مجله پژوهش های خشکسالی و تغییراقلیم

کاربرد شاخص یکپارچه خشکسالی در تحلیل چندمتغیره ریسک براساس واین کاپولا

نوع مقاله : مقاله پژوهشی

نویسندگان

ام البنین بذرافشان 1
فاطمه تیموری 2
حمید غلامی 3
مرضیه شکاری 4
حسین زمانی 4

1 دانشیار، گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران.

2 دانشجوی دکتری علوم و مهندسی آبخیزداری، گروه مهندسی منابع‌طبیعی، دانشگاه هرمزگان، بندرعباس، ایران.

3 استاد، گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران.

4 استادیار، گروه آمار، دانشکده علوم پایه، دانشگاه هرمزگان، بندرعباس، ایران.

https://doi.org/10.22077/jdcr.2025.9917.1161
چکیده
این پژوهش به توسعه و ارزیابی یک شاخص یکپارچه خشکسالی (IDI) با بهره‌گیری از روش پیشرفته «مفصل واین» در حوضه آبخیز میناب می پردازد. با تلفیق چهار شاخص مؤثر (SPI، SRI، SPEI و SMDI)، این رویکرد نوین محدودیت‌های روش‌های متعارف تک‌متغیره را مرتفع می‌سازد. یافته‌ها حاکی از آن بود که شاخص SRI نقش متغیر محوری را ایفا کرده و بیشترین همبستگی (۰.۸۲) را با شاخص SPI نشان می‌دهد. شاخص SPEI حذف گردید و شاخص IDI طراحی‌شده در مقایسه با سایر indices، از کارایی بالاتری در شناسایی خشکسالی‌های مرکب برخوردار است. تحلیل‌های آماری، نادر بودن رویدادهای حدی (با دوره بازگشت ۲۲۵۳۳۷ ساله) و نیز وجود رابطه‌ای قوی (۰.۹۵) بین شدت و مدت خشکسالی را آشکار ساخت. این روش، ابزاری robust برای ارزیابی جامع ریسک خشکسالی فراهم می‌آورد که می‌تواند مبنای تصمیم‌گیری در مدیریت منابع آب قرار گیرد، اگرچه پیچیدگی محاسباتی و نیاز به داده‌های دقیق از چالش‌های پیش‌روی آن محسوب می‌شوند.

