ارزیابی تأثیرات شاخص‌های خشکسالی بر شاخص فقر آبی (مطالعة موردی: شهرستان گرگان)

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکدة مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

2 دانشیار، گروه مهندسی آب، دانشکدة مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

3 استادیار، مؤسسة تحقیقات پنبة کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران

4 دانشجوی دکتری، گروه علوم و مهندسی آب، دانشکدة کشاورزی، دانشگاه بیرجند، بیرجند، ایران

چکیده

افزایش جمعیت، تغییر اقلیم و مصرف بی‌رویه سبب شده که فشار بر منابع زیرزمینی افزایش یابد و مناطقی را به سمت خشکی و کاهش شدید منابع آبی سوق دهد. بر این اساس می‌بایست ظرفیت هر منطقه شناسایی ‌شده و تغییرات آن در طول زمان و در شرایط بحرانی آبی مانند وقوع خشکسالی سنجیده شود. برای این منظور، از شاخص فقر آبی (WPI) متشکل از پنج مؤلفة اصلی منابع، هواشناسی، مصرف، ظرفیت و محیط زیست، استفاده ‌شده است. هم‌چنین، برای تحلیل تأثیرپذیری شاخص فقر آبی از خشکسالی، رابطة آن با شاخص‌های خشکسالی تک متغیره مبتنی بر بارش شامل SPI و ZSI و شاخص‌های دومتغیره مبتنی بر بارش و تبخیر-تعرق شامل SPEI و RDI استفاده شد. این مطالعه در طی دورة آماری 1395-1383 در شهرستان گرگان انجام شد. جهت محاسبة مؤلفه‌های شاخص فقر آبی از تحلیل سلسله مراتبی (AHP) برای وزن‌دهی به مؤلفه‌ها استفاده شد. نتایج نشان داد مؤلفه منابع و محیط زیست به‌ترتیب با مقادیر 354/0 و 041/0 بیش‌ترین و کم‌ترین وزن را به خود اختصاص دادند. اما با ضرب کردن این وزن‌ها در مؤلفه‌های مرتبط آن مشخص شد به‌ترتیب مؤلفه‌های مصرف، محیط زیست، منابع، هواشناسی و ظرفیت بیش‌ترین تأثیر را در محاسبة شاخص فقر آبی داشتند. با در نظر گرفتن میانگین WPI حدود 55، از 13 سال مورد مطالعه در هشت سال آن WPI پایین‌تر از میانگین دیده شد. نتایج همبستگی بین شاخص‌های خشکسالی با WPI نشان داد پنجرة زمانی سالانه مناسب‌تر از پنجرة زمانی شش ماهه است و از بین چهار شاخص مورد مطالعه شاخص SPEI با 9/0 R2= بیش‌ترین همبستگی و شاخص ZSI با 81/0 R2= کم‌ترین همبستگی را با WPI داشت. در نهایت، نتایج حاصل از شاخص فقر آبی نشان داد که مؤلفة مصرف در منطقة مطالعاتی بیش‌ترین نقش را در ایجاد WPI دارد. بنابراین، با توجه به حجم بالای مصرف آب در بخش کشاورزی می‌بایست تمهیداتی را برای مدیریت مصرف آب و انتخاب الگوی کشت مناسب اندیشید. هم‌چنین، همبستگی بالای WPI با شاخص‌های خشکسالی به‌ویژه شاخص‌ دو متغیره SPEI اهمیت لزوم ایجاد سامانه‌های پایش و پیش‌بینی خشکسالی را ملموس‌تر می‌کند.

