Analyzing and Forecasting Drought Using the Standardized Precipitation Index (SPI) in Cities of Golestan Province

Document Type : Original Article

Author
Abdosalaam Esmailzadeh
M.Sc of Urban and Regional Planning, Allameh Tabataba'i University,Tehran,Iran.
10.22034/el.2023.211779
Abstract
Drought is a natural and global phenomenon typically defined as a period of water scarcity relative to normal levels and is considered one of the most significant meteorological hazards. In many regions worldwide, both the frequency and intensity of droughts have dramatically increased. Drought refers to the reduction in water availability over a specific period and area. This study analyzes drought fluctuations during the period 1971 to 2019 and forecasts its status for 2019 to 2044 across various cities in Iran.
The SPI was calculated at different time scales (1, 3, 6, 12 months). The SPI is an index based on the probability of precipitation deficits over a given period. SPI values are calculated using long-term precipitation records (30 years or more) for a specific region. Positive SPI values indicate above-average precipitation, while negative SPI values indicate below-average precipitation.
The results reveal severe fluctuations in SPI in cities like Aliabad and Gorgan, which have experienced alternating periods of drought and wet conditions. In contrast, regions such as Hashemabad and Incheh-Borun showed predominantly positive SPI values, indicating consistently wet conditions and regular rainfall. However, cities like Kalaleh and Maraveh Tappeh faced severe droughts. Forecasts for 2019 to 2044 suggest increased severe fluctuations and recurrent droughts in cities like Bandar-e-Turkmen and Gonbad-e-Kavus, while Gorgan and Hashemabad are expected to maintain relative stability.
These findings underscore the urgent need for effective water resource management and climate planning to address potential droughts and climate change impacts. Overall, this study highlights the necessity of adopting preventive measures and establishing early warning systems to optimize water resource management and tackle future challenges associated with climate variability.

