فهرست نشریات علمی دسترسی آزاد ایران

پیش­‌بینی بلندمدت خشکسالی اهمیت زیادی در مدیریت منابع آب دارد. مدل­‌های سری زمانی ابزاری مناسب برای پیش­‌بینی رویدادهای اقلیمی هستند. در پژوهش حاضر، از شاخص شناسایی خشکسالی (RDI) که بر اساس بارش و تبخیر و تعرق پتانسیل است، برای ارزیابی خشکسالی ایستگاه همدیدی (سینوپتیک) یزد در مقیاس­‌های زمانی یک، سه و شش ماهه در دورۀ ژانویه 1961 (معادل دی 1339) تا دسامبر 2018 (معادل آذر 1397)، مورد استفاده قرار گرفت. دوره ژانویه 2006 تا دسامبر 2018 معادل دی 1384 تا آذر 1397 به عنوان دوره پیش­‌بینی در نظر گرفته شد. داده­‌های خشکسالی دوره پیش­‌بینی در اختیار مدل مورد استفاده قرار نگرفت. ایستایی داده‌­ها با استفاده از آزمون ‌ Augmented Dickey–Fuller(ADF) بررسی شد. نتایج نشان داد که سری­‌های زمانی مذکور به‌طور معنی‌داری مانا هستند. نمودارهای خودهمبستگی (ACF) و خودهمبستگی جزیی (PACF) نشان داد الگوی داده‌­های خشکسالی در مقیاس‌­های 1، 3 و 6 ماهه در ایستگاه سینوپتیک یزد به صورت فصلی می­‌باشد. مدل SARIMA یک مدل پیش‌­بینی تک‌­متغیره در تحلیل سری­‌های زمانی است که با افزودن مولفه فصلی به مدل ARIMA ایجاد شده است. مدل چند متغیره SARIMAX با افزوده شدن پارامتر کمکی یا متغیر برون­‌زا به مدل تک­‌متغیره SARIMA ایجاد می‌­شود. در پژوهش حاضر، کارآیی مدل تک­‌متغیره فصلی SARIMA و مدل چندمتغیره فصلی SARIMAX در پیش‌­بینی خشکسالی در مناطق خشک مورد مقایسه قرار گرفت. به منظور اجرای مدل SARIMAX، پارامترهای بارش و تبخیر و تعرق پتانسیل به صورت جداگانه به عنوان پارامتر کمکی برای پیش­‌بینی خشکسالی در اختیار مدل قرار گرفت. بررسی ضریب تبیین (R2) بین مقدارهای RDI واقعی و پیش­‌بینی شده با استفاده از مدل SARIMA نشان داد،  مدل در مقیاس‌­های سه ماهه و شش ماهه به‌ترتیب با ضریب 0.66 و 0.71 عملکرد بهتریی دارد. نتیجه مدل SARIMAX نشان داد در مقیاس یک ماهه، مدل SARIMAX بر پایۀ پارامتر کمکی تبخیر و تعرق پتانسیل با ضریب تبیین0.60 و در مقیاس­ سه ماهه، مدل SARIMAX بر اساس پارامتر کمکی بارش با ضریب تبیین 0.79 عملکرد بهتری دارد. در مقیاس 6 ماهه، عملکرد مدل برای هر دو پارامتر کمکی با ضریب تعیین 0.79 تقریبا یکسان بود. در مجموع مقایسه نتایج دو مدل نشان داد عملکرد مدل SARIMAX از مدل SARIMA در پیش‌بینی خشکسالی در مناطق خشک بیشتر است.