اهمیت پیش‌بینی خشکسالی

اهمیت پیش‌بینی خشکسالی

یادداشت / مهدی زارع

ایران با مشکلات بی‌سابقه مرتبط با اقلیم از جمله خشک شدن دریاچه‌ها و رودخانه‌ها، توفان‌های گرد و غبار، دمای بی‌سابقه، خشکسالی و سیل مواجه است. از مجموعه پنج مدل اقلیمی با وضوح بالا برای پیش‌بینی دماهای حداکثر و حداقل و توزیع بارندگی، محاسبه وقوع دماهای شدید در مقایسه با دوره ۱۹۸۰-۲۰۰۴، در دوره ۲۰۲۵-۲۰۴۹، ایران احتمالاً دوره های طولانی تری از حداکثر دمای شدید را به ویژه در قسمت جنوبی کشور تجربه خواهد کرد، دوره‌های طولانی‌تر خشکی برای بیش از ۱۲۰ روز، بارش کمتر از ۲ میلیمتر، دمای بیشینه بیش از ۳۰ درجه سانتی‌گراد و همچنین مرطوب -برای کمتر از ۳ روز، بارش کل کمتر از ۱۱۰ میلی‌متر و فراوانی سیلاب‌ها – بیشتر خواهد بود. بر اساس مطالعات اخیر، در این اقلیم در حال تغییر، دوره‌های خشک طولانی‌مدت با بارش‌های شدید متناوب قطع می‌شود، که نشانه‌ای برای افزایش احتمال وقوع سیل است. بدون اقدامات سنجیده سازگاری، برخی از نقاط کشور ممکن است در آینده با قابلیت سکونت محدود مواجه شوند. پیش‌بینی خشکسالی عموماً به پیش‌بینی شدت خشکسالی اشاره دارد (مثلاً مقادیر یک شاخص خاص خشکسالی). در موارد خاص، پیش‌بینی خشکسالی به ویژگی‌های دیگری مانند مدت و فراوانی خشکسالی یا مراحلی مانند شروع خشکسالی، تداوم و بهبود اشاره دارد. به طور سنتی، خشکسالی را می‌توان به خشکسالی هواشناختی، کشاورزی، هیدرولوژیکی و اجتماعی-اقتصادی بر اساس عوامل فیزیکی و اجتماعی-اقتصادی طبقه‌بندی کرد‌. قبل از اینکه بتوان خشکسالی را پیش‌بینی کرد، باید یک متغیر یا شاخص کمی برای اندازه‌گیری شرایط خشکسالی از یک نوع خاص تعریف شود. نمرات شاخص‌های خشکسالی تک متغیره و چند متغیره بر اساس متغیرهای آب‌اقلیمی تکی یا چندگانه در دهه‌های گذشته توسعه یافته‌اند. شاخص بارش استاندارد شده مورد استفاده است با این حال، یک شاخص خشکسالی پذیرفته شده جهانی برای توصیف یکسان شرایط خشکسالی وجود ندارد. دسته‌بندی خشکسالی (به عنوان مثال، خشکسالی متوسط) همچنین می‌تواند برای توصیف خشکسالی بر اساس مقادیر آستانه شاخص‌ها استفاده شود. برای توصیف شرایط خشکسالی، از خشکسالی غیرعادی (D0)، خشکسالی متوسط ​​(D1)، خشکسالی شدید (D2)، خشکسالی خیلی شدید (D3) و خشکسالی استثنایی (D4) استفاده می‌کنند. برای پیش‌بینی آماری، معمولاً انواع پیش‌نشانگرها ابتدا از سوابق تاریخی آب‌اقلیمی (شامل مؤلفه‌های اقیانوسی، جوی و خشکی) شناسایی می‌شوند و سپس برای پیش‌بینی انواع خشکسالی به مدل‌های آماری مختلف داده می‌شوند. انتخاب پیش‌نشانگرها و مدل‌های آماری مختلف در بخش‌های زیر معرفی می‌شوند. برای پیش‌بینی آماری خشکسالی، پیش‌نشانگرها معمولاً از مشاهدات تاریخی که از قبل از دوره پیش‌بینی شناخته شده‌اند، به‌دست می‌آیند. از پیش‌بینی دینامیکی برای پیش‌بینی متغیرهای آب‌اقلیمی می‌توان استفاده کرد.برای پیش‌بینی آماری خشکسالی، یک بانک داده غنی از پیش‌نشانگرهای جوی، اقیانوسی و هیدرولوژیکی مورد نیاز است. این عوامل اثرگذار ممکن است در مناطق و فصول مختلف نقش داشته باشند. بنابراین، شناسایی پیش‌نشانگرهای مناسب که واریانس‌های بزرگ پیش‌بینی و در دوره‌های هدف را توضیح می‌دهند، اولین گام در پیش‌بینی آماری خشکسالی است