کلیدواژه‌ها

موضوعات


Abramowits, M., & Stegun, I.A. (1965). Handbook of Mathematical Functions. Dover Publication, New York.
Ahmad, M., Sinclair, C., & Werritty, A. (1988). Loglogistic flood frequency analysis. Journal of Hydrology, 98(3-4), 205-224. doi:10.1016/0022-1694(88)90015-7
Asiabi-Hir, R., Mostafazadeh, R., Raoof, M., & Esmali-Ouri, A. (2015).Water poverty index and its importance in water resources management. Extension and Development of Watershed Management, 3(11), 17-22. https://www.wmji.ir/article_697021.html. [In Persian]
Asiabi-Hir, R., Mostafazadeh, R., Raoof, M., & Esmali-Ouri, A. (2018). Multi-criteria evaluation of water poverty index spatial variations in some watersheds of Ardabil Province. Iranian Journal of Echohydrology, 4(4), 943-1268. doi:10.22059/ije.2017.63231. [In Persian]
Avazpour, N., Faramarzi, M., Omidipour, R., & Mehdizadeh, H. (2022). Monitoring the drought effects on vegetation changes using satellite imagery (Case Study: Ilam Catchment). Geography and Environmental Sustainability, 11(4), 125-143. doi:10.22126/ges.2022.7130.2472. [In Persian]
Bani Mahd, S,. Adib, S., & Khalili, D. (2011). Analyzing comparisons of SPEI and SPI meteorological drought indicators by using parametric and non-parametric correlation tests in selected stations of Iran. The First National Conference on Ways to Achieve Sustainable Development (Agriculture, Natural Resources And Environment). Tehran, Iran. https://civilica.com/doc/196589/. [In Persian]
Barakhanpour, S., Ghorbani, K., Salarijazi, M., & Rezaeighale, L. (2021). Aanlysis of trend of evaporation changes and determining the role of factors affecting it using quantile regression and bayesian quantile regression  (Case Study: Hashem-Abad Station, Gorgan). Journal of Climate Research, 12(46), 73-88. https://clima.irimo.ir/article_137528.html?lang=en. [In Persian]
Edwards,D.C., & McKee, T.B. (1997). Characteristics of 20th century drought in the United States at multiple time scales. Climatology Report, 97-2. http://hdl.handle.net/10217/170176
Farsani, I.F., Farzaneh, M.R., Besalatpour, A.A., Salehi, M.H., & Faramarzi, M. (2019). Assessment of the impact of climate change on spatiotemporal variability of blue and green water resources under CMIP3 and CMIP5 models in a highly mountainous watershed. Theoretical and Applied Climatology, 136(1-2), 169-184. https://link.springer.com/article/10.1007/s00704-018-2474-9
Ghorbani, Kh. (2019). Spatial and temporal analysis of groundwater level fluctuations in deep and shallow aquifers of Golestan province using nonparametric statistical tests in GIS environment. Iranian Journal Irrigation and Drainage, 13(5), 1504-1514. dor:20.1001.1.20087942.1398.13.5.28.2. [In Persian]
Givati, A., Thirel, G., Rosenfeld, D., & Paz, D. (2019). Climate change impacts on streamflow at the upper Jordan River based on an ensemble of regional climate models. Journal of Hydrology: Regional Studies, 21, 92-109. doi:10.1016/j.ejrh.2018.12.004
Hargreaves, G.H., & Samani, Z.A. (1985). Reference crop evapotranspiration from temperature. Applied Engineering in Agriculture, 1(2), 96- 99. doi:10.13031/2013.26773
Jahangir, M.H., Asghari Kolshani, F., & Sataryan asil, K. (2022). Comparative study of drought meteorological (SPI) and hydrological (SSI) indices based on the best cumulative distribution function for Urmia Basin. Water and Soil Management and Modeling, 2(4), 53-63. doi:10.22098/mmws.2022.10810.1089. [In Persian]
Janbozorgi, M., Hanifeh Pour, M., & Khosravi, H. (2021). Temporal changes in meteorological-hydrological drought (Case study: Guilan Province). Water and Soil Management and Modeling, 1(2), 1-13. doi:10.22098/mmws.2021.1215 .[In Persian]
Kazemnezhad, Z., Farajzadeh, M., & Borna, R. (2019). Assessing vulnerability of agriculture in the face of climate change (Case Study: Gilan Province). Journal of Spatial Analysis Environmental Hazarts, 5(4), 89-106. https://sid.ir/paper/379900/en
McKee, T.B., Doesken, N.J., & Kleist, J. (1993, January). The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology, 17(22), 179-183.
Mojarrad, F., Qamraniya, H., & Nasiri, S. (2007). Estimation of effective rainfall and water requirement for rice cultivation in Mazandaran Plain. Geographical Research, 38(3), 54. https://jrg.ut.ac.ir/article_17770.html. [In Persian]
