طیب رضیئی - استادیار مرکز تحقیقات کم آبی و خشکسالی در کشاورزی و منابع طبیعی
علیرضا شکوهی - دانشیار گروه مهندسی آب دانشگاه بین المللی امام خمینی قزوین
فرشته عبادی - کارشناس مرکز تحقیقات کم آبی و خشکسالی در کشاورزی و منابع طبیعی

برای محاسبه SPI ماهانه و یا هر مقیاس زمانی دلخواه دیگر لازم است تا برازنده ترین تابع توزیع احتمال بر داده های مورد نظر برازش و احتمال هر مقدار بارش محاسبه و سپس به تابع توزیع نرمال استاندارد انتقال یابد. بررسی ها نشان داده است که تابع توزیع گاما برایرا بر این اساس محاسبه SPI برازش داده های بارش بیشتر مناطق جهان مناسب است و به همین علت بیشتر نرم افزارهای موجوددر SPI می کنند. هدف از این پژوهش شناسایی برازنده ترین تابع توزیع احتمال بر داده های بارش ماهانه ایران به منظور محاسبهمقیاس های زمانی مختلف می باشد. نتیجه این بررسی نشان داد که در بیشتر مناطق ایران به ویژه در مناطق خشک و نیمه خشک کشورپیرسون تیپ 3 (گاما سه پارامتره) و ،Wakaby داده های بارش در مقیا سهای زمانی مختلف بیشترین برازش را با توزی عهای آماریدارند و توزیع گاما (دو پارامتره) در رتبه های بعدی اهمیت قرار دارد. از اینرو به نظر می رسد استفاده از نرم General Extreme Valueافزارهای موجود شدت خشکسالی ها را برای بیشتر مناطق خشک کشور و به ویژه برای ماه های خشک بسیار کمتر از واقعیت برآورد میو یا پیرسون تیپ 3 Wakaby برای ایستگاه های مختلف ایران براساس یکی از توابع توزیع آماری SPI کنند. بنابر این لازم است تا مقداربدست آمده از توزیع گاما برای مناطق مختلف کشور مورد مقایسه قرار SPI بدست آمده با SPI (گاما سه پارامتره) محاسبه گردد و مقدارمحاسبه SPI برای اقلیم خشک و نیمه خشک ایران بومی گردد تا مقدار SPI گیرد. نتیجه این پژوهش نشان می دهد که لازم است نمایهشده بیشترین دقت را در برآورد میزان شدت خشکسال یها و ترسالی ها داشته باشد

تابع توزیع احتمال SPI، بارش، ایران