بررسی خشکسالی سواحل جنوبی دریای خزر طی دورۀ پایه و آینده با استفاده از مدل‌های ریز‌مقیاس ساز LARS-WGو SDSM

خشکسالی، رخدادی طبیعی است که در همه نوع اقلیم مشاهده می‌شود. این پدیده قادر است خسارات شدیدی به مناطق مستعد وارد سازد. از آنجایی که خشکسالی، کشاورزی سواحل خزر را به‌دلیل ویژگی خاص خود دستخوش تغییر می‌کند، 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. داده‌های روزانۀ بارش 5 ایستگاه برای محاسبۀ مجموع بارش ماهانه و داده‌های مدلHADCM3 تحت سناریویB1 وA2دریافت شد. برای ریز‌مقیاس کردن داده‌هایHADCM3 از دو مدل ریزمقیاس ساز LARS-WGوSDSMاستفاده شد. نتایج نشان داد، مدل LARS_WG قابلیت بالاتری نسبت به مدلSDSMبرای ریزمقیاس کردن داده‌های بارش دارد. نتایج شبیه‌سازی مدل LARS-WG، افزایش بارش برای ماه‌های ژانویه -فوریه- نوامبر – و دسامبر و کاهش آن برای ماه‌های آگوست و سپتامبر را در هر پنج ایستگاه تخمین زد. نتایج شبیه‌سازی با مدل LARS-WGبا ضریب تبیین 96 تا 99 درصد، خطای مطلق میانگین 3.6 تا 12.6 میلیمتر و نتایج آزمون‌های T وF  که به‌ترتیب برای معنی‌داری میانگین و واریانس داده‌ها می‌باشد، معنی‌دار است. معنی‌داری 2 میانگین مشاهداتی و شبیه‌سازی 2 مدل و هم توزیع بودن با دو تست به‌ترتیب 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 کرده‌اند. 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، دوره‌های نرمال بر اساس نمایه نمرۀ Z، دوره‌های با فراوانی بیشتری نسبت به بقیۀ دوره‌ها در هر 5 ایستگاه بوده است.