برآورد خشکسالی کشاورزی برای دوره آتی به کمک شاخص SMDI و داده‌های گزارش پنجم تغییر اقلیم

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه بیرجند

2 دانشگاه بیرجند-گروه علوم و مهندسی آب-عضو هیات علمی

3 عضو هیئت علمی گروه مهندسی آب دانشکده کشاورزی دانشگاه بیرجند

4 مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی همدان

5 کارشناسی ارشد مهندسی آبیاری و زهکشی دانشگاه بیرجند

چکیده

رطوبتخاکسطحی، متغیریمهمدرچرخۀآبیطبیعتاستکهنقشمهمی در تعادلجهانیآبوانرژیبه واسطهتأثیربرفرآیندهای هیدرولوژیک،اکولوژیکوهواشناسیدارد. رطوبت خاک یک پارامتر تعیین‌کننده در بسیاری از فرآیند‌های پیچیده زیست محیطی است و نقش تعیین‌کننده‌ای در وقوع خشکسالی کشاورزی دارد. در این تحقیق، با استفاده از داده‌های برآورد شده رطوبت خاک توسط مدل SWAPو داده‌های گزارش پنجم تغییراقلیم، خشکسالی کشاورزی به‌کمک شاخص کمبود رطوبت خاک برای دوره پایه (2011-1992) و دوره آتی (2039-2020) تعیین شد. داده‌های اقلیمی به­کمک شش مدل GCMو دو سناریوی انتشار RCP4.5و RCP8.5برآورد گردید و به­کمک مدل LARS-WGریزمقیاس شد و وارد مدل SWAPگردید. در آخر، با استفاده از داده‌های رطوبت عمق 30 سانتی‌متری خاک مزرعه فاروب نیشابور، خشکسالی کشاورزی به‌کمک شاخص SMDIمورد ارزیابی قرار گرفت. نتایج تغییرات پارامترهای اقلیمی نشان داد که دمای مینیمم، ماکزیمم و بارش در دوره آتی نسبت به دوره پایه افزایش می یابد و سناریوی RCP8.5نسبت به سناریوی RCP4.5، دمای بیشتر و بارش کمتری را برآورد می کند. نتایج مقادیر SMDI برآورد شده برای دوره آتی نیز مشخص کرد که سناریویRCP4.5  نسبت به سناریوی RCP8.5 دارای مقادیر متوسط SMDIبیشتری می­باشد. همچنین هر دو سناریو، رطوبت نرمال را برای دوره آتی نشان می‌دهند و میزان SMDIپیش‌بینی شده برای دوره آتی نسبت به دوره پایه بیشتر است.

کلیدواژه‌ها

عنوان مقاله [English]

Estimating of Future Agricultural Drought by Use of the SMDI Index and Data of the Fifth Report on Climate Change

نویسندگان [English]

  • mokhtar Salehi Tabas 1
  • Mostafa Yaghoubzadeh 2
  • Reza Hashemi 3
  • Hamed Mansori 4
  • Saeed ghavamsaeedi 5
1 water resource engineering, University of Birjand
2 Assistant Prof., Department of Water Science and Engineering, University of Birjand.
3 M.yaghoobzadeh@birjand.ac.ir Assistant Prof., Department of Water Science and Engineering, University of Birjand.
4 Department of Hamadan Agriculture and natural Resources Research and Education Center
5 M.SC student, Irrigation and drainage engineering, University of Birjand
چکیده [English]

Moisture content of surface soil is an important variable in nature's water cycle, which plays an important role in the global equilibrium of water and energy due to its impact on hydrological, ecological, and meteorological processes. Soil moisture is a determining factor in many complex environmental processes and plays a determinative role in the occurrence of agricultural drought. In this study, based on estimated soil moisture data by SWAP model and data of the IPCC Fifth Assessment Report, agricultural drought was determined by the use of soil moisture deficit index for the future period. The climatic data was estimated using six GCM models and two RCP4.5 and RCP8.5 emissions scenarios, and downscaled by LARS-WG model, and was entered into the SWAP model. Finally, by using soil moisture data of 30 cm depth, agricultural drought was evaluated using SMDI index. The results of climate parameter changes showed that the minimum and maximum temperatures and rainfall in the future period would increase compared to the base period and RCP8.5 scenario estimated higher temperatures and less rainfall than RCP4.5 scenario. Results of estimated SMDI values for the future period showed that RCP4.5 scenario has a higher average of SMDI amount than RCP8.5 scenario. Also, both scenarios show the normal moisture amount for future period and the predicted SMDI amount for the future period is higher than the base period.
 

