تحقیقات کاربردی علوم جغرافیایی، شماره 53.
    7. حکیم دوست، ی. م، رستگار. ع، م، پور زیدی. ح، حاتمی، 1393، تحلیل فضایی خشکسالی اقلیمی و اثرات آن بر الگوی فضایی مکان گزینی سکونتگاه‌های روستایی )مطالعه موردی روستاهای استان مازندران)، جغرافیا و مخاطرات محیطی، شماره یازدهم 61-75.
    8. خسروی، ی. غ، ع، مظفری، 1395. آنالیز خطا در ارزیابی شاخص خشکسالی SPI با استفاده از زمین آمار، مطالعه موردی  استان بوشهر، مجله جغرافیا ، شماره 48.
    9. خورشیددوست، ع، م .ع ، ا، رسولی. س، زنگنه، 1395،    مدلسازی و پیش‌بینی روند بارش و خشکسالی شمال غرب ایران برای کاهش مخاطرات ، مجله دانش مخاطرات، دوره سوم ، شماره 3.
    10. زارعی، ع. م، م، مقیمی، م، بهرامی، 1396، پایش و پیش‌بینی خشکسالی ماهانه با استفاده از شاخص استاندارد بارش و زنجیره مارکوف مطالعه موردی: جنوب شرق ایران، مجله جغرافیا و پایداری محیط، شماره 23 .
    11. سازمان هواشناسی کشوری.
    12. سلطانی گردفرامرزی، م. غ، م، مظفری، ش، شفیعی، 1397، تحلیل اثرات خشکسالی‌های اقلیمی اخیر بر میزان شوری آب‌های زیرزمینی با استفاده از روش‌های زمین آماری و GIS در دشت یزد- اردکان، مجله اطلاعات جغرافیایی، شماره 106.
    13. صلاحی، ب. م، فریدپور، 1395، تحلیل فضایی خشکسالی اقلیمی شمال غرب ایران با استفاده از آماره خود همبستگی فضایی، مجله تحلیل فضایی مخاطرات محیطی، سال سوم، شماره 3.
    14. صمدی، س. ب، ساری صراف. م، حبیبی نوخندان. ع، ا، رسولی. ش، ملبوسی، 1396، تحلیل روش پس پردازش خروجی مدل‌های دینامیکی با استفاده از داده‌های شبکه بر روی خشکسالی شمال غرب ایران، مجله پژوهش های اقلیم شناسی» شماره 29 و 30 .
    15. عسکری، ع. ، 1390، تحلیل‌های آمار فضایی باArcGIS ، انتشارات شرکت پردازش و برنامه ریزی شهری، تهران.
    16. علیزاده، ا. ،1381، آیا می‌توان خشکسالی را پیش بینی و با آن مقابله نمود؟، فصلنامه علمی- ترویجی خشکی و خشکسالی، شماره 6.
    17. فرج زاده، م.، 1374، خشکسالی در ایران با استفاده از برخی شاخص های آماری، نشریه دانش کشاورزی، شماره 1 و 2 (جلد پنجم)، صفحات 31 تا 51.  
    18. قالهردی، غ. ع.، اسدی، م، و داداشی رودباری، ع.(1394). تحلیل فضایی پراکنش رطوبت در ایران. پژوهش‌های جغرافیای طبیعی.47(4): 637-650.
    19. قویدل رحیمی، ی.، 1382، کاربرد نمایه‌های مبتنی بر بارش در خشکسالی‌ها و ترسالی‌ها، مجله پژوهش و سازندگی، شماره 65.
    20. کاویانی، م، ر.، 1378، بررسی اقلیمی شاخص های خشکی و خشکسالی، فصلنامه تحقیقات جغرافیایی، شماره 60، ص 71.
    21. کمالی، غ، ع. ل، خزانه‌داری.، 1381، تحلیل خشکسالی اخیر مشهد با بکارگیری شاخص‌های خشکسالی، نیوار، مجله علمی و فنی سازمان هواشناسی کشور، شماره 44 و 45، بهار و تابستان.
    22. محمدی، ک.، 1382، پهنه‌بندی خشکسالی اقلیمی در حوزه مارون با استفاده از شاخص آماری SIAP، سومین کنفرانس منطقه‌ای و اولین کنفرانس ملی تغییر اقلیم، اصفهان، 29 مهر الی اول آبان 1382.
    23. ناجی عظیمی، ز. س، حرثی. س، م، خلیلی.، 1398، مدیریت ریسک خشکسالی کشاورزی با استفاده از روش‌های تصمیم‌گیری چندشاخصه فازی در شهرستان فردوس، اقتصاد کشاورزی و توسعه، شماره 105.
