آموزش محاسبه شاخص خشکسالی SPI
سلام
از جمله مخاطرات طبیعی که بشر همیشه با آن مواجه است، خشکسالی است، بنابراین بررسی و پایش این پدیده از اهمیت زیادی برخوردار است. در این بخش آموزش محاسبه شاخص خشکسالی SPI در دستور کار سامانه اطلاعات مکانی قرار گرفته است. شاخص های خشکسالی در واقع بیان کننده حدود طبیعی خشکسالی های رخداده در دوره زمانی هستند تا امکان ارزیابی آن را در مقیاس های مختلف زمانی و مکانی ممکن سازند.
آموزش محاسبه شاخص خشکسالی SPI
پدیده خشکسالی را می توان با بکارگیری داده های بارش محاسبه نمود. از آنجایی که داده های بارش هر منطقه هم به شکل آمار ایستگاه های هواشناسی و هم به شکل داده های رستری شبکه ای (رستری) موجود است، بنابراین شیوه محاسبه این شاخص نیز متفاوت خواهد بود. بحث اصلی ما بکارگیری داده های رستری شبکه ای بارش برای محاسبه شاخص خشکسالی SPI است.
پایگاه داده های مختلفی وجود دارد که به صورت رستری شبکه ای، بارش را نمایش می دهد. از جمله این پایگاه داده ها می توان به داده های جهانی مثل: GPCC و GPCP و CMORPH و PERSIANN و TRMM و … اشاره نمود.
این پایگاه داده های رستری بارش را می توان در نرم افزار های مختلفی از جمله ArcGIS و ENVI و MATLAB و Python و Surfer و… بکار گرفت و هر نوع محاسبه ای را بر روی آن اجرا کرد.
شاخص خشکسالی استاندارد شده SPI
شاخص SPI توسط مک کی و همکارانش در سال ۱۹۹۳ با توجه به بررسی تاثیرات کمبود بارش بر آب های زیرزمینی، ذخایر و منابع آب سطحی، رطوبت خاک و جریان آبراهه ارائه شده است. این شاخص با قراردادن تفاوت بارش از میانگین برای یک مقیاس زمانی مشخص و سپس تقسیم آن بر انحراف معیار به دست می آید و تنها فاکتور موثر بر محاسبه این شاخص، عنصر بارندگی است. این شاخص را می توان در مقیاسهای زمانی مختلف ۱ و ۳ و ۶و ۹ و ۱۲و ۲۴ و ۴۸ ماهه محاسبه کرد. تعریف پیشنهادی بر اساس بارندگی استاندارد شده بنا شده است. در این تعریف بارندگی استاندارد شده در حقیقت تفاضل بارندگی از میانگین یک دوره زمانی خاص می باشد که بر انحراف معیار تقسیم می شود. به طوری که میانگین و انحراف معیار از سوابق و وقایع گذشته قابل تعیین می باشد. معادله زیر شیوه محاسبه شاخص بارش استاندارد شده SPI را نمایش می دهد.
در این رابطه اگر نقشه های رستری بارش بکارگرفته شود:
Pik مقادیر بارش هر یاخته
Pi میانگین بارش بلند مدت هر یاخته
انحراف معیار داده های بارش بلند مدت هر یاخته
مقادیر مثبت SPI نشاندهنده بارندگی بیشتر از بارش متوسط و مقادیر منفی آن نشاندهنده بارش کمتر از بارش متوسط است. بر اساس این روش، دوره خشکسالی هنگامی اتفاق می افتد که SPI به طور مستمر منفی و به مقدار ۱- یا کمتر برسد و هنگامی پایان می یابد که SPI مثبت شود.
جدول زیر مقادیر استانداردی است که بر اساس آن می توان به صورت کیفی میزان خشکسالی یا ترسالی را توصیف نمود.
طبقه | مقادیر SPI |
ترسالی خیلی شدید | بالاتر از ۲ |
ترسالی شدید | ۱٫۵ تا ۱٫۹۹ |
ترسالی متوسط | ۱ تا ۱٫۴۹ |
ترسالی ملایم | ۰٫۵ تا ۰٫۹۹ |
نرمال | ۰٫۴۹ تا ۰٫۴۹- |
خشکسالی ملایم | ۰٫۵- تا ۰٫۹۹- |
خشکسالی متوسط | ۱- تا ۱٫۴۹- |
خشکسالی شدید | ۱٫۵- تا ۱٫۹۹- |
خشکسالی بسیار شدید | ۲- و کمتر |
اما اگر بخواهید با بکارگیری داده های رستری یا شبکه ای بارش مقادیر شاخص خشکسالی SPI را برای هر پیکسل محاسبه نمایید می توانید از ابزارهای مختلفی که در این زمینه طراحی شده است استفاده کنید.
ساده ترین راه حل برای هر نوع محاسبه آماری و ریاضی در نرم افزار ArcGIS بکارگیری ابزار ماشین حساب یا Raster Calculator است. این ابزار امکانات زیادی را برای محاسبات ریاضی در اختیار کاربران قرار می دهد. از طرفی ابزارهای دیگری هم وجود دارد که فقط می توان یک عملگر ریاضی خاص را اجرا نمود. مثلاً برای محاسبه منهی می توان از Minus و برای تقسیم از Divide استفاده نمود.
درباره آسام
آکادمی سامانه اطلاعات مکانی یک مرجع تخصصی و کاربردی برای آموزشهای GIS و RS است.
نوشته های بیشتر از آسامجستجوی آموزش
1 دیدگاه
به گفتگوی ما بپیوندید و دیدگاه خود را با ما در میان بگذارید.
سلام
چطور میشه این فرمول را در متلب یا Arcmap پیاده سازی
ممنون میشم که راهنمایی کنید.