Keywords

Subjects

  1. امیدوار، کمال(1392)، مخاطرات طبیعی، انتشارات دانشگاه یزد، یزد.
  2. امانی، زینب، دیهیم فرد، رضا، مختصی بیدگلی، علی (1395). بررسی خشکی تحت شرایط افزایش دمای ناشی از تغییراقلیم در گندم دیم استان فارس با استفاده از شاخص خشکی، مجله تولید گیاهان زراعی، 9(2)، 151-174.
  3. بختیاری، بهرام، مهدوی، نکیسا، سیاری، نسرین (1400). تحلیل حساسیت و بررسی تغییرات شاخص خشکی (AI) در چند نمونه اقلیمی ایران، تحقیقات منابع آب ایران، 17(1)، 1-15.
  4. پودینه، محمدرضا، حیدری نیا، محمد، موسوی، سید روح ا...، دوستی مقدم، حسین (1399). پایش شاخص‌های خشکی در شهر زاهدان در بازه‌های زمانی مختلف. جغرافیای طبیعی، 13(47)، 133-143.
  5. حجازی‌زاده، زهرا.، جوی‌زاده، سعید (1389)، مقدمه‌ای بر خشکی و شاخص‌های آن، سمت، تهران.
  6. خوش‌اخلاق، فرامرز.، رنجبر، فیروز.، طولابی، سوسن.، مقبل، معصومه.، معصومپور سماکوش، جعفر (1389)، بررسی خشکی در سال آبی 1386-87 و اثرات آن بر منابع آب کشاورزی (نمونۀ موردی: شهرستان مرودشت). مجلۀ جغرافیا، 24: 136-119.
  7. کاظمی، روح ا...، یگانه، حسن، خواجه دین، سید جمال الدین (1390)، آشکارسازی تغییرات پوشش گیاهی در طول فصل چرا با استفاده از داده‌های چندزمانه سنجنده IRS-WiFS در منطقه سمیرم. تحقیقات مرتع و بیابان ایران،18(1): 124-138.
  8. رضایی مقدم، محمد حسین، ولی زاده کامران، خلیل، رستم زاده، هاشم، رضایی، علی (1390)، ارزیابی کارایی داده‌های سنجنده‌ی‎ MODIS در برآورد خشکی (مطالعه‎ی موردی: حوضه‎ی آبریز دریاچه ارومیه). جغرافیا و پایداری محیط،2(4):37-52.
  9. خورانی، اسداله، جمالی، زهرا (1395). اثر تغییر اقلیم بر شدت و مدت خشکی در ایستگاه‌های خشک و نیمه‌خشک (بندرعباس و شهرکرد) تحت مدل HADCM3. نشریه علمی جغرافیا و برنامه ریزی، 20(57)، 115-131.
  10. فتح نیا، امان اله، رجایی، سعید، برزو، فرزانه (1396). پیش‌بینی احتمال تکرار دوره‌های خشکی و اثر آن بر پوشش گیاهی در استان گلستان. نشریه علمی جغرافیا و برنامه ریزی، 21(60)، 179-196.
  11. قربانی، خلیل، ولیزاده، اسماعیل، برارخان‌پور، صدیقه (1397)، بررسی روند تغییرات مکانی-زمانی شاخص دومتغیره خشکی هواشناسی SPEI در ایران. مدیریت بیابان، 6(11): 25-38.
  12. عساکره، حسین، صیادی، فریبا (1396). تحلیل و پیش‌بینی روزهای خشک با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه تهران). نشریه علمی جغرافیا و برنامه ریزی، 21(60)، 161-167.
  13. علیجانی، بهلول،محمودی،پیمان؛چوگان، عبدالجبار.۱۳۹۱. بررسی روند تغییرات بارش های سالانه و فصلی ایران با استفاده از روش ناپارامتریک(برآورد کننده شیب سنس)، نشریه پژوهش های اقلیم شناسی،3 (9)، ۴۲-۲۳.
  14. طاوسی، تقی، منصوری دانشور، محمدرضا، موقری، علیرضا (1391). پهنه‌بندی شدت خشکی در ایران با استفاده از مدل تبخیر و تعرق هارگریوزـ سامانی بر مبنای توپوگرافی رقومی DEM. جغرافیا و پایداری محیط، 2(3)، 95-110.
  15. نوری، هدایت‌الله، نوروزی، اصغر (1395)، مبانی برنامه‌ریزی محیطی برای توسعه پایدار روستایی، دانشگاه اصفهان.
  16. موغلی، مرضیه (1399). پایش تغییرات پوشش گیاهی در اثر خشکی در حوضه آبریز درودزن با استفاده از تصاویر MODIS. جغرافیای طبیعی، 13(49)، 85-107.
  17. Alwesabi, M (2012). MODIS NDVI satellite data for assessing drought in Somalia during the period 2000-2011. Student thesis series INES.‏
  18. Bayarjargal, Y., Karnieli, A., Bayasgalan, M., Khudulmur, S., Gandush, C., & Tucker, C. J (2006). A comparative study of NOAA–AVHRR derived drought indices using change vector analysis. Remote Sensing of Environment, 105(1): 9-22.‏
  19. Bhuiyan, C (2004). various droughts for monitoring drought condition in Aravalli terrain of India. In Proceedings of the XXth ISPRS Conference.Int. Soc. Photogramm. Remote Sensing, Istanbul.
  20. Bonaccorso, B., Bordi, I., Cancelliere, A., Rossi, G., & Sutera, A (2003). Spatial variability of drought: an analysis of the SPI in Sicily. Water resources management, 17(4): 273-296.‏
  21. Ceccato, P., Flasse, S., Tarantola, S., Jacquemoud, S., & Gregoire, J. M (2001). Detecting vegetation leaf water content using reflectance in the optical domain. Remote Sensing of Environment, 77: Pp. 22–33.