    24. نورمحمدی، س.س، م، تاجبخش. ه، معماریان، 1396، بررسی اثر عنصر بارش بر منابع آب زیرزمینی با استفاده از تحلیل سری‌های زمانی- مکانی خشکسالی (مطالعه موردی: دشت مشهد در حوزه آبخیز کشف رود)، جغرافیا و مخاطرات محیطی، شماره 21.
    25. وفایی جهان، م. م، پیوندیان شعرباف.، 1396، پیش‌بینی خشکسالی و سطح بارندگی در ایران جهت مدیریت منابع آب مبتنی بر مدل‌های مارکوفی ترکیبی، مجله علوم جغرافیایی، شماره 26.
      1. Allard, D. and Soubeyrand, S. , 2012, Skew-normality for climatic data and dispersal models for plant epidemiology: when application fields drive spatial statistics. Spatial Statistics, 1, 50-64.
      2. Anselin, L., Syabri, I., & Smirnov, O. , 2002, Visualizing Multivariate Spatial Correlation with Dynamically Linked Windows.
      3. Bajat, B., Blagojević, D., Kilibarda, M., Luković, J. and Tošić, I. , 2014, Spatial analysis of the temperature trends in Serbia during the period 1961–2010, Theoretical and Applied Climatology. 1-13.
      4. Diffenbaugh, N. S., Giorgi, F. and Pal, J. S., 2008, Climate change hotspots in the United States, Geophysical Research Letters. 35 (16), 140-150.
      5. Gamane, D, and Djerbouai, M, 2016, Drought Forecasting Using Neural Networks, Wavelet Neural Networks, and Stochastic Models :Case of the Algerois Basin in North Algeria. Water Resources Management: An International Journal, Published for the European Water Resources Association (EWRA), Vol.30,  No 7, pp 2445-2464.
      6. Gaye, O., Yildiz ,O and A. Duvan, 2015, ADrought Analysis Of Sivas Using The Artificial Neural Networks. International Journal of Advances in Mechanical and Civil  Engineering,Vol 2, No 5 , pp.1-7.
      7. Hayes , Michael. J, 2002, Whean is drought? , Drought Indices climate Impacts specialist, National Drought Mitigation Center. (Http://WWW.drought.unl.edu/what is indices.html).
      8. Killeen, T. J., Douglas, M., Consiglio, T., Jorgensen, P. M. and Mejia, J, 2007, Dry spots and wet spots in the Andean hotspot, Journal of Biogeography. 34 (8), 1357-1373.
      9. Mckee, T. B., N. JDoesken, and J.kleist, 1993, The relationship of Drought frequency and duration to time scales preprints, 8th  conference on Applied climatology, 17-22  january, Anaheim, C. A.
      10. Ohayon, B., 2011, Statistical Analysis of Temperature Changes in Israel: An Application of Change Point Detection and Estimation Techniques, 170-189.
      11. Zulifqar, A.,  I. Hussain,  M. Faisal,   H. Mamona   Nazir,  T.  Hussain,  M.  Yosafshad, A. M .Shoukry and S. Gani, s., 2017, Forecasting Drought Using Multilayer Perceptron Artificial Neural Network Model. Advances in Meteorology, Vol. 25, No. 1, pp.1-10.

     

     

     

Volume 44, 110-111 - Serial Number 110
September 2020
Pages 53-64
  • Receive Date: 28 August 2018
  • Revise Date: 28 June 2020
  • Accept Date: 07 July 2020
  • First Publish Date: 22 September 2020