Investigating the ability of R software to determine drought - case study: South Khorasan province

Document Type : Original Article

Authors

1 PhD student, Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand , Birjand, Iran

2 Associate professor, Department of Water Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran.

3 Associate Professor, Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand , Birjand, Iran

10.30467/nivar.2023.390437.1242

Abstract

Drought is one of the main hazards related to weather that can affect all aspects of life. In order to monitor and manage droughts using relevant indicators, six synoptic stations were selected in South Khorasan province, corresponding to the cities of Birjand, Qain, Nehbandan, Ferdous, Tabas and Beshravieh. Then the required data was collected and analyzed. According to the review of the available data, the statistical period of 31 years (1990-2020 AD) was chosen as the statistical period of the research. R software is one of the software that is very useful for statistical analysis and has libraries for calculations in different basins. In this research, SDI and RunDS drought indices were calculated using the Drought library for each of the stations. Also, in order to calculate RAI and PNPI drought indices for each station, coding was done. The results showed that according to the SDI index, the driest month and year during the statistical period are October and 2008, respectively. Also, according to the SPI index, Tabas city is in the extreme drought category and has experienced the most drought compared to other cities. In the case of RunDS, Ferdous city had the longest duration of drought and Tabas had the highest intensity of drought. Based on all indicators, Tabas city was recognized as the driest city due to 53 months of drought. Also, based on the results obtained from the R software, the SDI index estimates results closer to reality than other indices in long-term time scales.

