مدل سازی و پیش بینی خشکسالی فصلی با استفاده از شاخص RDI و مدل های سری زمانی (مطالعه موردی: ایستگاه سینوپتیک تهران)

خشکسالی از مهم ترین بلایای طبیعی تاثیرگذار در بخش کشاورزی و منابع آب می باشد که فراوانی وقوع آن به ویژه در مناطق خشک و نیمه خشک بسیار زیاد است؛ بنابراین اهمیت توجه به شبیه سازی و پیش بینی خشکسالی، بیش از پیش ضروری می نماید. در این مطالعه، با استفاده شاخص خشکسالی RDI و مدل های سری زمانی اقدام به بررسی و پیش بینی خشکسالی فصلی طی ۵ سال آینده (زمستان ۲۰۱۵ تا پاییز ۲۰۱۹) برای ایستگاه تهران در نرم افزار ITSM شد. در این مطالعه، از داده های ۴۸ ساله (۷۱۹۶۲۰۱۴) ایستگاه تهران با متوسط بارندگی سالانه ۷۶/۲۳۹ میلی متر استفاده شد. براساس نتایج به دست آمده، بهترین مدل برازش شده بر داده ها، مدل MA(۵) برگرفته از روش Hannan-Rissanen بود. براساس نتایج ضرایب Z(t-۱) در تاخیر های ۳ و ۴ در سطح ۹۵ درصد معنی دار نیستند که در مدل صفر در نظر گرفته شدند. با توجه به  P-value آزمونLjung - Box در تاخیر های مختلف که برابر با ۰/۸۹۴ بود، می توان قابل اطمینان بودن پیش بینی را استنباط کرد. نتایج نشان داد که خشکسالی فصلی در ۵۰ درصد فصول پیش بینی شده، دارای شرایط نرمال، در ۴۵ درصد فصول دارای شرایط نسبتا نرمال و در ۵ درصد فصول شرایط خشکسالی متوسط را خواهد داشت.