کلیدواژه‌ها

خشکسالی
شاخص (IDI)
مفصل واین
مشخصه‌های خشکسالی
دوره بازگشت شرطی
موضوعات
Albergel, C., Dorigo, W., Reichle, R., Muñoz‐Sabater, J., de Rosnay, P., Isaksen, L.,... & Wagner, W. (2012). Evaluation of remotely sensed and modelled soil moisture products using global ground-based in situ observations. Remote Sensing of Environment, 118, 215–226. https://doi.org/10.1016/j.rse.2011.11.017
Aas, K., C. Czado, A. Frigessi and H. Bakken. (2009). Pair-copula constructions of multiple dependence. Journal of Mathematics and Economics, 44(2), 182-198. https://doi.org/10.1016/j.insmatheco.2007.02.001.
Azhdari Z, Bazrafshan O, Bazrafshan J, Shekari M, Zamani H. (2021). Meteorological drought monitoring based on multivariate statistical and probability indices in Hormozgan province. Journal of Arid Biome 10(2), 1-17. https://doi.org/10.29252/ARIDBIOM.2021.15258.1821.
Bahari Meimandi, J., Bazrafshan, O., Esmaelpour, Y., Shekari, M., & Zamani, H. (2023). Study the effect of natural and anthropogenic factors on the ground water falling in the Minab plain. Desert Management, 11(1), 1-18. https://doi.org/10.22034/jdmal.2023.2000814.1412.
Bazrafshan, O., Shekari, M., Zamani, H., Dehghanpir, S., & Singh, V. P. (2021). Assessing hydrologic drought risk using multi-dimensional copulas: case study in Karkheh River basin. Environmental Earth Sciences, 80(17), 1-22. https://doi.org/10.1007/s12665-021-09870-6.
Bedford, T. and R. Cooke. (2001). Probability density decomposition for conditionally dependent random variables, Annals of mathematics and Artificial, 32(1-4), 245-268. http://dx.doi.org/10.1023/A:1016725902970
Bedford, T. and R. Cooke. (2002). Vines – A new graphical model for dependent random variables, Annals of Ann. Statist. 30(4), 1031-1068. https://doi.org/10.1214/aos/1031689016.
Cammalleri, C., Micale, F., Vogt, J. (2015). A novel soil moisture-based drought severity index (DSI) combining water deficit magnitude and frequency. Hydrology Process. 30(2), 289-301. https://doi.org/10.1002/hyp.10578.
Czado, C. (2010). Pair-Copula Constructions of Multivariate Copulas. In: Jaworski, P., Durante, F., Härdle, W., Rychlik, T. (eds) Copula Theory and Its Applications. Lecture Notes in Statistics, vol 198. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-12465-5_4.
Das, P. K., Chandra, S., Das, D. K., Midya, S. K., Paul, A., Bandyopadhyay, S., & Dadhwal, V. K. (2020). Understanding the interactions between meteorological and soil moisture drought over Indian region. Journal of Earth System Science, 129(1), 1-17. https://doi.org/10.1007/s12040-020-01460-7.
Dayal, K. S., Deo, R. C., & Apan, A. A. (2020). Development of copula-statistical drought prediction model using the standardized precipitation-evapotranspiration index. In Handbook of Probabilistic Models. Butterworth-Heinemann.141-178. https://doi.org/10.1016/B978-0-12-816514-0.00006-0.
Dracup, J. A., Lee, K. S., & Paulson Jr, E. G. (1980). On the statistical characteristics of drought events. Water resources research, 16(2), 289-296. https://doi.org/10.1029/WR016i002p00289.
Hao, Z., Singh, V.P. (2015). Drought characterization from a multivariate perspective: a review. Journal of Hydrology. 527, 668–678. https://doi.org/10.1016/j.jhydrol.2015.05.031
Heim, R. (2002). A review of twentieth-century drought indices used in the United States. Bull. Am. Meteorological Society, 83, 1149–1165. https://doi.org/10.1175/1520-0477-83.8.1149
Jaworski, P., Durante, F., Karl Härdle, W and Rychlik T. (2010) Copula Theory and Its Applications. Lecture Notes in Statistics, vol 198. Springer, Berlin, https://doi.org/10.1007/978-3-642-12465-5
Joe, H. (1996). Families of m-Variate Distributions with Given Margins and m(m-1)/2 Bivariate Dependence Parameters. Lecture Notes-Monograph Series, 28, 120–141. http://www.jstor.org/stable/4355888
Liu, H., Wang, X., Tan, G., & He, X. (2020). System reliability evaluation of a bridge structure based on multivariate copulas and the AHP–EW method that considers multiple failure criteria. Applied Sciences, 10(4), 1399. https://doi.org/10.3390/app10041399
Liu, Z., Zhang, J., Wen, T., & Cheng, J. (2022). Uncertainty quantification of rainfall-runoff simulations using the copula-based bayesian processor: Impacts of seasonality, copula selection and correlation coefficient. Water Resources Management, 36(13), 4981-4993. https://doi.org/10.1007/s11269-022-03287-x.
