پیش‌بینی خشکسالی بر پایه نمایه بارش استاندارد شده با استفاده از مدل‌های سری‌های زمانی در استان فارس

نوع مقاله : مقاله پژوهشی

نویسندگان

چکیده

پیش­بینی خشکسالی اهمیت زیادی در برنامه­ریزی و مدیریت منابع طبیعی و منابع آب دارد. در این مطالعه از مدل­های اتورگرسیو- میانگین متحرک تلفیق شده فصلی (SARIMA) به عنوان مدل­های تصادفی خطی برای پیش­بینی خشکسالی استفاده شد. این مدل­ها سری­های زمانی نمایه بارش استاندارد شده (SPI) را برای پیش­بینی خشکسالی به­کار می­برند. مقادیر SPI برای مقیاس­های زمانی 3، 6، 12 و 24 ماهه برای ایستگاه­های سینوپتیک آباده، شیراز و فسا در استان فارس محاسبه شدند. مدل SARIMA با کمترین مقدار معیار اطلاعات آکاییک تصحیح شده به عنوان بهترین مدل انتخاب شد. نمودارهای خودهمبستگی باقیمانده­ها برای مدل­های انتخاب شده نشان می­دهند که باقیمانده­ ها نا­همبسته ­اند. مقادیر SPI از ژانویه 2004 تا دسامبر 2005 به عنوان داده­های آزمون با استفاده از مدل­های سری زمانی برازش داده شده پیش­بینی شد. برای مثال، مدل  برای سری­های زمانی SPI دوازده ماهه ایستگاه شیراز مناسب تشخیص داده شد. نتایج این مدل نشان داد که ضریب همبستگی بین مقادیر SPI  مشاهده و پیش­بینی شده 0.74 می­باشد که در سطح 1% معنی دار می­باشد و 22 ماه وضعیت خشکسالی به درستی پیش­بینی می­شود.

کلیدواژه‌ها


عنوان مقاله [English]

Drought forecasting based on the standardized precipitation index using time series models in Fars Province

نویسندگان [English]

  • M. Jahandideh
  • A. Shirvani
چکیده [English]

Drought forecasting plays an important role in the planning and management of natural and water resources. In this study, multiplicative seasonal autoregressive integrated moving average (SARIMA) models as the linear stochastic models were used to forecast droughts. The models were applied to forecast droughts using standardized precipitation index (SPI) time series. The SPI values for time scales of 3, 6, 12 and 24 months for Abadeh, Shiraz and Fasa synoptic stations in Fars province were calculated. The SARIMA model with the minimum of Akaike's information criterion bias corrected (AICc) was selected as the best model. The auto-correlation function plots of the residuals for the selected models indicated that the residuals were uncorrelated. The SPI values from January 2004 to December 2005 as the test data have forecasted using fitted models. For example, model was identified for 12 months SPI time series in Shiraz station. The results of this model indicated that the correlation coefficient between the observed and predicted values of SPI is 0.74 which is significant at 1 % level and 22 months of drought category was correctly forecasted.

کلیدواژه‌ها [English]

  • SARIMA
  • SPI Index
  • Drought Forecast
  • Time series
  • Fars Province