آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 626 |
| تعداد مقالات | 6,517 |
| تعداد مشاهده مقاله | 8,746,444 |
| تعداد دریافت فایل اصل مقاله | 8,317,285 |
ارزیابی اثر تغییر اقلیم بر خشکسالی کشاورزی به کمک شاخص‌های ETDI و SPI | ||
| مجله پژوهش‌های حفاظت آب و خاک | ||
| مقاله 2، دوره 24، شماره 4، مهر 1396، صفحه 43-61 اصل مقاله (976.25 K) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22069/jwfst.2017.12202.2671 | ||
| نویسندگان | ||
| مصطفی یعقوب زاده* 1؛ محسن احمدی2؛ حسام سیدکابلی3؛ غلامرضا زمانی4؛ مهدی امیرآبادی زاده1 | ||
| 1استادیار گروه علوم و مهندسی آب دانشگاه بیرجند | ||
| 2دانشجوی دکترای آبیاری و زهکشی دانشگاه شهید چمران اهواز | ||
| 3استادیار دانشکده مهندسی عمران دانشگاه صنعتی جندی شاپور دزفول | ||
| 4گروه مهندسی زراعت، دانشکده کشاورزی، دانشگاه بیرجند | ||
| چکیده | ||
| سابقه و هدف: به دلیل وابستگی کشاورزی به آب، تعیین شرایط خشکسالی در هر منطقه به منظور برنامه‌ریزی تأمین غذا مهم است. متاسفانه چون تعریف یکسانی از شرایط خشکسالی وجود ندارد؛ شاخص‌های متعددی برای آن ارائه شده است. شاخص بارش استاندارد شده (SPI) یکی از شاخص‌های مهم هواشناسی استکه به منظور تعیین خشکسالی‌های کشاورزی مورد استفاده قرار می‌گیرد. شاخص کمبود تبخیر-تعرق (ETDI) نیز یکی از شاخص‌های مهم است که به منظور استفاده در بخش کشاورزی ارائه شده است. این شاخص در مناطق خشک و نیمه‌خشک کاربرد دارد. با وجود اینکه تحقیقات متعددی در خصوص شاخص‌های خشکسالی از جمله SPI وجود دارد، تاکنون مطالعات اندکی فقط در خارج کشور در خصوص کاربرد شاخص ETDI انجام شده است. لذا در این تحقیق سعی شد، تعیین خشکسالی با استفاده از شاخص‌های ETDI و SPI در دشت نیشابور به کمک مدل‌های تغییراقلیم انجام شود. مواد روش‌ها: این تحقیق به منظور تعیین خشکسالی در دشت نیشابور واقع در عرض جغرافیایی و طول جغرافیایی انجام شد. شاخص ETDI براساس کمبود تبخیر-تعرق هفتگی در این منطقه تعیین شد. به منظور مقایسه نتایج شاخص ETDI نسبت به سایر شاخص‌های خشکسالی، از شاخص SPI که یکی از مهم‌ترین شاخص‌های مورد استفاده در این خصوص است، استفاده شد. داده‌های مورد نیاز این تحقیق از ایستگاه هواشناسی نیشابور در بازه 1373 تا 1390 (1992 تا 2011) گرفته و برای مزارع آبی (مزارع گندم فاروب و سلیمانی، جو و ذرت) و مزارع دیم (برای گندم دیم) استفاده شد. برای تعیین داده‌های هواشناسی مورد نیاز هر شاخص در مزارع آبی در دوره‌های آتی (2020 تا 2039 و 2080 تا 2099) از مدل‌های HADCM3، ECHOAM و CGCM3 T47 براساس سناریوهای A2، B1 و A1B استفاده شد. برای مزارع دیم نیز از مدل HADCM3 براساس سناریوهای A2 و B1 استفاده گردید. آماره‌های میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE)، ضریب تبیین (R2) نیز برای مقایسه نتایج دو شاخص ETDI و SPI مورد استفاده قرار گرفتند. یافته‌ها: نتایج نشان داد که شاخص ETDI برای مزرعه فاروب در دوره پایه (1992 تا 2011) در حالت "رطوبت اولیه" قرار داشت در حالی که در دوره‌های آتی (2020 تا 2039 و 2080 تا 2099) در حالت "خشکی" تعیین شد. شاخص ETDI برای مزرعه سلیمانی در دوره پایه در حالت "نرمال" قرار داشت. این شاخص برای مزرعه سلیمانی در دوره‌های 2020 تا 2039 و 2080 تا 2099 به ترتیب در حالت‌های "نرمال" و "خشکی اولیه" تعیین شد. شاخص ETDI در دوره پایه برای مزارع جو و ذرت به ترتیب در حالت‌های "نرمال" و "خشکی اولیه" قرار داشت. این شاخص برای هر دو مزرعه دو دوره‌های آتی در حالت "نرمال" قرار گرفت. مقدار شاخص ETDI برای گندم دیم در دوره پایه کمتر از گندم آبی بود در حالی که عکس این حالت در دوره آتی مشاهده شد. با استفاده از اکثر سناریوهای تغییر اقلیم، شاخص ETDI مقداری منفی داشت. این نشان دهنده‌ی بروز خشکسالی در دوره‌های آتی به دلیل کمبود تبخیر-تعرق است. نتایج شاخص SPI نشان داد که شاخص خشکسالی در این منطقه در وضعیت "خشکسالی اولیه" بود و در زمان‌های آتی نیز تغییری نیافت. نتیجه‌گیری: نتایج شاخص‌های ETDI و SPI