Maity, R., Suman, M., Verma, N.K. (2016). Drought prediction using a wavelet-based approach to model the temporal consequences of different types of droughts. Journal of Hydrology, 539, 417-428. https://doi.org/10.1016/j.jhydrol.2016.05.042.
Mirabbasi, R., Klöve, B., & Torabi Haghighi, A. (2024). Multivariate Frequency Analysis of Drought Characteristics in Finland Using Vine Copulas. International Journal of Climatology, 44(16), 5986-6013. http://dx.doi.org/10.1002/joc.8679
Mishra, A. K., and V. P. Singh. (2010). A review of drought concepts, Journal of Hydrology, 391(1-2): 202-216. https://doi.org/10.1016/j.jhydrol.2010.07.012
Nagler, T., Krüger, D., & Min, A. (2022). Stationary vine copula models for multivariate time series. Journal of Econometrics, 227(2), 305-324. https://doi.org/10.1016/j.jeconom.2021.11.015.
Nazeri Tahroudi, M., Ramezani, Y., De Michele, C., & Mirabbasi, R. (2022). Multivariate analysis of rainfall and its deficiency signatures using vine copulas. International Journal of Climatology, 42(4), 2005-2018. http://dx.doi.org/10.1002/joc.7349
Ribeiro, A. F. S., Russo, A., Gouveia, C. M., Páscoa, P., & Zscheischler, J. (2020). Risk of crop failure due to compound dry and hot extremes estimated with nested copulas. Biogeosciences Discussions, 2020, 1-21. http://dx.doi.org/10.5194/egusphere-egu2020-674
Rodell, M., Houser, P. R., Jambor, U. E. A., Gottschalck, J., Mitchell, K., Meng, C. J., ... & Toll, D. (2004). The global land data assimilation system. Bulletin of the American Meteorological society, 85(3), 381-394. http://dx.doi.org/10.1175/BAMS-85-3-381.
Rueschendorf, L. Schweizer, B and Taylor M. D (1996), Distributions with fixed marginal and related topics. Hayward: Institute of Mathematical Statistics.28, 120-141. https://doi.org/ 10.1214/lnms/1215452598
Salvadori, G., De Michele, C., Kottegoda, N.T. and Rosso, R. (2007). Extremes in nature: an approach using copulas, Springer, Dordrecht. Statistics, 30 (4), 1031–1068. https://doi.org/10.1007/1-4020-4415-1.
Schwarz, G. (1978). Estimating the Dimension of a Model. The Annals of Statistics, 6(2), 461–464. http://www.jstor.org/stable/2958889
Uyttendaele, N. (2014). Nested Archimedean copulas: a new class of nonparametric tree structure estimators. arXiv preprint arXiv:1407.0230. https://doi.org/10.48550/arXiv.1407.0230
Vicente-Serrano S M, Beguería S, LópezMoreno J I. (2010) A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of Climate, 23,
 1696-1718. http://dx.doi.org/10.1175/2009JCLI2909.1.
Wang, H., Li, Y. P., Huang, G. H., Zhang, Q., Ma, Y., & Li, Y. F. (2024). Quantifying multidimensional drought propagation risks under climate change: A vine-copula Bayesian factorial analysis method. Journal of Hydrology, 637, 131396. https://doi.org/10.1016/j.jhydrol.2024.131396.
Wang, H., Li, Y. P., Huang, G. H., Zhang, Q., Ma, Y., & Li, Y. F. (2024). Quantifying multidimensional drought propagation risks under climate change: A vine-copula Bayesian factorial analysis method. Journal of Hydrology, 637, 131396. https://doi.org/10.1016/j.jhydrol.2024.131396.
Wu, H., Su, X., Singh, V. P., Feng, K., & Niu, J. (2021). Agricultural drought prediction based on conditional distributions of vine copulas. Water Resources Research, 57(8), http://dx.doi.org/10.1029/2021WR029562.
Xu, K., Yang, D., Xu, X., Lei, H. (2015). Copula based drought frequency analysis considering the spatio-temporal variability in Southwest China. Journal of Hydrology, 527, 630-640. http://dx.doi.org/10.1016/j.jhydrol.2015.05.030.
Zhang, Q., Li, J., Singh, V. P., & Xu, C. Y. (2013). Copula‐based spatio‐temporal patterns of precipitation extremes in China. international Journal of Climatology, 33(5), 1140-1152. http://dx.doi.org/10.1016/j.jhydrol.2015.05.030.
Zhang, X., Li, J., Dong, Q., Gao, C., & Chen, H. (2025). A copula-based framework for emergent constraints using MCMC simulations. Journal of Climate. http://dx.doi.org/10.1175/JCLI-D-24-0591.
مجله پژوهش های خشکسالی و تغییراقلیم
دوره 3، ویژه نامه
زمستان 1404
صفحه 95-118

  • تاریخ دریافت 21 مرداد 1404
  • تاریخ بازنگری 17 شهریور 1404
  • تاریخ پذیرش 17 شهریور 1404

صفحه اصلی

راهنمای نویسندگان

ارسال مقاله

تماس با ما