علوم آب و خاک

Mendeley  

Zotero  

Afsharipour F, Sharifi M, Motamedi A. Estimation of the SZIsnow Snow Index on Basin Scale Using the GLDAS Database. jwss 2025; 28 (4) :45-58
URL: http://jstnar.iut.ac.ir/article-1-4426-fa.html

پایش خشکسالی در حوضه‌های برفی، مستلزم اصلاحاتی در شاخص‌های متداول خشکسالی تحت عنوان شاخص‌های خشکسالی برفی است. جدیدترین شاخص برفی توسعه‌یافته عبارت از SZIsnow است. محاسبه شاخص مزبور، علاوه بر داشتن الگوریتم خاصی، مستلزم دسترسی به مقادیر 22 متغیر مختلف اقلیمی و فیزیکی از جمله رطوبت خاک در عمق 0 تا 10 سانتی‌متر، رطوبت خاک در عمق 100 تا 200 سانتی‌متر، دمای هوا، آب معادل برف، رواناب حاصل از ذوب برف، ، بارش برف، بارش باران، نرخ کل بارندگی، تبخیر و تعرق، سرعت باد، رواناب سطحی، رواناب آب زیرزمینی، تبخیر بالقوه، فشار هوا، رطوبت نسبی، شار خالص گرمای نهان، شار حرارتی زمین، شار خالص حرارتی محسوس، تبخیر از خاک لخت، تبخیر از تاج پوشش، تعرق و تبخیر و تعرق بالقوه است. شاخص مزبور، تاکنون فقط در مقیاس قاره‌ای محاسبه شده‌است. این در حالی است که پایش خشکسالی در مقیاس حوضه‌ای به‌عنوان یکی از جنبه‌های مدیریتی منابع آب دارای اهمیت است. از طرفی به‌دلیل نبودن اطلاعات کافی برای تخمین پارامترهای مزبور، استفاده از اطلاعات پایگاه‌های داده جهانی راه‌گشا خواهد بود. از این‌رو در پژوهش حاضر، علاوه بر معرفی فرایند محاسبه شاخص SZIsnow، در حوضه آبریز دز، اقدام به استخراج پارامترهای مورد نیاز شاخص در مقیاس زمانی 3، 6 و 12ماهه و دوره ۴۱ساله (1982 تا 2023) با استفاده از داده‌های  GLDASو سپس پایش خشکسالی حوضه مورد مطالعه شد. نتایج نشان داد که شاخص جدید SZIsnow، چندمتغیره‌ای است که به‌واسطه وجود پارامترهایی که فاقد مشاهدات زمینی است و از سوی دیگر دردسترس‌بودن پایگاه معتبر GLDAS، امکان محاسبه شاخص را فراهم می‌آورد. همچنین نتایج نشان داد که در گام‌های زمانی 3، 6 و ۱۲ماهه به‌ترتیب جولای، به میزان 0/59-، ماه ژوئن به میزان 0/45- و ماه اکتبر به میزان 0/35- بیشترین میزان خشکسالی را دارد.