  22. Edossa D. C., Babel. M. S., Gupta, A. D (2009). Drought Analysis in the Awash River Basin, Ethiopia, Springer seience + Business Media B. V, Water Resour Manage, 1441-1460.
  23. FAO (2013). Drought Facts-Food and Agriculture, www.fao.org.
  24. Gu, L., Hanson, P. J., Post, W. M., Kaiser, D. P., Yang, B., Nemani, R., ... & Meyers, T(2008).The 2007 eastern US spring freeze: increased cold damage in a warming world?. BioScience, 58(3): 253-262.‏
  25. Howitt, R., MacEwan, D., Medellín-Azuara, J., Lund, J., Sumner, D (2015). Economic Analysis of the 2015 Drought for California Agriculture, University of California Davis, P. 31
  26. Keck, A., Dinar. A (2000). Water supply variability and drought impact and mitigation in subsahara Africa, Drought a Global Assessment, London.
  27. Kendall, M.G., 1970, Rank Correlation Methods, 2nd Ed., New York: Hafner.
  28. Mann, H.B., 1945, Nonparametric tests against trend, Econometrica, 13: 245-259
  29. Mishra, A. K., Singh, V. P (2010). A review of drought concepts, Journal of Hydrology, Vol. 391: No. 1, pp. 202-216.
  30. Murad, M. H., Elamin, K. B., Abu Elnour, N. O., Elamin, M. B., Alkatib, A. A., Fatourechi, M. M., ... & Erwin, P. J (2011). The effect of vitamin D on falls: a systematic review and meta-analysis. The Journal of Clinical Endocrinology & Metabolism, 96(10): 2997-3006.‏
  31. McKee, T. B.; Doesken, N. J.; and Kleist, J (1993). The relationship of drought frequency and duration11 to time scales. Preprints, 8th Conference on Applied Climatology, Anaheim.
  32. Park, E. J., Yi, J., Chung, K. H., Ryu, D. Y., Choi, J., & Park, K (2008). Oxidative stress and apoptosis induced by titanium dioxide nanoparticles in cultured BEAS-2B cells. Toxicology letters, 180(3): 222-229.‏
  33. Rahimzadeh, F., Asgari, A., & Fattahi, E (2009).  Variability of extreme temperature and precipitation in Iran during recent decades. International Journal of Climatology: A Journal of the Royal Meteorological Society, 29(3): 329-343.‏
  34. Shaban, A (2008). Indicator and Aspects of Hydrogical Drought in Lebanon. Springer science + Business Media B. V. Water Resour Manage, 1875-1891.
  35. Silva-Valio, A (2008). Estimating stellar rotation from starspot detection during planetary transits. The Astrophysical Journal Letters, 683(2): L179.‏
  36. Sheffield, J., Goteti, G., Wen, F.H., Wood, E.F., 2004. A simulated soil moisture based drought analysis for the United States. J. Geophys. Res. 109, D24108.
  37. Stow, D.A. & 23 others (2004), “Remote sensing of vegetation and land-cover change in arctic tundra ecosystems”, Remote Sensing of Environment, 89: 281-308.
  38. Tsakiris, G., & Vangelis, H (2004). Towards a drought watch system based on spatial SPI. Water resources management, 18(1): 1-12.‏
  39. Tian, W., Liu, X., Liu, C., & Bai, P. (2018). Investigation and simulations of changes in the relationship of precipitation-runoff in drought years. Journal of Hydrology, 565, 95–105.
  40. Tirivarombo, S., Osupile, D., & Eliasson, P. (2018). Drought monitoring and analysis: Standardised Precipitation Evapotranspiration Index (SPEI) and Standardised Precipitation Index (SPI). Physics and Chemistry of the Earth, Parts A/B/C. V 106, P 1-10.
  41. Wilhite, D.A., Sivakumar, M.V.K., Pulwarty, R., (2014). Managing drought risk in a changing climate: the role of national drought policy. Weather Clim. Extremes 3, 4–13.
  42. Zhang, Q., Li, J., Singh, V. P., Bai, Y (2012). SPI-based evaluation of drought events in Xinjiang, China, Natural hazards, Vol. 64: No. 1, pp. 481-492.
  43. Zhao, H., Xu, Z., Zhao, J., & Huang, W. (2017). A drought rarity and evapotranspiration-based index as a suitable agricultural drought indicator. Ecological Indicators, 82, 530–538.
Human Ecology
Volume 2, Issue 5
Winter 2023
Pages 372-383