کلیدواژه‌ها [English]

  • Surface soil moisture
  • SWAP model
  • RCP8.5 and RCP4.5 emissions scenarios
  • Climatic parameters
  • Neyshabour plain

مراجع

  1. احمدی‌نمین، م. و وظیفه‌دوست، م. 1395. نظارت بار خشکسالی با استفاده از شاخص خشکسالی پالمر و داده‌های رطوبت خاک. سنجش از دور و رطوبت خاک ایستگاه. سومین کنفرانس یافته‌های جدید در محیط زیست و اکوسیستم‌های کشاورزی.
  2. حجازی‌زاده، ز. و پروین، ن. 1386. مدل‌سازی بارش و پیش‌بینی آن با استفاده از مدل‌های SARIMA و پایش خشکسالی به کمک شاخص BMI و نمایه PDRI حوضه آبریز دریاچه ارومیه. مجله تحقیقات جغرافیایی. 1 (87): 97-124.
  3. خلیلی، ع. و بذرافشان، ج. 1382. ارزیابی کارآیی چند نمایه خشکسالی هواشناسی در نمونه های اقلیمی مختلف ایران. مجله نیوار. 48: 93-79.
  4. دهقان، ش.، سیاری، ن. و بختیاری، ب. 1396. ارزیابی روند خشکسالی در استان فارس با استفاده از شاخص شدت خشکسالی پالمر. نشریه آبیاری و زهکشی ایران. 11 (6): 959-947.
  5. رمضانی‌اعتدالی، ه.، لیاقت، ع.، پارسی‌نژاد، م. و رمضانی‌اعتدالی، م. 1391. بررسی وضعیت خشکسالی کشاورزی بر اساس رطوبت خاک در ایستگاه سینوپتیک قزوین. مجلهپژوهشآبدرکشاورزی. 26 (1): 82-91.
  6. طالبی، م.ص. و موسوی‌بفرویی، م. 1389. ارزیابی و پهنه‌بندی و پایش خشکسالی با استفاده از شاخص‌های معتبر (مطالعه موردی: استان کرمان). مقالات اولین کنفرانس بین‌المللی مدل‌سازی گیاه، آب، خاک و هوا. مرکز بین‌المللی علوم و تکنولوژی پیشرفته و علوم محیطی دانشگاه شهید باهنر کرمان، کرمان، ایران.
  7. علیزاده، ا. 1389. اصول هیدرولوژی کاربردی. انتشارات دانشگاه امام رضا (ع)، چاپ بیست و هشتم، مشهد، ایران، 866 صفحه.
  8. کریمی، و.، حبیب نژاد‌روشن، م. و آبکار، ع. 1389. بررسی شاخص­های خشکسالی هواشناسی در ایستگاه‌های سینوپتیک مازندران. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، 2 (5): 25-15.
  9. لشنی‌زند، م. 1382.  بررسی شدت، تداوم و فراوانی خشکسالی های اقلیمی. سومین کنفراس منطقه‌ای و اولین کنفرانس ملی تغییراقلیم. دانشگاه اصفهان، اصفهان، ایران.
  10. مساعدی، ا.، محمدی‌مقدم، س. و کواکبی، غ. 1395. تعیین خصوصیات خشکسالی بر اساس شاخص شناسایی خشکسالی RDI و بررسی تغییرات آن در مناطق و دوره‌های مختلف زمانی. نشریه پژوهش‌های حفاظت آب و خاک، 23 (6): 27-52.
  11. ناصرزاده، م. ح. 1391. بررسی عملکرد شاخص‌های خشکسالی هواشناسی در ارزیابی خشکسالی و پهنه‌بندی آن در استان قزوین. نشریه تحقیقات کاربردی علوم جغرافیایی، 12 (27): 141-162.
  12. وفاخواه، م. و رجبی، م. 1384. کارآیی نمایه های خشکسالی هواشناسی برای پایش و ارزیابی خشکسالی‌های حوزه آبخیز دریاچه‌های بختگان، طشک و مهارلو. مجله بیابان، 10 (1): 369-383.
    1. Cipriotti, P.A., Flombaum, P., Sala, O.E., and Aguiar, M.R. 2008. Does drought control emergence and survival of grass seedlings in semi-arid rangelands: An example with a Patagonian species. Journal of Arid Environments, 72: 162-174.
