fa مقایسه روش‌های پارامتری و ناپارامتری محاسبه شاخص بارش استاندارد شده (SPI) در پایش خشکسالی (مطالعه موردی: حوضه گرگانرود) تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">شاخص بارش استاندارد شده </span></span><span dir="LTR">(SPI)</span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> مرسوم&shy;ترین شاخص پایش خشکسالی است. محاسبه این شاخص به طور معمول بر اساس برازش توزیع گاما بر روی اطلاعات بارش انجام می‌شود؛ اما مطالعات نشان داده‌اند که برای پایش دقیق‌تر خشکسالی باید توزیع بهینه بارش در هر ماه تعیین </span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">گردد</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">. از طرف دیگر در سری‌های زمانی ناایستای بارش، امکان تعیین صحیح پارامترهای توزیع‌های احتمالاتی وجود ندارد. از این ‌رو در سال‌های اخیر شاخص ناپارامتری </span></span><span dir="LTR">SPI</span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> معرفی شده که در آن یک توزیع احتمال تجربی، جایگزین توزیع پارامتری گردیده است. با این وجود در مطالعات داخلی هم چنان توجه کافی به استفاده از شاخص&shy;های ناپارامتری خشکسالی نشده است. از این‌رو در این مقاله کارایی شاخص ناپارامتری </span></span><span dir="LTR">SPI</span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> در پایش خشکسالی حوضه گرگانرود بین سال‌های آبی 1352- 1351 تا 1386- 1385 ارزیابی و نتایج آن با شاخص پارامتری </span></span><span dir="LTR">SPI</span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> مقایسه شد. همچنین بسته نرم افزاری </span></span><span dir="LTR">SDAT</span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> برای محاسبه شاخص‌های ناپارامتری خشکسالی معرفی گردید. نتایج این تحقیق نشان داد که دو سری زمانی حاصل از رویکرد پارامتری بر اساس بهترین توزیع احتمالاتی و رویکرد ناپارامتری به خوبی بر هم منطبق هستند به نحوی که ضریب همبستگی بین دو سری زمانی برابر یک بوده و وقایع خشکسالی را به صورت همزمان شناسایی کرده&shy;اند. بر اساس شاخص </span></span><span dir="LTR">SPI12</span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> در هر دو رویکرد پارامتری و ناپارامتری طولانی‌ترین خشکسالی در حوضه بین بهمن 1361 تا اسفند 1362 به مدت 14 ماه رخ داده است که در این دوره، حوضه درگیر یک خشکسالی شدید بوده است.</span></span></div> <div style="text-align: justify;">The Standardized Precipitation Index (SPI) is the most common index for drought monitoring. Although the calculation of this index is usually done by using the gamma distribution fitting of precipitation data, studies have shown that for accurate monitoring of drought, the optimal distribution of precipitation in each month should be determined. On the other hand, in non-stationary time series, it is not possible to determine the proper parameters of probability distributions. Hence, in recent years, the non-parametric SPI has been introduced, in which the parametric distribution is replaced by an empirical probability distribution. However, in national studies, there is still insufficient attention to non-parametric drought indicators. Therefore, in this paper, the performance of the nonparametric SPI was evaluated for drought monitoring over Gorganroud basin during 1972 to 2015 and the results were compared with the parametric SPI. The SDAT software package was also introduced to calculate nonparametric drought indices. <a id="OLE_LINK1" name="OLE_LINK1">The results of this study showed that time series of the parametric approach based on the best probability distributions and the nonparametric approach are well correlated with each other. The correlation coefficient between the two-time series is equal to one. Drought events have been detected at the same time</a> based on the two approaches. Based on the SPI12 in both parametric and non-parametric approaches, the longest drought occurred in the basin between February 1983 and March 1984 for a period of 14 months, during this period, the basin suffered severe drought.</div> <br> &nbsp; واژه­ های کلیدی: SDAT, توزیع احتمال پارامتری, توزیع گاما, توزیع تجربی, سری‌های زمانی ناایستا Keywords: SDAT, parametric probability distribution, gamma distribution, empirical distribution, non-stationary time series 25 34 http://jircsa.ir/browse.php?a_code=A-10-792-1&slc_lang=fa&sid=1 Seyed Mohammad Hosseini-Moghari سید محمد حسینی موغاری hosseini_sm@ut.ac.ir 10031947532846002797 10031947532846002797 No University of Tehran, دانشگاه تهران Shahab Araghinejad شهاب عراقی نژاد shahab_araghinejad@yahoo.com 10031947532846002798 10031947532846002798 No University of Tehran, دانشگاه تهران Kumars Ebrahimi کیومرث ابراهیمی EbrahimiK@ut.ac.ir 10031947532846002799 10031947532846002799 Yes University of Tehran, دانشگاه تهران