محاسبه شاخص های قوی تر جهت پایش خشکسالی مستلزم در اختیار داشتن داده های گسترده هواشناسی است که ممکن است در برخی از مناطق ثبت نشده باشد. در این تحقیق از شاخص SPI که در محاسبه آن فقط به داده های بارندگی نیاز است جهت شبیه سازی شاخص های قوی تر RDI و SPEI استفاده گردید. جهت شبیه سازی از معادلات برآوردگر تعمیم یافته (GEE) استفاده شد. اعتبارسنجی مدل های برازش داده شده جهت شبیه سازی توسط معیارهای مختلف نیکویی برازش (NSE، RMSE، MAE، R2 و مقایسه با خط یک به یک) انجام شد. به طور کلی طبق نتایج مدل مربوط به شاخص SPEI نسبت به مدل شاخص RDI شبیه سازی بهتری انجام داد. اعتبارسنجی نشان دهنده تفاوت غیر معنی دار داده های شبیه سازی شده با داده های مشاهده شده در سطح 5% در این ایستگاه ها بود. ضمنا نتایج بیانگر جواب بهتر مدل های کلی برازش داده شده در این تحقیق در منطقه خشک استان می باشد.

امروزه شبیه سازی داده های هواشناسی برای برنامه ریزیهای آینده در زمینه های طبیعی و انسانی از اهمیت بالایی برخوردار است. از جمله می توان به پیش بینی خشکسالی اشاره کرد که در این صورت می توان با برنامه ریزی مدون از خسارات احتمالی کاست. در این پژوهش، داده های مدل HADCM3 تحت سناریوهای انتشار A1B، A2 و B1 برای پیش بینی داده های هواشناسی استان خراسان شمالی با بهره گیری از ریزگردان آماریLARS WG5 ریزمقیاس شدند. برای این منظور، پس از انجام واسنجی، صحت سنجی و مدلسازی داده ها در ایستگاههای منتخب، کارایی مدل از نظر میزان انطباق داده های پایه با مقادیر شبیه سازی شده(2012-1993-2032-2013) با استفاده از سه معیار ریشه میانگین مربعات خطا(RMSE)، میانگین خطای مطلق(MAE) و میانگین خطای انحراف(MBE) ارزیابی گردید. با استفاده از شاخصهایSPIوRDI جهت به دست آوردن ترسالی و خشکسالیها در دوره پایه دوره شبیه سازی شده تحت سناریوهایB1, A2, A1B اقدام گردید. نتایج نشان می دهد که درصد فراوانی خشکسالیها دوره پیش بینی شده نسبت به دوره پایه تحت هرسه سناریودرمقیاس یک ماهه وسالانه بااستفاده از دوشاخص SPIوRDI کاهش داشته است و از طرف دیگر درصدفراوانی ترسالی افزایش داشته است. بیشترین درصدفراوانیها به طبقه نرمال درهردومقیاس زمانی اختصاص پیداکرد. نقشه پهنه بندی فراوانی وقوع خشکسالیها در دوره پایه وشبیه سازی شده نشان داد درصد فراوانی خشکسالیهادرمقیاس زمانی یک ماهه وسالانه در دوره شبیه سازی شده تحت سناریوهای مطرح شده کمتراز درصد فراوانی خشکسالی هریک از ایستگاههای استان خراسان شمالی در دوره پایه می باشد اما وسعت خشکسالیها در آینده بیشتر از دوره پایه با استفاده از شاخصهای SPIوRDI پیش بینی می شود.

تاکنون شاخص های متعددی توسط محققان مختلف برای بررسی پدیده خشکسالی معرفی و استفاده شده اند که هر کدام به فراخور شرایط منطقه و پارامترهای تاثیرگذار بر خشکسالی، دارای توانایی ها و نواقصی خواهند بود. طی سال های اخیر شاخص خشکسالی اجمالی (RDI) بدلیل در نظر گرفتن توام بارش و تبخیر و تعرق، با استقبال بیشتری نسبت به سایر شاخص ها روبرو بوده و گاهاً مبنای مقایسه شدت خشکسالی و برآورد خسارات بالقوه آن در سطح ملی قرار گرفته است. تحقیق حاضر به بررسی شاخص RDI، مزایا، معایب و مشکلات پهنه بندی و تعمیم نتایج از مقیاس ملی به استانی پرداخته است. به همین منظور از آمار و ارقام ایستگاه های هواشناسی سینوپتیک استان یزد استفاده شد و پس از محاسبه RDI برای هر ایستگاه، با نتایج ارائه شده در نقشه RDI کشوری در دوره زمانی مشابه، مقایسه و تحلیل گردید. نتایج این پژوهش در قالب ارائه نکات و ملاحظات فنی برای محاسبه و پهنه بندی RDI در مقیاس ملی و نحوه تعمیم به سطوح استانی با محوریت استان یزد و پیشنهادات اجرایی مربوطه برای تدقیق مطالعات و روش های پهنه بندی خشکسالی در کشور می باشد که به تفصیل به هر یک از آن ها پرداخته شده است.