Morid, S., Smakhtin, V., & Moghaddasi, M. (2006). Comparison of seven meteorological indices for drought monitoring in Iran. International Journal of Climatology, 26(7), 971-985. doi:10.1002/joc.1264.
Nazarifar, M., & Salari, A. (2017). Drought risk assessment and zoning using the standardized precipitation index (SPI) (Case Study: Karkheh Basin). Desert Ecosystem Engineering Journal, 6(15), 87-100. 10.22052/6.15.87. [In Persian]
Nosrati, K., & Zareiee, A.R. (2011). Assessment of meteorological drought using SPI in West Azarbaijan Province, Iran. Journal of Applied Sciences and Environmental Management. 15(4), 563- 569. [In Persian]
Pan ,Y.H., Gu ,C.J., Ma, J.Z., Zhang, T.S., & Zhang, H. (2014). Water poverty index in the inland River Basins of hexi corridor. Gansu Province. Advanced Materials Research, 864, 2371-2375. doi:10.4028/www.scientific.net/AMR.864-867.2371
Rezaei Ghaleh, L., & Ghorbani, Kh. (2018). Comparative analyses of SPI and SPEI meteorological drought indices (Case study: Golestan province).  Journal of Agricultural Meteorology, 6(1), 31-40. https://doi.org/10.22125/agmj.2018.113661. [In Persian]
Salami, H., & Taheri Reykandeh, A. (2019). Assessing the state of water security in Provinces of Iran. Journal of Agricultural Economics and Development, 33(1), 75-94. doi:10.22067/jead2.v0i0.77072. [In Persian]
Sobhani, R., Emadi, A., Fazloula, R., & Zamanzad-Ghavidel, S. (2022). Innovative measurement of water poverty index in West Azerbaijan Province based on effective data-mining mathematical-analytical models. Iran-Water Resources Research, 19(2), 54-70. dor: 20.1001.1.17352347.1402.19.2.4.1. [In Persian]
Sullivan, C.A., Meigh, J.R., & Giacomello, A.M. (2003). The water poverty index: development and application at the community scale. Natural Resources Forum, 27(3), 189-199. doi:10.1111/1477-8947.00054
Talebi, H., & Amini, A. (2017). Investigating the dimensions of water scarcity using the water poverty index (WPI) method and its comparative analysis in the parts of Qom city. Town and Country Planning, 10(2), 345-366. doi:10.22059/jtcp.2019.272853.669940. [In Persian]
Tsakiris, G. (2004). Meteorological drought assessment. Paper prepared for the needs of the European Research Program MEDROPLAN (Mediterranean Drought Preparedness and Mitigation Planning). Zaragoza, Spain volume.
Tsakiris, G., Pangalou, D., & Vangelis, H. (2007). Regional drought assessment based on the reconnaissance drought index (RDI). Water Resources Management, 21(5), 821-833. doi:10.1007/s11269-006-9105-4
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 Climatology, 23(7), 1696-1718. doi:10.1175/2009JCLI2909.1
Wurtz, M., Angeliaume, A., Herrera, M.T.A., Blot, F., Paegelow, M., & Reyes, V.M. (2019). A spatial application of the water poverty index (WPI) in the State of Chihuahua, Mexico. Water Policy, 21(1), 147-161. doi: 10.2166/wp.2018.152
Yazdi, N., Mousavi, S. N., Shirvanian, A., Zarei, A. (2021). Assessing the Effects of Climate and Drought Changes on the Water Poverty Index in the Fasa Plain. Journal of Irriation and Water Engineering. 11(3). 289-304. 10.22125/iwe.2021.128206. [In Persian]
Ye, L., Shi, K., Zhang, H., Xin, Z., Hu, J., & Zhang, C. (2019). Spatio-temporal analysis of drought indicated by SPEI over Northeastern China. Water, 11(5), 908. doi:10.3390/w11050908
Zarei, A.R, Shabani, A., & Mahmoudi, M.R. (2019). Comparison of the climate indices based on the relationship between yield loss of rain-fed winter wheat and changes of climate indices using GEE model. Science of the Total Environment, 661, 711–722. doi:10.1016/j.scitotenv.2019.01.204.
Zarei, A.R., & Moghimi, M.M. (2019). Environmental assessment of semi-humid and humid regions based on modeling and forecasting of changes in monthly temperature. International Journal of Environmental Science and Technology, 16(3), 1457-1470. doi:10.1007/s13762-017-1600-z.
Zhang, R., Duan, Z., Tan, M., & Chen, X. (2012). The assessment of water stress with the water poverty index in the Shiyang River Basin in China. Environmental Earth Sciences, 67(7), 2155-2160. doi: 10.1007/s12665-012-1655-6.