بسیار با هم تفاوت داشت. علت آن نیز این بود که خشکسالی کشاورزی به کمبود تبخیر-تعرق وابسته است و به همین دلیل شاخص ETDI نتایج بهتری به دست داد. مقایسه نتایج بین این دو شاخص با استفاده از آماره RMSE تفاوت زیادی در دوره‌های آتی نشان داد. علاوه بر این، شاخص ETDI و SPI همبستگی زیادی نسبت به هم (براساس آماره R2) نداشتند. وجود این تفاوت‌ها منطقی است زیرا شاخص SPI از داده‌های بارش و شاخص ETDI از داده‌های تبخیر-تعرق استفاده می‌کنند. براساس نتایج این تحقیق، شاخص SPI به عنوان یک شاخص برای تعیین خشکسالی کشاورزی پیشنهاد نمی‌شود. | ||
| کلیدواژه‌ها | ||
| تبخیر-تعرق واقعی؛ تغییراقلیم؛ شاخص کمبود تبخیر و تعرق؛ شاخص بارش استاندارد شده؛ مدل SWAP | ||
| مراجع | ||
|
1.Adhikari, U., and Nejadhashemi, A.P. 2016. Impacts of Climate Change on Water Resources in Malawi. J. Hydr. Engin. 21: 11. 1084-0699. 2.Ahmadee, M., and Khashei Siuki, A. 2016. Comparison of the Different Equations to Determine the Saffron Water Requirement (Case study: Birjand plain, Iran). Agroecology. 8: 4. In press. (In Persian) 3.Allen, R.G., Jensen, M.E., Wright, J.L., and Burman, R.D. 1987. Operational Estimates of Reference Evapotranspiration. Agron. J. 81: 4. 650-662. 4.Barker, I.J., Hannaford, J., Chiverton, A., and Svensson, C. 2015. From meteorological to hydrological drought using standardised indicators. Hydrology and Earth System Sciences Discussions. 12: 12. 12827-12875. 5.Daniel, C.A., and Eugenia, S.O. 2012. Modeling the distribution of agricultural drought by means of soil water deficit. Energy and Environmental Research. 2: 2. 1-12. 6.Dastoorani, M.T., Pourmohammadi, S., Massah Bavani, A., and Rahimian, M.H. 2011. Estimating Drought under climate change during next three decade by using General circulation models (Case study: Yazd station). 4th Iran Water Resources Management Conference, Amirkabir University of Technology, Tehran. (In Persian) 7.Dehghan, H., Alizadeh, A., and Haghayeghi, S.A. 2011. Water balance components estimating in farm scale using simulation model SWAP. J. Water Soil. 24: 6. 1265-1275. (In Persian) 8.Dubrovsky, M., Svoboda, M.D., Trnka, M., Hayes, M.J., Wilhite, D.A., Zalud, Z., and Hlavinka, P. 2009. Application of relative drought indices in assessing climate-change impacts on drought conditions in Czechia. Theoretical and Applied Climatology. 96: 155-171. 9.Eden, U. 2012. Drought assessment by evapotranspiration mapping in Twente, the Netherlands. MSc thesis, University of Twente, 79p. 10.Golmohammadi, M., and Massah Bavani, A. 2011. The perusal of climate change impacts on drought intensity and duration. J. Water Soil. 25: 2. 315-326. (In Persian) 11.Hargreaves, G.H. 1994. Defining and Using Reference Evapotranspiration. Irrigation and Drainage Engineering, ASCE. 120: 6. 1132-1139. 12.Heim, J. 2002. A Review of Twentieth-century Drought Indices Used in the United States. Bulletin of American Meteorological Society. 83: 8. 1149-1165. 13.Hou, Z., Dai, X., Feng, Sh., Kang, Sh., and Huang, G. 2013. Effect of climate change on reference evapotranspiration and aridity index in arid region of China. J. Hydrol. 492: 24-34. 14.Loukas, A., Vasiliades, L., and Tzabiras, J. 2008. Climate change effects on drought severity. Advances in Geosciences. 17: 23-29. 15.McKee, T.B., Doesken, N.J., and Kleist, J. 1995. Drought monitoring with multiple time scales. Preprints. 9th Conference on Applied Climatology, Dallas, TX, Pp: 233-236. 