Keywords

Main Subjects


1.    ایران‏صالحوند، م.م و مومنی، م.، 1392، پهنه‏بندی خشکسالی با شاخص‏هایSPI , PNI  ZCI, DI  و دنباله‏ها در شهرهای خوزستان در محیط GIS ، فصلنامه جغرافیا و برنامه‏ریزی شهری چشم‏انداز زاگرس، جلد5، شماره17، صفحه‏های 35 تا 52.
2.    پارسامهر، ا.ح.، مبین، م.ح و خسروانی، ز.، 1397، استفاده از تئوزی RUN در تحلیل شدت، مدت و دوره بازگشت خشکسالی (مطالعه موردی: استان فارس)، اکوهیدرولوژی، جلد5، شماره2، صفحه‏های 471تا481.
3.    جان‏بزرگی ،م.، حنیفه‏پور، م و خسروی، ح.، 1400، تغییرات زمانی خشکسالی هواشناسی- هیدرولوژیکی (مطالعه موردی: استان گیلان)، مدلسازی و مدیریت آب و خاک، 1جلد، شماره2، صفحه‏های 1 تا 13.
4.    اصلاحی، م.، سبحانی ،ب و پوراصغر، ف.، 1393، بررسی و کاربرد شاخص خشکسالی تبخیرو تعرق بارش استاندارد شده (SPETI) مطالعه موردی: ایستگاه هواشناسی تبریز، نشریه پژوهش‏های اقلیم‏شناسی، جلد 5، شماره 19، صفحه‏های 23 تا 38.
5.    جهانگیر، م.ح و سارانی راد ،م.، 1398، بررسی وضعیت خشکسالی در استان خراسان جنوبی توسط شاخص درصد بارش نرمال (PNPI) و شاخص روش استانداردسازی (Z)، علوم و تکنولوژی محیط زیست، جلد21، شماره4، صفحه‏های45 تا 59.
6.    جهانگیر، م.ح و نوروزی، ا.، 1396، مقایسه عددی شاخص‏های هواشناسی RAI و PNPI به منظور ارزیابی و پهنه‏بندی وضعیت خشکسالی در استان خوزستان، نشریه اکوهیدرولوژی، جلد4، شماره3، صفحه‎های 923 تا 930.
7.    رهنما ، س.، شهیدی، ع.،  یعقوب زاده، م و مهران ، ع.ا.، 1400، ارزیابی و پهنه‏بندی خشکسالی هواشناسی در استان خراسان جنوبی، پنجمین کنگره ملی آبیاری وزهکشی ایران. دانشگاه بیرجند. 
8.    سیاسر ، ه.، 1394، پایش خشکسالی با استفاده از تئوری RUN در استان سیستان و بلوچستان، اولین کنگره علمی‏پژوهشی توسعه و ترویج علوم کشاورزی، منابع طبیعی و محیط زیست ایران. انجمن توسعه و ترویج علوم و فنون بنیادین. 
9.    صالحی‏طبس،م.، یعقوب‏زاده، م.، زمانی، غ و امیرآبادی‏زاده، م.، 1399، اثر تغییراقلیم بر شدت و فراوانی خشکسالی در خراسان جنوبی، مجله آبیاری و زهکشی ایران، سال 14، شماره2، صفحه‏های 482 تا 497.
10.    قوام سعیدی نوقابی، س.، سعقوب‏زاده، م.، نجفی مود، م،ح و صالحی‏طبس، م.، 1399، تحلیل وضعیت خشکسالی هواشناسی ایستگاه نیشابور به کمک داده های گزارش پنجم تغییر اقلیم، فصلنامه دانش آب وخاک، سال 30، شماره4، صفحه‏های 15 تا 28.
11.    کرمی، م.، داداشی رودباری ، ع و رحیمی ، ع.، 1393، مقایسه پایش خشکسالی با استفاده از شاخص‏های SPI، PNPI ، RAI و پهنه‏بندی آنها در استان کرمانشاه. اولین همایش ملی آب، انسان، زمین، اصفهان.
12.    کریمی، و.،  اکبری نودهی، د.، 1398، مقایسه شاخصهای خشکسالی هواشناسی در استان مازندران، نیوار، دوره 43، شماره 106-107، صفحه‏های 73 تا 85. 
13.    مصطفی‏زاده ، ر و ذبیحی ، م.، 1395، تحلیل و مقایسه شاخص‏های SPI  و SPEI در ارزیابی خشکسالی هواشناسی با استفاده از نرم‏افزار R - بررسی موردی: استان کردستان، فیزیک زمینی و فضا، جلد 42، شماره3، صفحه‏های 633 تا 643.
14.    میریعقوب زاده م.ح.،  خسروی، ا و ذبیحی ، م.، 1398، مروری بر شاخص‏های خشکسالی و بررسی عملکرد آنها. نشریه آب و توسعه پایدار، جلد6، شماره 1، صفحه‏های 103 تا 112.
15.    موغلی، م.، 1394، ارزیابی شاخص‏های درونیابی در پهنه‏بندی خشکسالی‏ها با استفاده از GIS - مطالعه موردی: لارستان. فصلنامه جغرافیای طبیعی، جلد8، شماره 82 ، صفحه‏های 29-42.
16.    Shahid , S., and Behrawan, H., 2008. Drought risk assessment in the western part of Bangladesh. Natural Hazards 46: 391-413.
17.    Pandey, S., Pandey, A., Nathawat, M., Kumar ,M., and Mahanti ,N., 2012. Drought hazard assessment using geoinformatics over parts of Chotanagpur plateau region, Jharkhand, India. Natural Hazards 63: 279-303.
18.    McKee, T. B., Doesken, N. J. and Kleist, J., 1993, The relationship of drought frequency 
19.    and duration to time scales, In Proceedings of the 8th Conference on Applied Climatology, 17(22), 179-183.
20.    Mishra, A. and Singh, V. P., 2010, A review of drought concepts, Journal of Hydrology, 391, 202-216.
21.    Rooy, M.P. and Van, A. 1965.Rainfall Anomaly Index Independent of Time and Space, Notos.  Weather Bureau South Africa,14(43).
22.    Hao, Z. et al. (2017), An integrated package for drought monitoring, prediction and analysis to aid drought modeling and assessment, Environ Modell Softw, 91, 199-209.
23.    Yevjevich  ,V., (1967). An Objective Approach to Definitions and Investigations of Continental Hydrologic Droughts. Hydrology Paper 23. Colorado State University, Fort Collins, CO.
24.    Siphesihle Ndlovu  , M., Demlie, M., 2020. Assessment of Meteorological Drought and Wet Conditions Using Two Drought Indices Across KwaZulu-Natal Province, South Africa. Atmosphere, 11, 623; doi:10.3390/atmos11060623
25.    Javan, kh., Azizzadeh, M.R., Yousefi, S., 2016. An Investigation and assessment of meteorological drought in Lake Urmia Basin using drought indices and probabilistic methods. Natural Environment Change, Vol. 2, No. 2, pp. 153- 164.
 
Volume 47, 122-123 - Serial Number 122
September 2023
Pages 142-158
  • Receive Date: 20 March 2023
  • Revise Date: 25 November 2023
  • Accept Date: 03 December 2023
  • First Publish Date: 03 December 2023