رطوبت خاک از اصلی ترین عواملی است که تحت تاثیر خشکسالی قرار می گیرد. شاخص کمبود رطوبت خاک (SMDI) یکی از مهمترین شاخص هایی است که براساس رطوبت خاک، خشکسالی را پایش می نماید. اما به دلیل عدم اندازه گیری مستقیم رطوبت خاک در ایستگاه های هواشناسی و نبود اطلاعات، به طور محدودی استفاده شده است. در پژوهش حاضر از داده های هواشناسی ایستگاه سینوپتیک زرقان در طول دوره آماری 30 ساله (1992 تا 2022) استفاده و به کمک دو مدل ET0 و AquaCrop مقدار رطوبت خاک در عمق های 5، 15، 45 و 95 سانتیمتر تخمین زده شد. سپس درصد کمبود رطوبت خاک و شاخص SMDI محاسبه گردید. همچنین نتایج این شاخص، با دو شاخص متداول SPI و RDI که مبتنی بر داده های بارش و تبخیرتعرق پتانسیل است، مقایسه و تحلیل گردید. بیشترین مقدار این شاخص پس از یک دوره پر باران سالهای 1994 و 1995 در سال 1996 است و کمترین مقدار نیز پس از سالهای خشک 2008 تا 2010 در سال 2011 رخ داده است. با توجه به اینکه بیشترین و کمترین مقدار بارندگی در 2004 و 2021 است، شاخص های خشکسالی SPI و RDI، شدیدترین ترسالی و خشکسالی را در سالهای مذکور نشان داده اند. در سال 2010، 2011 ، 2016 و2021 خشکسالی­های شدیدی رخ داده که هر سه شاخص در این مورد نتایج مشابهی داشته­اند. در بررسی روابط بین پارامترهای هواشناسی و شاخص ها، نتایج نشان داد شاخص SMDI کمترین ضریب تبیین را با تبخیرتعرق (25/0)، شاخص RDI (4/0) و پس از آن با شاخصSPI  و بارش (45/0) دارد. همچنین نتایج نشان داد همبستگی و ارتباط قوی بین دو شاخص SPI و RDI وجود دارد. درخصوص خشکسالی های حدی و خیلی شدید که میزان بارش کاهش زیادی داشته و تبخیرتعرق نیز افزایش می یابد، شاخص RDI مناسبتر بوده و شدت خشکسالی را با دقت بالاتری نشان می دهد و حساسیت آن نسبت به شرایط آب و هوایی بیشتر از شاخص SPI است. لذا توصیه می گردد در مناطق خشک و نیمه خشک که شدت خشکسالی به آستانه شدید و خیلی شدید نیز می رسد، از شاخص هایی استفاده گردد که علاوه بر بارش، عوامل دیگر را در نظر بگیرد.

پایش خشکسالی با استفاده از شاخص ­های مناسب، اهمّیّت زیادی در مدیریت منابع آب بویژه در مناطق خشک و نیمه ­خشک دارد. انتخاب این شاخص و محاسبة صحیح آن از اهمّیّت قابل­ توجّهی در مطالعة خشکسالی برخوردار است. هدف این مطالعه، تعیین توزیع آماری مناسب برای محاسبة شاخص خشکسالی RDI در مناطق خشک و نیمه ­خشک ایران مرکزی می­ باشد. بدین منظور، 16 ایستگاه سینوپتیک در محدودة ایران مرکزی انتخاب شدند. برای محاسبة شاخص RDI از داده­ های بارش و همچنین تبخیر-تعرّق پتانسیل با روش فائو-پنمن-مانتیث استفاده شد. برای انتخاب مناسب ­ترین توزیع آماری، 17 توزیع آماری مورد مطالعه قرار گرفت. شاخص RDI برای هر ایستگاه به صورت سالانه و بر اساس برازش به هر یک از 17 توزیع مورد مطالعه به صورت جداگانه محاسبه شد. سپس بر اساس معیارهای AIC و BIC، بهترین توزیع آماری برای محاسبه شاخص RDI برای هر ایستگاه انتخاب شد. اگرچه در منابع توصیه شده که محاسبه شاخص RDI از طریق برازش داده ­ها به یکی از توزیع ­های گاما و یا لوگ ­نرمال انجام شود، اما نتایج این پژوهش نشان داد که در بیشتر ایستگاه­ های مورد مطالعه، توابع توزیع لوگ نرمال و گاما نمی ­توانند به عنوان مناسب ­ترین تابع توزیع انتخاب شوند. بر اساس نتایج، توزیع گاما جزو شش توزیع برتر در تمام ایستگاه ­های مورد مطالعه بود. همچنین نتایج نشان داد مقادیر RDI محاسبه شده بر اساس توزیع ­های مختلف در سال ­های خشک و مرطوب، تفاوت نسبتاً قابل­ توجّهی دارند که اهمّیّت انتخاب توزیع آماری مناسب در محاسبه شاخص RDI را نشان می­ دهد. برازش توزیع­ های مورد مطالعه به داده ­های بارش در ایستگاه­ های مختلف نشان داد توزیع Nakagami عملکرد بهتری جهت برازش به داده ­های بارش دارد. در مورد تبخیر و تعرق پتانسیل، در ایستگاه­ های مختلف توزیع ­های متفاوتی بهترین برازش را ارائه کردند.

