بررسی خشکسالی سواحل جنوبی دریای خزر طی دورۀ پایه و آینده با استفاده از مدل های ریز مقیاس ساز lars-wgو sdsm

خشکسالی، رخدادی طبیعی است که در همه نوع اقلیم مشاهده می شود. این پدیده قادر است خسارات شدیدی به مناطق مستعد وارد سازد. از آنجایی که خشکسالی، کشاورزی سواحل خزر را به دلیل ویژگی خاص خود دستخوش تغییر می کند، این پدیده در سواحل خزر مورد بررسی قرار گرفته شد. هدف این پژوهش، بررسی خشکسالی طی دورۀ پایۀ 2010-1961 و آیندۀ 2030-2011 در سواحل جنوبی خزر با استفاده از نمایۀ spi(نمرۀ (zاست. داده های روزانۀ بارش 5 ایستگاه برای محاسبۀ مجموع بارش ماهانه و داده های مدلhadcm3 تحت سناریویb1 وa2دریافت شد. برای ریز مقیاس کردن داده هایhadcm3 از دو مدل ریزمقیاس ساز lars-wgوsdsmاستفاده شد. نتایج نشان داد، مدل lars_wg قابلیت بالاتری نسبت به مدلsdsmبرای ریزمقیاس کردن داده های بارش دارد. نتایج شبیه سازی مدل lars-wg، افزایش بارش برای ماه های ژانویه -فوریه- نوامبر – و دسامبر و کاهش آن برای ماه های آگوست و سپتامبر را در هر پنج ایستگاه تخمین زد. نتایج شبیه سازی با مدل lars-wgبا ضریب تبیین 96 تا 99 درصد، خطای مطلق میانگین 3.6 تا 12.6 میلیمتر و نتایج آزمون های t وf  که به ترتیب برای معنی داری میانگین و واریانس داده ها می باشد، معنی دار است. معنی داری 2 میانگین مشاهداتی و شبیه سازی 2 مدل و هم توزیع بودن با دو تست به ترتیب ویلکاکسون و کلموگروف اسمیرنوف ثابت شد. شدت خشکسالی با استفاده ازgisبه نقشه تبدیل شد. نتایج نمرۀ zسه ماهه با ریزمقیاس سازی مدل lars-wgنشان داد، بیشترین فراوانی و شدت خشکسالی طی دورۀ مشاهداتی مربوط به ایستگاه انزلی و رشت است. طی دورۀآیندۀ ایستگاه رشت، گرگان و رامسر بالاترین شدت خشکسالی را خواهند داشت. نمرۀ z6 ماهه مشخص کرد، از نظر فراوانی؛ ایستگاه بابلسر،گرگان و رامسر و از نظر شدت؛ ایستگاه انزلی، رشت و رامسر بالاترین خشکسالی را تجربه کرده اند. درآینده رامسر و سپس رشت و گرگان درجات بالاتر خشکسالی را خواهند داشت. نمرۀ z12 ماهه نیز بیشترین شدت را برای ایستگاه رامسر و سپس انزلی و برای آینده در رشت، رامسر، بابلسر و انزلی نشان داد. نتایج مشخص کرد، دوره های نرمال بر اساس نمایه نمرۀ z، دوره های با فراوانی بیشتری نسبت به بقیۀ دوره ها در هر 5 ایستگاه بوده است.