تیموری, مهدی, اسدی نلیوان, امید, الهی, سارا. (1401). تحلیل احتمالاتی شدت و مدت خشکسالی استان خراسان شمالی با استفاده از توابع کاپولا. سامانه مدیریت نشریات علمی, (), -. doi: 10.22092/wmrj.2022.359052.1479
مهدی تیموری; امید اسدی نلیوان; سارا الهی. "تحلیل احتمالاتی شدت و مدت خشکسالی استان خراسان شمالی با استفاده از توابع کاپولا". سامانه مدیریت نشریات علمی, , , 1401, -. doi: 10.22092/wmrj.2022.359052.1479
تیموری, مهدی, اسدی نلیوان, امید, الهی, سارا. (1401). 'تحلیل احتمالاتی شدت و مدت خشکسالی استان خراسان شمالی با استفاده از توابع کاپولا', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22092/wmrj.2022.359052.1479
تیموری, مهدی, اسدی نلیوان, امید, الهی, سارا. تحلیل احتمالاتی شدت و مدت خشکسالی استان خراسان شمالی با استفاده از توابع کاپولا. سامانه مدیریت نشریات علمی, 1401; (): -. doi: 10.22092/wmrj.2022.359052.1479
تحلیل احتمالاتی شدت و مدت خشکسالی استان خراسان شمالی با استفاده از توابع کاپولا
1گروه مهندسی طبیعت، دانشکده کشاورزی شیروان، دانشگاه بجنورد، ایران
2دانشگاه علوم کشاورزی و منابع طبیعی گرگان
3دانش آموخته کارشناس ارشد هیدروژئومورفولوژی. دانشگاه حکیم سبزواری
چکیده
خشکسالیها مجموعهای از اثرات محیط زیستی، اجتماعی و اقتصادی منفی در یک منطقه یا کشور دارند. استفاده از یک شاخص ماهانه که علاوه بر مقادیر بارش، اثر تبخیر را در مقدار عددی شاخص لحاظ کند، در تعیین پارامترهای خشکسالی بسیار مفید است. در نتیجه در این تحقیق از شاخص RDI به منظور تعیین شدت و فواصل خشکسالی 6 ایستگاه استان خراسان شمالی بین سالهای 1397-1367 و از توابع کاپولا بهمنظور تحلیل توام شدت و مدت مزبور استفاده شد. توزیع پارتوی تعمیم یافته برای شدت و مدت خشکسالی ایستگاه بجنورد و توزیع نمایی برای سایر ایستگاهها بهعنوان توزیع برازشیافته مناسب انتخاب شد. 26 تابع مختلف کاپولا با استفاده از مقادیر آمارههای مختلف مورد بررسی قرار گرفت. تابع بهینه برای ایستگاههای بجنورد و مانه و سملقان تابع بور، ایستگاههای جاجرم و شیروان، تابع جو، ایستگاه فاروج، تابع گالامبوس و ایستگاه اسفراین، تابع BB1 بود. همچنین از دو روش بهینهسازی محلی و شبیهسازی مونت کارلوی زنجیره مارکف با تخمینگر بیزین جهت برآورد عددی توزیع پسین پارامترهای کاپولای منتخب استفاده شد. نتایج بیانگر مشابهت دو روش در برآورد پارامترهای تابع منتخب است. همچنین مشاهده شد که در دوره بازگشت 100 ساله شدت خشکسالی ایستگاه بجنورد نسبت به سایر ایستگاهها کمتر است.
The Probabilistic Analysis of Drought Severity- Duration in North Khorasan Province using Copula Functions
نویسندگان [English]
Mehdi Teimouri1؛ Omid Asadi Nalivan2؛ Sara Elahi3
1Department of Nature Engineering, Shirvan Faculty of Agriculture, University of Bojnord, Iran
2Gorgan University of Agricultural Sciences and Natural Resources, Iran
3M.Sc. Graduated in Hydrogeomorphology, Hakim Sabzevari University, Iran
چکیده [English]
Droughts have a set of negative environmental, social and economic effects in a region or country. Using a monthly index that, in addition to precipitation values, takes into account the effect of evaporation on the numerical value of the index, is very useful in determining drought parameters. As a result, in this study, RDI index was used to determine the severity and duration of drought in 6 stations of North Khorasan province between 1367-1397 and Copula functions were used to analyze the intensity and duration. The generalized Pareto distribution was selected for the intensity and duration of Bojnord station and the exponential distribution for other stations was selected as the appropriate fitted distribution. 26 different Copula functions were investigated using different statistical values. The optimal function for Bojnord, Maneh and Semelghan stations was Burr function, Jajarm and Shirvan stations, Joe function, Farouj station, Galambos function and Esfarayen station, BB1 function. Also, two methods of local optimization and Monte Carlo Markov chain simulation with Bayesian estimator were used to numerically estimate the posterior distribution of selected Copula parameters. The results show the similarity of the two methods in estimating the parameters of the selected function. It was also observed that in the 100-year return period, the drought intensity of Bojnord station is less than other stations.
کلیدواژهها [English]
Copula Function, Maximum Likelihood, Reconnaissance Drought Index, AIC, BIC