16.Mirzaie, M., Sohrabi, R.A., and Arab, D.R. 2011. Evaluation of climate change impacts on drought characteristics in Kermanshah Province, 1st National Conference on Agrometeorology and Agricultural Water Management, Tehran. (In Persian) 17.Mpelasoka, A.F., Hennessy, K., Jonesb, B.R., and Batesa, B. 2008. Comparison of suitable drought indices for climate change impacts assessment over Australia towards resource management. Inter. J. Climatol. 28: 1283-1292. 18.Narasimhan, B., and Srinivasan, R. 2005. Development and evaluation of soil moisture deficit index (SMDI) and evapotranspiration deficit index (ETDI) for agricultural drought monitoring. Agricultural and Forest Meteorology. 133: 69-88. 19.Peters, E., Bier, G., Van Lanen, H.A.J., and Torfs, P.J.J.F. 2006. Propagation and spatial distribution of drought in a groundwater catchment. J. Hydrol. 321: 1. 257-275. 20.Peters, E., Torfs, H.A.J., Van Lanen, H.A.J., and Bier, G. 2003. Propagation of drought through groundwater – a new approach using linear reservoir theory. Hydrological Processes. 17: 15. 3023-3040. 21.Racsko, P., Szeidl, L., and Semenov, M. 1991. A serial approach to local stochastic weather models. Ecological Modeling. 57: 27-41. 22.Randall, D.A., Wood, R.A., Bony, S., Colman, R., Fichefet, T., Fyfe, J., Kattsov, V., Pitman, A., Shukla, J., Srinivasan, J., Stouffer, R.J., Sumi, A., and Taylor, K.E. 2007. Cilmate Models and Their Evaluation. In: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. 23.Salih, A.M.A., and Sendil, U. 1984. Evapotranspiration under Extremely Arid Climates. Irrigation and Drainage Engineering, ASCE. 110: 3. 289-303. 24.Sayari, N., Alizadeh, A., Bannayan Awal, M., Farid Hossaini, A., and Hesami Kermani, M.R. 2011. Comparison of two GCM models (HadCM3 and CGCM2) for the prediction of climate parameters and crop water use under climate change (Case study: Kashafrood basin). J. Water Soil. 25: 4. 912-925. 25.Sayari, N., Bannayan, M., Alizadeh, A., and Farid, A. 2013. Using drought indices to assess climate change impacts on drought conditions in the northeast of Iran (Case study: Kashafrood basin). Meteorological Applications. 20: 115-127. (In Persian) 26.Semenov, M.A., and Barrow, E.M. 2002. LARS-WG: a stochastic weather generator for use in climate impact studies (Version 3.0). User Manual. 27.Semenov, M.A., Brooks, R.J., Barrow, E.M., and Richardson, C.W. 1997. Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates. Climate Research. 10: 95-107. 28.Shahidi, A., and Ahmadee, M. 2014. Visual learning of SWAP software, Kelk Zarrrin, Tehran, 168p. (In Persian) 29.Sheikholeslami, N., Ghahraman, B., Mosaedi, A., Davary, K., and Mohejerpour, M. 2014. Estimating reference evapotranspiration by using principal component analysis (PCA) and the development of a regression model (MLR-PCA) (Case study: Mashhad station). J. Water Soil. 28: 2. 420-429. (In Persian) 30.Van Genuchten, M., and Yates, S.R. 1991. The RETC code for quantifying the hydraulic functions of unsaturated soils. US Environmental Protection Agency, 85p. 31.Van Loon, A.F., and Laaha, G. 2015. Hydrological drought severity explained by climate and catchment characteristics. J. Hydrol. 526: 3-14. 32.Wilhite, D.A. 1992. Planning for drought: a guidebook for developing countries. Climate Unit, UN. Environment Program, Nairobi, Kenya. 33.Wilhite, D.A. 1996. A methodology for drought preparedness. Natural Hazards. 13: 229-252. | ||
|
آمار تعداد مشاهده مقاله: 1,190 تعداد دریافت فایل اصل مقاله: 1,233 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب