مقاله پژوهشی

علوم و تکنولوژی محیط زیست، دوره بیست و سوم، شماره نه، آذرماه 1400(278-263)

ارزیابی اثر تاریخی تغییر اقلیم بر خطر بیابانزایی منطقه اسفراین-سبزوار

(دوره مورد مطالعه: 2016-1979 میلادی)

اسماعیل سیلاخوری [1]

مجید اونق [2]^*

mownegh@yahoo.com  

عبدالرسول سلمان ماهینی[3]

ایمان بابائیان[4]

چکیده

زمینه و هدف: در میان 37 چالش مهم جهانی؛ تغییر اقلیم، بیابانزایی و کمبود آب شیرین، سه چالش اصلی فَراروی بشر در قرن 21 محسوب می­شوند. در این پژوهش از مدل ESAs در راستای ارزیابی اثر تغییرات اقلیم بر خطر بیابانزایی منطقه اسفراین- سبزوار در سه دوره 1992-1981، 2004- 1993 و 2016-2005 استفاده شد.

روش بررسی: به دلیل آمار و پراکنش نامناسب ایستگاه­های هواشناسی منطقه، از داده­های بازتحلیل ERA-Interim و دوازده ایستگاه هواشناسی منطقه استفاده شد. داده­های اقلیمی پروژه ERA-Interim برای منطقه اسفراین–سبزوار به صورت 53 سلول به ابعاد 125/0×125/0 درجه در دسترس است. در گام اول با استفاده از رابط وب، کدهایPython  و همچنینECMWF WebAPI، داده­های اقلیمی روزانه برای دوره آماری 1979 تا 2016 دریافت و برای هر یک از سلول­ها استخراج شد. داده­های NetCDF دریافت شده با استفاده از نرم­افزار ArcGIS برای 53 سلول به فرمت پایگاه داده خروجی گرفته شد و مورد طبقه­بندی قرار گرفت. سپس تطابق داده­های ERA-Interim با داده­های دوازده ایستگاه هواشناسی در دوره 2016-2007 مورد بررسی قرار گرفت. اُریبی ماهانه به­دست آمده به طور ماهانه به سال­های فاقد آمار دیدبانی و سلول­های فاقد ایستگاه هواشناسی اعمال شد و در نهایت با تصحیح اُریبی، داده­های تلفیقی بارش برای 53 سلول استخراج شد. استمرار خشکسالی نیز با استفاده از نرم افزار R و شاخص SPI برای دوره مورد مطالعه محاسبه شد. پس از تهیه نقشه­های پایه بارش، خشکی و خشکسالی برای سه دوره مورد مطالعه، با استفاده از ابزار مدل­سازی GIS نقشه خطر بیابانزایی بر اساس مدل ESAs به­دست آمد.

یافته­ها: نتایج نشان داد که استفاده از داده­های تلفیقی (بازتحلیل و ایستگاهی) توانسته ضریب NSE را به 1 افزایش، bias را از 39/0 به 24/0 و RMSE را از 69/6 به 32/0 کاهش دهد. در دوره 36 ساله مورد مطالعه بارش به طور میانگین برای کل منطقه بیش از 10 میلی­متر کاهش و دما نزدیک به دو درجه افزایش یافته است که اثرات این تغییر بر خطر بیابانزایی ارزیابی شد. به طوری که در دوره دوم کلاس F2 جای خود را به کلاس C1 و در دوره سوم کلاس C1 جای خود را به کلاس C3 داده است.

بحث و نتیجه­گیری: در نتیجه می­توان گفت تغییرات اقلیمی در سه دوره باعث افزایش خطر بیابانزایی منطقه اسفراین-سبزوار شده­ است. 

واژه های کلیدی:  ERA-Interim ، مدل ESAs، NetCDF، داده­های بازتحلیل.

Assessment of the historical impact of climate change on the desertification hazard in the Esfarayen-Sabzevar Region (study period: 1979-2016)

Esmaeil Silakhori [5]

Majid Ownegh [6]^*

mownegh@yahoo.com  

Abdolrasoul Salmanmahiny[7]

Iman Babaeian[8]

Abstract

Background and objectives: Among the 37 important challenges of the world, climate change, desertification, and lack of fresh water are three main challenges against the human in the 21^th century. In this research, the ESAs model was used to assess the impact of climate change on the desertification hazard in the Esfarayen-Sabzevar region in three periods of 1981-1992, 1993-2004, and 2005-2016.

Material and Methodology: Due to the inappropriate data and distribution of the meteorological stations of the region, reanalyzed data of the ERA-Interim and 12 meteorological stations of the region were used. The climate data related to the Esfarayen -Sabzevar region are available as 53 cells with the dimensions of 0.125 × 0.125 degrees. At the first step, daily climate data for the period of 1979-2016 were received using the web interfaces, Python script, and also ECMWF WebAPI and then the data were extracted for each of the cells. ArcGIS software was used to export the received NetCDF data in the data base format (dbf) for 53 cells. Drought consistency for the study period was computed using R software through SPI index. After preparing base maps of precipitation, aridity, and drought for three study periods, desertification hazard was provided using the modeling tool of the ArcGIS software based on the ESAs model.

Findings: Results indicated that use of the integrated (reanalyzed and observed) data led to increasing the NSE coefficient to the value of 1 as well as the values of bias and RMSE were decreased respectively from 0.39 to 0.24 and 6.69 to 0.32. In the 36- year study period, precipitation has decreased more than 10 mm in the entire region and the temperature has increased nearly 2 degrees that the impacts of these changes on the desertification hazard were assessed. So that, in the second period, C1 was replaced with F2 class and in the third period, C3 was replaced with C1.

Discussion and conclusion: As a result, it can be said that climate change in three periods has led to increasing the desertification hazard in the Esfarayen-Sabzevar Region.

Keywords: ERA-Interim, ESAs model, NetCDF, reanalyzed data.

مقدمه

بیابانزایی، تخریب اراضی در مناطق خشک، نیمه­خشک و خشک جنب مرطوب ناشی از تغییر اقلیم و فعالیت­های انسانی بوده و تخریب مداوم پوشش گیاهی، یکی از مهمترین خصوصیات این فرایند است (1). بررسی فرایندهای بیابانزایی نشان داده است که در مقیاس­های جهانی و ناحیه­ای، عوامل داخلی (گرم شدگی جهانی³ و ایجاد تغییراتی در الگوی بارندگی و بروز خشکسالی) و عوامل خارجی (فعالیت­های مخرب انسان و کاهش قابلیت و توان اکولوژیک در این مناطق) سبب گسترش کمربند خشک در عرض­های جغرافیایی میانی اروپا-آسیا و نهایتا بیابانزایی در این مناطق شده است (2). تغییرات اقلیمی و بیابانزایی رابطه‌ای متقابل با یکدیگر دارند و یکدیگر را از طریق حلقه‌های بازخورد مثبت یا منفی، هدایت یا تشدید می‌کنند. درجه حرارت بالاتر، تغییر الگوهای بارش و شرایط اقلیمی بد نتیجه فرسایش خاک حاصلخیز از طریق باد و آب هستند (3 و 4). می‌توان با ارائه راهکارها و روش‌های مدیریتی مناسب از شدت این پدیده کاسته و نیز از گسترش و پیشروی آن جلوگیری به­عمل آورد. در این راه شناخت رفتار فرآیندهای بیابانزایی و عوامل به وجود آورنده و تشدید کننده آن، امری مهم و ضروری است که باید مورد بررسی و ارزیابی قرار گیرد. تحقیقات متعددی در کشورهای مختلف به­منظور ارزیابی و تهیه نقشه بیابانزایی، منجر به ارائه مدل‌های منطقه­ای شده که از مهمترین آنها می­توان به روش [9]ICD، روش MICD[10] با تاکید بر فرآیند فرسایش بادی، روش فائو-یونپ[11] (1984)، روشIMDPA [12]، روشMEDALUS[13] (کمیسیون بین المللی اروپا) و سایر مدل­های منطقه­ای اشاره نمود (5). کمیسیون اروپا پروژه مدالوس را جهت ارزیابی بیابانزایی در کشورهای مدیترانه‌ای پیشنهاد کرد. این پروژه به مدت 9 سال و در طی 3 مرحله از سال1991 تا 1999 به طول انجامید و در سال 1999 مدلی برای ارزیابی و تهیه نقشه بیابانزایی تحت عنوان ^[14]ESAs ارائه گردید. این روش از جدیدترین روش­های ارزیابی بیابانزایی می­باشد که در کشورهای اروپایی و بعضی کشورهای خاورمیانه انجام شده و نتایج مثبتی ارائه داده است (6).

طاوسی و همکاران (7) گسترش مکانی اقلیم­های خشک و نیمه خشک در ایران را طی دوره 2005-1976 مورد مقایسه قرار دادند. داده­های مربوط به دو عامل میانگین دمای سالانه و جمع بارش سالانه 45 ایستگاه هواشناسی سینوپتیک برای یک دوره 30 ساله (2005-1976) را مورد بررسی قرار دادند. نتایج پژوهش ایشان نشان داد که بیشترین گسترش مکانی اقلیم­های خشک و نیمه­خشک در دهه سوم روی داده است. نگارش و همکاران (8) ناهنجاری­های اقلیمی مؤثر بر فرآیند بیابانزایی در منطقه­ی خضرآباد یزد را مورد تجزیه و تحلیل قرار داده­اند. برای این منظور دو عنصر تشکیل دهنده ساختار اقلیم (بارش و دما) را با استفاده از آمار بلندمدت ایستگاه سینوپتیک یزد از سال 1956 تا 2005 در روندی 25 ساله مورد مقایسه و تحلیل قرار دادند. نتایج تحقیق ایشان نشان می­دهد که در 25 سال منتهی به سال 2005 بارش کاهش و دما افزایش یافته که نشان­دهنده افزایش شرایط خشکی است. طباطبائی­فر و همکاران (9) تغییرات کمی و کیفی آب زیرزمینی و ناهنجاری­های اقلیمی مؤثر بر روند بیابانزایی دشت گرمسار را مورد تجزیه و تحلیل قرار دادند. برای این منظور با استفاده از مدل IMDPA پایش و روند بیابانزایی دشت گرمسار را از سال 1381 تا 1390 بررسی و  برای معیار اقلیم سه شاخص خشکی، بارش سالانه و خشکسالی را در نظر گرفتند. نتایج پژوهش ایشان نشان­دهنده افزایش کلاس بیابانزایی بر اساس تغییرات پارامترهای اقلیمی می­باشد. راهداری و همکاران (10) تخریب زمین را مدل­سازی کرده و یک سیستم هشدار اولیه‌ی بیابان­زایی ارائه نمودند. برای این منظور روند بیابانزایی را با استفاده از مدل IMDPA^[15] در یک دوره‌ی ده‌ ساله در بیابان‌های ساحلی جنوب شرق ایران مورد مطالعه قرار دادند. از نتایج به دست آمده از نقشه‌های محدوده­ی هشدار معیار اقلیم، چنین نتیجه گرفتند که منطقه­ی مورد مطالعه در یک روند غیرخطی برای عبور از آستانه‌ها قرار داشته است. بویوآبید[16] و همکاران (11)، به ارزیابی بیابان‌زایی به روش مدالوس در حوزه رودخانه سوس[17] در مراکش پرداخته­اند. این روش با کمی تغییرات مورد استفاده قرار گرفته است. به­طوری­که از چهار شاخص اصلی شامل خاک، پوشش گیاهی، آب و هوا و مدیریت جهت تهیه نقشه حساسیت بیابان‌زایی استفاده شده است. نتایج به­دست آمده نشان داده که بخش بزرگی از حوزه (72 درصد)، شدیداً نسبت به بیابان‌زایی آسیب‌پذیر است و آب و هوا پارامتر بسیار تعیین‌کننده است که با عوامل فیزیکی و انسانی تشدید می‌شود. بکر[18] و همکاران (12) حساسیت اراضی را به خطر بیابانزایی در یک اکوسیستم شکننده کشاورزی در مصر و برای دو بازه زمانی 1984 و 2008 مورد ارزیابی قرار داده­اند. برای این منظور از مدل مدالوس^[19] استفاده شده است. نتایج پژوهش ایشان نشان داده که در دو سال 1984 و 2008 به ترتیب 100 و 78 درصد از منطقه در کلاس بحرانی بیابانزایی قرار دارد که علت آن تأثیر پوشش گیاهی برآورد شده است. دِ پینا تاوارس[20] و همکاران (13) مناطق حساس به بیابان­زایی نواحی کوهستانی ساحلین از جزیره سانتیگو را مورد ارزیابی و پهنه­بندی قرار داده­اند و برای این منظور از شش شاخص کیفیت مدل مدالوس استفاده کرده­اند. نتایج تحقیقات ایشان نشان داده که بیش از 50 درصد حوزه دارای شرایط بیابانی است. در این پژوهش نیز از مدل ESAs در راستای پایش تغییرات اقلیم بر خطر بیابانزایی در دهه­­­های 1992-1981، 2004- 1993 و 2016-2005 استفاده شد.

مواد و روش­ها

موقعیت منطقه مورد مطالعه

منطقه مورد مطالعه با مساحت 19/445556 از مرکز استان خراسان شمالی تا شمال استان خراسان رضوی امتداد دارد. به عبارتی منطقه بیابانی اسفراین و دشت جوین را در برمی­گیرد. دشت جوین بخشی از حوزه آبریز کویر مرکزی و به شکل محدوده فرو افتاده ای است که توسط دو رشته ارتفاعات واقع در شمال و جنوب آن احاطه گردیده است. دشت جوین به خاطر وجود دو منطقه کوهستانی و دشت، محصولات کشاورزی اعم از زراعی و باغی بسیار متنوع در آن کشت می شود. ارتفاع منطقه از 943 متر در جنوب تا 3007 متر از سطح دریا در کوهستان­های شمال منطقه تغییر می­کند. از شهرهای مهم موجود در منطقه می­توان به اسفراین و نقاب اشاره کرد که در شکل 1 مشخص شده است.

شکل 1- موقعیت منطقه مورد مطالعه

Figure 1. Geographical Location of studied region

تهیه داده­های تلفیقی بارش ماهانه (داده های بازتحلیل شده ERA-Interim و ایستگاهی)

در بسیاری از مطالعات هواشناسی، اقلیمی، هیدرواقلیمی، هیدرولوژیکی و همچنین برنامه ریزی های آبیاری وجود داده های بارش و دما و به ویژه توزیع مکانی آن از اهمیت ویژه­ای برخوردار است. دما در کنار بارش از مهم ترین عناصر اقلیمی محسوب می گردد که در تعیین نقش و پراکندگی دیگر عناصر اقلیمی نیز مؤثر است. در حالی که برای تقریبا همه مطالعات هیدروکلیماتولوژی، هیدرولوژی، هواشناسی و کشاورزی از داده های دما و بارش ایستگاه های هواشناسی استفاده می­گردد، بعضی مناطق به دلیل شرایط خاص جغرافیایی و صعب العبور بودن خالی از ایستگاه بوده است و در این نقاط داده ای در دسترس نمی باشد. شبکه متشکل از گره­های اطلاعاتی، بهترین راه حل برای پوشش یکنواخت و مطالعه یک دست سطوح وسیع می باشد (14). بسیاری از بانک­های اطلاعاتی در دسترس، فاقد آمار بلند مدت با پوشش یکنواخت و مناسب­اند. به همین دلیل در بسیاری از مطالعات اخیر در سراسر دنیا و همچنین ایران ملاحظه می­شود که از داده­های مجموعه­ای موسوم به بازتحلیل[21] استفاده شده است (15-19). در واقع داده­های بازتحلیل، تلفیقی از داده­های دیدبانی و مدل­سازی هستند. برای منطقه­هایی که فاقد داده هستند یا شبکه ایستگاه­ها تراکم کمی­دارند از مدل­سازی استفاده می­شود. یکی از انواع داده­های بازتحلیل، ERA-Interim است. این داده­ها ناشی از آخرین تحلیل دوباره جوّ است که سازمان پیش­بینی وضعیت آب و هوای اروپا از 1989 آغاز کرده و تا کنون ادامه دارد (20). فاصله مکانی این داده­ها تا 125/0 درجه نیز قابل دسترس است که کره زمین را به صورت شبکه­هایی با همین ابعاد در بر می­گیرد.

منطقه اسفراین – سبزوار با 53 سلول با ابعاد 125/0×125/0 درجه پوشش داده شده که برای هریک از این شبکه­ها بارش ماهانه توسط پروژه ERA-Interim تهیه شده است (شکل 6). همان­طور که ذکر شد تقریبا همه ایستگاه­های موجود در منطقه فاقد آمار بلند مدت و داده­های آنها مخدوش می­باشد. در گام اول با استفاده از رابط وب (web interfaces)، اسکریپت Python  و همچنین ECMWF WebAPI، داده­های اقلیمی روزانه برای دوره آماری 1979 تا 2016 دریافت و برای هر یک از سلول­ها استخراج شد. داده­های دریافت شده با فرمت NetCDF وارد نرم­افزار ArcGIS شد تا با ابزار Multidimension، داده­ها برای هر یک از ایستگاه­ها به فرمت پایگاه داده (dbf) خروجی گرفته شود. در نهایت داده­های روزانه ERA-Interim مرتب و به صورت ماهانه طبقه­بندی شد. پس از طبقه­بندی، داده­های ERA-Interim، مورد راستی آزمایی قرار گرفتند و تطابق آنها با داده­های دیدبانی مناطق دارای ایستگاه بارانسنجی مورد بررسی قرار گرفت. دوره 2016-2007 برای محاسبه اُریبی ماهانه هر یک از ایستگاه­ها انتخاب شد. با توجه به سهم بالای سلول های فاقد آمار بارش، لزوم استفاده از داده های تلفیقی در این تعداد از ایستگاهها کاملا محسوس است. اُریبی ماهانه به­دست آمده به طور ماهانه به سال­های فاقد آمار دیدبانی و سلول­های فاقد ایستگاه هواشناسی اعمال شد و در نهایت داده­های تلفیقی بارش برای 53 سلول به­دست آمد. برای بررسی کارآیی سری داده های بارش Era، از شاخص های اریبی^[22]، میانگین مربعات خطا و ناش ساتکلیف^[23] استفاده شد (روابط 1 تا 3).

ایستگاه­های مورد استفاده

با بررسی ایستگاه­های هواشناسی موجود در استان خراسان شمالی و رضوی، 12 ایستگاه هواشناسی در منطقه اسفراین-سبزوار مشخص شدند که اغلب فاقد آمار بلندمدت هواشناسی هستند که داده­های ماهانه این 12 ایستگاه در این پژوهش مورد استفاده قرار گرفتند.

ارزیابی خشکسالی

داده­های ایستگاه­های هواشناسی مورد استفاده در تحقیق در مرحله قبل در بازه 2016-1979 میلادی تطویل شدند، و داده­ها به صورت ماهانه به فرمت مناسب در نرم­افزار R قرار گرفت (جدول 2). در ادامه برای تعیین دوره­های ترسالی و خشکسالی در منطقه مورد بررسی و مقایسه ایستگاه­های مختلف در سال­های مشترک با یکدیگر داده­ها به نسبتی بی­بعد تبدیل شدند. شاخص SPI یکی از مناسب­ترین روش­های بی­بعد کردن داده­ها با مقادیر عددی متفاوت می­باشد (21). در این تحقیق از رابطه 4 برای محاسبه SPI استفاده شده است.

که در  این رابطه: SPI نسبت بی­بعد شده داده­ها،  Xi مقدار متغیر مورد نظر در هر سال، u میانگین داده­ها و  انحراف معیار داده­ها می­باشند.

ارزیابی خطر بیابانزایی

جهت ارائه نقشه خطر بیابانزایی منطقه اسفراین-سبزوار بر اساس معیار اقلیم از روش ESAs استفاده شد. برای این منظور شاخص­های بارندگی سالانه، خشکی و خشکسالی استفاده شد. بعد از تهیه نقشه داده­های تلفیقی بارش و دما، برای هر دوره زمانی نقشه­های بارش و دما و خشکی و وضعیت خشکسالی به­دست آمد. سپس بر پایه جدول 2 نقشه ارزش هر یک از شاخص­ها در بیابانزایی به­دست آمد. در نهایت با میانگین­گیری هندسی این شاخص­ها با استفاده از رابطه 5 و به کمک ابزار مدل­سازی GIS (model builder)، شاخص حساسیت ESAI[24] تعیین شد و بر پایه جدول 3 کلاس­های بیابانزایی مشخص شد. هر یک از شاخص­ها، با توجه به اثری که در بیابانزایی دارند، بر اساس روش ESAs وزن­دهی شدند؛ به طوری که دامنه ارزش آنها بین 1 (بهترین حالت) و 2 (بدترین حالت) می­باشد (22).

(5)

ESAI= CQI= ^5/1(خشکسالی × بارش سالانه × خشکی)

جدول 1- موقعیت ایستگاه­های مورد استفاده

Table 1.Stations Location of studied region

جدول 2- کلاس‌ها و وزن‌های لایه­های کیفیت اقلیم (CQI) (22)

Table 2.Classes and weights of the Climate Quality layers

جدول 3- تیپ‌های ESAs) (22))

Table 3. ESAs types

نتایج

تهیه داده­های تلفیقی

در جدول 4 میانگین اُریبی، ضریب ناش ساتکلیف و میانگین مربعات خطا بین سری داده­های ماهانه بارش شبکه­ای ERA-Interim و داده­های دیدبانی بر روی سلول­های با تفکیک­پذیری مشابه، آورده شده است. کمترین اُریبی به مقدار 61/0 میلی­متر در ایستگاه صفی­آباد و بیشترین آن به مقدار 62/11- میلی­متر در ایستگاه ؟ رخ داده است. همان­طور که در جدول 4 ملاحظه می­کنید پس از اعمال اُریبی به داده­های دیدبانی و تهیه داده­های تلفیقی، اُریبی تا حد زیادی کاهش یافته و ضریب NSE به یک رسیده است. همین­­طور RMSE برای کل ایستگاه­ها کاهش یافته است. میانگین اُریبی بین داده­های ERA-Interim و دیدبانی برای کل منطقه 39/0 بوده است که با تصحیح اُریبی به 24/0 برای کل منطقه کاهش یافت. همچنین RMSE از 69/6 به 32/0 کاهش یافته است. با بررسی روند داده­های اقلیمی مشخص شد بارش و دما در تمام سلول­ها و ایستگاه­ها تغییر کرده­اند. همان­طور که در شکل 2 و 3 مشخص است در تمام ایستگاه­ها و سلول­های منطقه اسفراین – سبزوار بارندگی کاهش و دما افزایش یافته است. میانگین بارندگی ایستگاه­ها در دوره اول 27/244 میلی­متر، دوره دوم 10/240 میلی­متر و در دوره سوم به 82/223 میلی­متر کاهش یافته است (شکل 2). میانگین دما در منطقه اسفراین – سبزوار در دوره اول 87/11 درجه سیلیسیوس، دوره دوم 42/13 درجه و در دوره سوم به 25/14 درجه افزایش یافته است.

شکل 2- تغییرات بارندگی سالانه ایستگاه­های هواشناسی و اشتباه معیار هر یک در سه دوره مورد مطالعه

Figure 3. Annual precipitation changes of meteorological stations with Standard deviation in each of the three study periods

شکل 3- تغییرات میانگین دمای سالانه سلول­های 1 تا 12 در منطقه مورد مطالعه در سه دوره­ مورد استفاده

Figure 4. Changes in the mean annual temperature in 1-12 pixels in the study areas derived from three periods

جدول 4- مقایسه دقت داده­های Era-Interim و تلفیقی در هر یک از ایستگاه­های منطقه

Table 4. Comparison of Era-Interim and Combined Data in stations

استمرار خشکسالی

بر اساس تحقیقات سرانو[25] و همکاران (23) برای مشخص نمودن دوره های اصلی و باثبات خشکی می­بایستی بازه­های زمانی بلند­مدت­تر از 6 ماهه را مورد تجزیه و تحلیل قرار داد؛ زیرا فراوانی زیاد دوره­­های ترسالی و خشکسالی در بازه­های زمانی کوتاه مدت، این امکان را به وجود می­آورد که دوره­های مهم خشکسالی از نظر پنهان بمانند. بنابراین در این پژوهش بازه زمانی 12 ماهه مورد بررسی قرار گرفت و مشخص شد استمرار خشکسالی­ها کمتر از 4 سال می­باشد که طبقه 1 مدل ESAs را به خود اختصاص می­دهد (جدول 2). شکل 4  نمودار تغییرات ماهانه SPI برای همه ایستگاه­ها با بازه­های زمانی دوازده ماهه را در طول دوره آماری مورد مطالعه نشان می­دهد. همان­طور که مشاهده می­کنید در بازه های زمانی 12ماهه در تمام ایستگاه­ها چهار دوره مهم خشکسالی در دهه های 1983، 2000، 2008 و 2014 مشهود است که در طبقه خشکسالی شدید و بسیار شدید قرار دارند.

ارزیابی خطر بیابانزایی

با استفاده از مدل ESAs و طبقه­بندی جدول 2 نقشه­های ارزش بارش و خشکی به­دست آمد که در شکل­های 7 تا 12 مشاهده می­کنید. از میانگین هندسی سه نقشه تولید شده در هر بازه زمانی مقادیر ESAI برای هر دوره زمانی تولید شد و مورد طبقه­بندی قرار گرفت که در نهایت نقشه خطر بیابانزایی برای هر دوره زمانی به­دست آمد (شکل­های 13 تا 15). همان­طور که در جدول 5 و شکل 5 مشاهده می­کنید کلاس خطر بیابانزایی F2 در دوره اول بخش کمی از منطقه را پوشش می­دهد که در دوره­های دوم و سوم سهم خود را به کلاس بحرانی بیابانزایی (C1 و C3) داده است. کلاس بیابانزایی C1 نیز از 22/14 درصد در دوره اول به 68/15 درصد در دوره دوم افزایش یافته است و در دوره سوم به 64/12 درصد کاهش یافته و جای خود را به کلاس C3 که شرایط بحرانی­تر بیابانزایی را بیان می­کند داده است. کلاس C3 نیز در دوره اول و دوم ثابت ولی در دوره سوم به 36/87 درصد از سطح منطقه تغییر یافته است. که نشان می­دهد در دوره دوم کلاس F2 به کلاس C1 تغییر و در دوره سوم کلاس C1 جای خود را به کلاس C3 داده است.

جدول 5- تغییرات کلاس خطر بیابانزایی در هر یک از دوره­های مورد مطالعه

Table 5. Changes of desertification hazard classes in each of the studied periods

شکل 4- تغییرات خشکسالی 12 ماهه ایستگاه­های هواشناسی منطقه مورد مطالعه

Figure 4. Diagram of the monthly variations of SPI and SPEI of the stations during the statistical period and on the time scales of 12 months.

شکل 5- تغییرات کلاس خطر بیابانزایی در سه دوره زمانی

Figure 5. Changes of desertification hazard classes in three periods

بحث و نتیجه­گیری

همان­طور که در نتایج ذکر شد در ابتدا داده­های تلفیقی بارش و دما برای منطقه اسفراین- سبزوار به­دست آمد. پس از اعمال اُریبی به داده­های دیدبانی و تهیه داده­های تلفیقی، اُریبی تا حد زیادی کاهش یافته و ضریب NSE به یک رسیده است. همین­طور RMSE برای کل ایستگاه­ها کاهش یافته است. میانگین اُریبی بین داده­های ERA-Interim و دیدبانی برای کل منطقه 39/0 بوده است که با تصحیح اُریبی به 24/0 برای کل منطقه کاهش یافت. همچنین RMSE از 69/6 به 32/0 کاهش یافته است که نشان­دهنده دقت بسیار بالای داده­های تلفیقی است. همان­طور که در نتایج ملاحظه می­شود در فصول پربارش داده­های بارش ERA-Interim دارای اریبی بیشتری نسبت به فصول کم بارش هستند. در تمام فصول اُریبی بین داده­های بارش ERA-Interim با داده­های دیدبانی در حد بالایی بوده و تمامی مقادیر قابل قبول هستند که نشان می­دهند این دو سری داده دارای نوسانات هماهنگی با یکدیگر می­باشند، لذا با حفظ نوسان پذیری ماهانه، امکان کاهش اریبی بر روی منطقه وجود دارد. در نتیجه مشاهده می­شود، کاهش اُریبی باعث نزدیک شدن داده­های دیدبانی و ERA-Interim شده است. با توجه به تجزیه و تحلیل انجام شده در زمینه کیفیت داده­های ERA-Interim و ارزشیابی آن، روش پیشنهادی دریافت داده روش بسیار مناسب و دقیق و گزینه موجهی برای دریافت داده­های بلند مدت برای مناطق خشک و نیمه خشک که فاقد آمار مناسب و بلند مدت هستند، می­باشد. از داده­های تلفیقی در جهت ارزیابی نقش شاخص­های اقلیمی در خطر بیابانزایی استفاده شد. به منظور دستیابی به میزان نقش هر یک از پارامترهای اقلیمی در تشدید بیابانزایی، داده­های دوره­ی 36 ساله به سه دوره 12 ساله تقسیم و تغییرات آن مشخص گردید. بارش به عنوان یکی از مهمترین عوامل اقلیمی که تعیین کننده بسیاری از ویژگی­های هر منطقه­ای به شمار می­رود. ضمن دنبال نمودن روند نزولی در طول دوره دارای تغییراتی ملموسی در دوره زمانی 36 ساله است. از مقایسه این تغییرات چنین نتیجه­گیری می­شود که بارش 36 سال اخیر به میزان 05/5 میلی­متر در دوره دوم نسبت به اول و 91/20 میلی­متر در دوره سوم نسبت به گذشته کاهش یافته است که با پژوهش بوآیید و همکاران (2010) و نگارش و همکاران (1390) همخوانی دارد. کاهش بیش از 10 میلی­متری بارش نسبت به دوره مشابه گذشته خود بدون در نظر گرفتن اثرات ترکیبی و تشدید کننده روی سایر عوامل، حداقل به همین میزان در خشکی هوا و خاک و نتایج نفی ناشی از آن به علت فشار انسان و طبیعت مؤثر بوده است. روند افزایشی میانگین دمای سالانه و تغییرات افزایشی آن در سه دوره­ 12 ساله چنین نتیجه­گیری می­شود که در 36 سال اخیر دما از 87/11 درجه در دوره اول به 42/13 در دوره دوم و 25/14 درجه در دوره سوم افزایش یافته است که با پژوهش نگارش و همکاران (1390) همخوانی دارد. افزایش 55/1 درجه­ای در دوره دوم و 38/2 درجه­ای دمای میانگین به دنبال آن با اثرپذیری سایر پارامترها مرتبط با دما تشدید شرایط مؤثر در فرایند بیابانزایی امری حتمی است که در مدل ESAs مشخص شده است. در مجموع می­توان گفت تغییرات اقلیمی در سه دوره در جهت افزایش کلاس خطر بیابانزایی رخ داده است و به عبارتی تغییرات اقلیمی باعث بیابانی­تر شدن منطقه اسفراین-سبزوار شده­اند؛ به طوری که در دوره دوم (2004-1993) نسبت به دوره اول (1992-1981) 46/1 درصد از منطقه که در کلاس F2 قرار داشتند، جای خود را به کلاس C1 دادند و در دوره سوم (2016-2005) نسبت به دوره اول 04/3 درصد از سطح منطقه که در کلاس C1 قرار داشتند به کلاس C3 افزایش یافتند. بر اساس نقشه­های تهیه شده برای سه زیردوره مورد مطالعه، مشاهده شد که بیشترین گسترش مکانی بیابانزایی در دوره سوم رخ داده است. این تغییرات در شمال منطقه اسفراین-سبزوار مشهود است. که با نتایج پژوهش طاوسی و همکاران (1389)، نگارش و همکاران (1390)، طباطبائی­فر و همکاران (1392)، و راهداری و همکاران (1393) همخوانی دارد. با توجه به نتایج به­دست آمده می­توان گفت که در معیار اقلیم، شاخص خشکی بیشترین و شاخص خشکسالی کمترین نقش را در بیابانزایی منطقه اسفراین سبزوار ایفا کرده­اند.

References

1. Kundu, Arnab  and Dipanwita, D. 2011. Monitoring desertification risk through climatic change and human interference using Remote sensing and GIS techniques. INTERNATIONAL JOURNAL OF EOMATICS & GEOSCIENCES Volume 2, No 1. P190-201
2. Kaneko, D., Yang, P., Chang, N.B. and Kumakura, T. 2010. Developing a desertification assessment system using a photosynthesis model with assimilated multi satellite data. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Science, Volume XXXVIII, Part 8, Kyoto Japan.
3. Reed, Mark S, and Lindsay C Stringer. 2016. Land Degradation, Desertification and Climate Change: Anticipating, Assessing and Adapting to Future Change. Routledge publication.
4. Ekhtessassi, M.R., and Sepehr, A. 2011. Methods and models of desertification assessment and mapping. Yazd University Press, 286p. (In Persian)
5. Ahmadi, H., Abrisham, E., Zehtabian, G.R., and Amiraslani, F. 2006. The comparison of ICD and MICD models for assessment of desertification in a desertified pilot region, Iran, 14th International Soil Conservation Organization Conference. Water Management and Soil Conservation in Semi-Arid Environments. Marrakech, Morocco, May 14-19. (In Persian)
6. Parvari Asl, S.H., Pahlavanravi, A., and Moghaddam Nia, A. 2010. Classification of Desertification Intensity using ESAs Model in Niyatak Region (Sistan, Iran), Journal of Range and Watershed Management, Iranian Journal of Natural Resources, Vol. 63, No. 2. pp.149-163. (In Persian)
7. Tavosi, T., Mahmoudi, P., and Moghadam, F.S. 2010. Comparison of spatial spreading of arid and semi-arid climates in Iran during 1976-2005, Iranian journal of Range and Desert Research, Vol. 17 No. (1), 94-105. (In Persian)
8. Negaresh, H., Fallahian Firouzabad, H., and Khosravi, M. 2011. The Analysis of Climatical Abnormalities Influencing on Desertification Process in Khezer Abad Region of Yazd, Geography and Environmental planning, 22 (30): 69-94. (In Persian)
9. Tabatabaeifar M, zehtabian G, rahimi M, khosravi H, nikoo S. The Analysis of Groundwater Quality and Quantity Changes and Climate Abnormalities Influencing on Desertification Trend in Garmsar Plain. Arid Regions Geographic Studies . 2013; 4 (13) :55-68. (In Persian)
10. Rahdari, GH.R; Fakhireh, A.; Shahriari, A.R; Khosravi, H., and Rahdari, M.R. 2015. Modelling and assessment of land degradation and EWSs of desertification, DEEJ 2015, 3(5): 63-71. (In Persian)
11. Bouabid, R. Rouchdi, M. Badraoui,M. Diab, A. andLouafi, S. 2010. Assessment of land Desertification Based on the MEDALUS approach and elaboration of an action plan: The case study of the Souss River basin, Morocco. Land Degradation and Desertification: Assessment, Mitigation and Remediation. 15 pp.
12. Bakr, Noura, David C. Weindorf, Mohamed H. Bahnassy, and Mohamed M. El-Badawi. 2012. Multi-Temporal Assessment of Land Sensitivity to Desertification in a Fragile Agro-Ecosystem: Environmental Indicators. Ecological Indicators 15(1): 271–80.
13. De Pina Tavares, Jacques et al. 2015. “Assessment and Mapping the Sensitive Areas to Desertification in an Insular Sahelian Mountain Region Case Study of the Ribeira Seca Watershed, Santiago Island, Cabo Verde.” Catena 128: 214–23.
14. Masoudian, S.A. 2005. Study of Iran's temperature trend in the last half century, Journal of Geographical Research, 54: 29-45. (In Persian)
15. Raziei, T., B. Saghafian, A. A. Paulo, L. S. Pereira, and I. Bordi. 2009. Spatial and temporal variability of drought in western Iran. Water Resour. Manage., 23: 439–455. (In Persian)
16. Raziei , T., I. Bordi, , L. S. Pereira and A. Sutera. 2010. Space- time variability of hydrological drought and wetness in Iran using NCEP/NCAR and GPCC datasets. Hydrology and Earth System Science, 14: 1919–1930. (In Persian)
17. Raziei, T., I. Bordi and L. S. Pereira. 2011. An Application of GPCC and NCEP/NCAR Datasets for Drought Variability Analysis in Iran. Water Resour Manage., 25:1075–1086. (In Persian)
18. Rossi, G. 2003. Requisites for a drought watch system, in G. Rossi et al. (Eds) Tools for drought mitigation in Mediterranean regions. Kluwer Academic Publishers, Dordrecht, 147–157.
19. Bordi, I., K. Fraedrich, M. Petitta, and A. Sutera. 2006. Large-scale assessment of drought variability based on NCEP/NCAR and ERA-40 re-analyses.Water Resour. Manage, 20: 899–915.
20. Xie, P., Janowiak J. E., Arkin P. A., Adler R., Gruber A., Ferraro R., Huffman G. J., Curtis S. 2003. GPCP pentad precipitation analyses: An experimental dataset based on gauge observations and satellite estimates. Journal of Climate, 16:2197–2214, doi:10.1175/2769.1.
21. Mckee TB, Doesken NJ and Kleist J., 1993. The relationship of drought frequency and duration to time scales. AMS 8th Conference on Applied Climatology (January): 179–184.
22. Shahriari, A., Parvari, H., and Behi, M.J. 2008. Stages of desertification mapping by using ESAs, Journal of Forest and Rangeland, 87: 13-20. (In Persian)
23. Vicente-Serrano, S. M., Lopez-Moreno, J. I. 2005. Hydrological response to different time scales of climatological drought: an evaluation of the Standardized Precipitation Index in a mountains Mediterranean basin, Hydrology and Earth System Sciences, 9, 523-533.

[1]- دانشجوی دکتری تخصصی بیابانزدایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.

[2]- استاد، گروه مدیریت مناطق بیابانی دانشگاه علوم کشاورزی و منابع طبیعی گرگان. ^*(مسوول مکاتبات)

3- استاد، گروه محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.

4- استادیار، گروه پژوهشی تغییر اقلیم، پژوهشکده اقلیم شناسی، سازمان هواشناسی کشور.

[5]- PhD Student of Combating Desertification, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran.

[6]- Professors of Desert Area Management Department, Gorgan University of Agricultural Sciences and Natural Resources. *(Corresponding Author)

3- Professors of Environmental Sciences Department, Gorgan University of Agricultural Sciences and Natural Resources.

4- Assistant Professor, Climate Change Division, Climate Research Institute (CRI), Mashhad.

[9]- Iranian Classification of Desertification

[10]- Modified Iranian Classification of Desertification

[11]- FAO-UNEP

[12]- Iranian Model of Desertification Potential Assessment

[13]- Mediterranean Desertification and Land Use

[14]- Environmentally Sensitive Areas to desertification

[15]- Iranian Model of Desertification Potential Assessment

[16]- Bouabid

[17]- Souss

[18]- Bakr

5- Mediterranean Desertification and Land Use (MEDALLUS)

6- D Pina Tavares

1- reanalyzed

[22]- Bias

[23]- Nash-Sutcliffe

1- Environmental Sensitive Area Index

[25]- Serrano