خشکسالی پدیده ای است طبیعی که فراوانی آن در مناطق خشک و نیمه خشک ایران، بویژه و استان فارس بسیار زیاد است. ارزیابی و پایش خشکسالی از نیازهای اساسی برنامه ریزی های مدیریت کشاورزی و منابع آب برای کاهش اثرات آن به شمار می روند. بدین منظور، استفاده از شاخصهای خشکسالی پیشنهاد می شود. از جمله شاخصهای مزبور می توان به شاخص شناسایی خشکسالی (RDI) اشاره نمود. در این تحقیق، دوره بازگشت خشکسالی کشاورزی گندم در استان فارس بر مبنای شاخص RDI مورد ارزیابی قرار گرفت، و به این منظور، از داده های هواشناسی 12 ایستگاه سینوپتیک با حداقل 10 سال آمار در سطح استان مزبور استفاده شد. در این تحقیق روش پنمن - مانتیت برای محاسبه تبخیر - تعرق به کار رفت. سپس شدت خشکسالی RDI بهنجار و معیار شده برای هر سال زراعی به دست آمد. پس از طبقه بندی شدت خشکسالی گندم مشخص شد که در تمام ایستگاه های مورد مطالعه، خشکسالی بهنجار بیشترین تداوم را داشته است. همچنین نقشه های پهنه بندی خشکسالی گندم با دوره های بازگشت 2، 5، 10، 25 و 50 سال نیز تهیه گردید. نتایج حاکی از آنند خشکسالی کشاورزی گندم در دوره های بازگشت 2 و 5 سال، در کل استان فارس بهنجار می باشد، اما در دوره های بازگشت 10، 25 و 50 سال شرایط متفاوتند.

خشکسالی یک بلای طبیعی و قابل تکرار است که کلیه اقلیم ها را تحت تاثیر قرار می دهد اما فراوانی وقوع آن در مناطق خشک و نیمه خشک ایران بیشتر است. با توجه به محدودیت منابع آب و غیرساختاری بودن خسارت های ناشی از خشکسالی، ایجاد یک سیستم نظارت و مراقبت دائمی بر این پدیده، پایش خشکسالی، اجتناب ناپذیر است. شاخص های خشکسالی برای پایش خشکسالی و کاهش اثرات آن، استفاده می شوند. از جمله شاخص های مزبور می توان به شاخص شناسایی خشکسالی (RDI) اشاره نمود. لذا با توجه به شرایط خشک آب و هوایی استان خراسان جنوبی و سهم غیرقابل انکار آن در تولید زعفران کشور، در این مقاله رابطه عملکرد زعفران و شاخص RDI در چهار شهر مستعد کشت و تولید زعفران مورد بررسی قرار گرفت. در این راستا، شاخص RDI سه ماهه در بازه زمانی 1393-1368 (25 سال آماری) در ایستگاه های سینوپتیک بیرجند، قاین، فردوس و نهبندان محاسبه و پس از مقایسه با عملکرد، رابطه رگرسیونی بین شاخص خشکسالی هر ماه با عملکرد تعیین شد. تجزیه و تحلیل رگرسیونی و نتایج به دست آمده، علاوه بر تایید وجود رابطه بین عملکرد زعفران و شاخص RDI، موید این نکته بود که شاخص خشکسالی ماه های بهمن-اسفند، اسفند-فروردین، فروردین-اردیبهشت در بیرجند و قاین؛ بهمن-اسفند در فردوس و ماه های دی-بهمن، بهمن-اسفند، اسفند-فروردین در نهبندان بر عملکرد زعفران موثر بودند. شدیدترین خشکسالی در بیرجند و قاین در سال 1380-1379، 25 سال آماری مورد مطالعه، و در فردوس و نهبندان در سال 1379-1378 به وقوع پیوسته است به طوری که در کلیه ایستگاه-های مورد مطالعه، خشکسالی متوسط (بهنجار) بیشترین تداوم را داشته و وقوع آن به طور متوسط هر سه سال یکبار حتمی است.