    2. IPCC, (2013), Summary for policymakers. In: Field, C.B., Barros, V., Stocker, T.F., Qin, D., Dokken, D.J., Ebi, K.L., Mastrandrea, M.D., Mach, K.J., Plattner, G.-K., Allen, S.K., Tignor, M., and Midgley, P. (Eds.), Managing the Risks of Extreme Events andDisasters to Advance Climate Change Adaptation. Cambridge University Press, 1–19.
    3. Kumar, K.N., Rajeevan, M., Pai, D.S., Srivastava, A.K., and Preethi, B. 2013. On the observed variability of monsoon droughts over India. Weather and Climate Extremes, 1: 42-50.
    4. Liang, L., Zhao, S.H., Qin, Z.H., He, K.X., Chong, C.H., Luo, Y.X., and Zhou, X.D. 2014. Drought change trend using MODIS TVDI and its relationship with climate factors in China from 2001 to 2010. Journal of Integrative Agriculture, 13(7): 1501-1508.
    5. Loukas, A., Vasiliades, L., and Tzabiras, J. (2008). Climate change effects on drought severity. Advances in Geosciences, 17: 23-29.
    6. Morid, S., Smakhtin, V., and Bagherzadeh, K. 2007. Drought forecasting using artificial neural networks and time series of drought indices. International Journal of climatology, 27(15): 2103-2111.
    7. Narasimhan, B., and Srinivasan, R. (2005). Development and evaluation of Soil Moisture Deficit Index (SMDI) and Evapotranspiration Deficit Index (ETDI) for agricultural drought monitoring. Agricultural and Forest Meteorology, 133(1-4): 69-88.
    8. Van Dam, J.C., Huygen, J., Wesseling, J.G., Feddes, R.A., Kabat, P., Van Waslum, P.E.V., Groenendjik, P., and Van Diepen, C.A. 1997. Theory of SWAP version 2.0: simulation of water flow and plant growth in the soil–water–atmosphere–plant environment. Wageningen Agricultural University and DLO Winand Staring Centre. Wageningen, The Netherlands.
    9. Wondie, M., and Terefe, T. 2016. Assessment of drought in Ethiopia by using self-calibrated Palmer Drought Severity Index. Int. J. Eng. Manage. Sci. 7(2): 108-117.
    10. Woli, P., Jones, J.W., Ingram, K.T., and Fraisse, C.W. 2012. Agricultural reference index for drought (ARID). Agronomy Journal, 104(2): 287-300.
    11. Zehtabian, Gh., Karimi, K., Nakhee Nejadfard, S., Mirdashtvand, M., and Khosravi, H. 2013. ComparabilityAnalyses of the SPI and RDI Meteorological Drought Indices in South Khorasan province in Iran. Inter. International journal of Advanced Biological and Biomedical Research, 1(9). 981-992.
    12. Zhang, B., Wu, P., Zhao, X., Wang, Y., Wang, J., and Shi, Y. 2012. Drought variation trends in different subregions of the Chinese Loess Plateau over the past four decades. Agricultural Water Management, 115: 167-177.
پژوهش آب در کشاورزی
دوره 33، شماره 3
مهر 1398
صفحه 479-491

فایل ها

هم رسانی

ارجاع به این مقاله

آمار