مجله پژوهش های خشکسالی و تغییراقلیم

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

لیست داوران

کاربرد شاخص یکپارچه خشکسالی در تحلیل چندمتغیره ریسک براساس واین کاپولا

نوع مقاله : مقاله پژوهشی

نویسندگان

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.

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

موضوعات

مراجع
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
دی 1404
صفحه 95-118
فایل ها
سابقه مقاله
  • تاریخ دریافت: 21 مرداد 1404
  • تاریخ بازنگری: 17 شهریور 1404
  • تاریخ پذیرش: 17 شهریور 1404
هم رسانی
ارجاع به این مقاله
آمار