تحلیل ساختار و تغییر رژیم خشکسالی در ایران با رویکرد خوشه‌بندی سه‌بعدی

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

• جواد مهدی زاده سولا
• یوسف قویدل رحیمی
• منوچهر فرج زاده

گروه جغرافیای طبیعی،دانشکده علوم انسانی، دانشگاه تربیت مدرس ، تهران، ایران

10.22067/geoeh.2025.94525.1597

چکیده

این پژوهش به تحلیل ساختار و تغییر رژیم خشکسالی‌های ایران طی دوره‌ی ۱۹۵۸ تا ۲۰۲۲ با بهره‌گیری از رویکرد خوشه‌بندی سه‌بعدی می‌پردازد. در این راستا، داده‌های اقلیمی با وضوح مکانی بالا (در حدود ۴ کیلومتر) از مجموعه‌ی داده‌های TerraClimate مورد استفاده قرار گرفته است. با آستانه‌گذاری مقادیر scPDSI و شناسایی مؤلفه‌های متصل در فضای مکان‌ـ‌زمان، خوشه‌های خشکسالی به‌عنوان رخدادهای پیوسته استخراج گردیدند. جهت پالایش خوشه‌ها، فیلتر حداقل اندازه اعمال شد که مقدار بهینه‌ی آن براساس روش بهینه‌سازی هندسی زاویه تعیین گردید. نتایج نشان می‌دهد رژیم خشکسالی ایران به‌ویژه پس از دهه‌ی ۲۰۰۰ دچار دگرگونی چشمگیری شده است؛ به‌طوری‌که الگوی غالب از رخدادهای پراکنده و کوتاه‌مدت به سامانه‌های پایدارتر و گسترده‌تر تبدیل شده است. یافته‌ها حاکی از آن است که بعد از سال ۲۰۰۰، خوشه‌های خشکسالی بزرگ‌تر، بادوام‌تر و از نظر مکانی وسیع‌تر شده‌اند. به موازات این تغییر رژیم، مناطق مرکزی، غربی، شمال‌شرقی و شمال‌غربی کشور( که پیش‌تر کمتر در کانون خشکسالی‌های شدید بودند) به کانون‌های جدید خشکسالی‌های پایدار تبدیل شده‌اند و تعداد و طول دوره‌های خشکسالی در آن‌ها به‌طور معناداری افزایش یافته است.این چارچوب خوشه‌بندی سه‌بعدی و بهینه‌سازی آستانه، نوآوری روش‌شناختی مهمی را در مطالعه‌ی خشکسالی ارائه می‌دهد.

کلیدواژه‌ها

• خوشه‌بندی سه‌بعدی خشکسالی
• scPDSI
• تغییر رژیم خشکسالی
• TerraClimate
• فیلتر اندازه‌ی خوشه

موضوعات

• مخاطرات اقلیمی و اتمسفریک

---

©2025 The author(s). This is an open access article distributed under Creative Commons Attribution 4.0 International License (CC BY 4.0)

 

 

مراجع

Abatzoglou, J. T., Dobrowski, S. Z., Parks, S. A., & Hegewisch, K. C. (2018). TerraClimate, a high-resolution global dataset of monthly climate and climatic water balance from 1958–2015. Scientific Data, 5, 170191. https://doi.org/10.1038/sdata.2017.191

Alayi Talaghani, M. (2009). Geomorphology of Iran. Tehran: Ghoomes Publications. [In Persian]

Andreadis, K. M., Clark, E. A., Wood, A. W., Hamlet, A. F., & Lettenmaier, D. P. (2005). Twentieth-century drought in the conterminous United States. Journal of Hydrometeorology, 6(6), 985-1001. https://doi.org/10.1175/JHM450.1

Araghi, A. R., Martinez, C. J., & Adamowski, J. F. (2023). Evaluation of TerraClimate gridded data across diverse climates in Iran. Earth Science Informatics, 16, 1347–1358. https://doi.org/10.1007/s12145-023-00967-z

Beck, H. E., Wood, E. F., Pan, M., Fisher, C. K., Miralles, D. G., Van Dijk, A. I.,... & Adler, R. F. (2019). MSWEP V2 global 3-hourly 0.1 precipitation: methodology and quantitative assessment. Bulletin of the American Meteorological Society, 100(3), 473-500. https://doi.org/10.1175/BAMS-D-17-0138.1

Cook, B. I., Ault, T. R., & Smerdon, J. E. (2015). Unprecedented 21st century drought risk in the American Southwest and Central Plains. Science advances, 1(1), e1400082. https://doi.org/10.1126/sciadv.1400082

Diaz, V., Corzo Perez, G. A., Van Lanen, H. A. J., & Solomatine, D. P. (2024). Three-Dimensional Clustering in the Characterization of Spatiotemporal Drought Dynamics: Cluster Size Filter and Drought Indicator Threshold Optimization. Advanced Hydroinformatics: Machine Learning and Optimization for Water Resources, 319-342. https://doi.org/10.1002/9781119639268.ch11

Diaz, V., Perez, G. A. C., Van Lanen, H. A., Solomatine, D., & Varouchakis, E. A. (2020). An approach to characterise spatio-temporal drought dynamics. Advances in Water Resources, 137, 103512. https://doi.org/10.1016/j.advwatres.2020.103512

Fathi Taperasht, A., Shafizadeh-Moghadam, H., & Kouchakzadeh, M. (2022). Spatial-temporal analysis of Iran's climatic classification based on Domarten method and Mann-Kendall test in the statistical period of 1995-2019. Environmental Sciences, 20(3), 137-154. [In Persain] https://doi: 10.52547/envs.2021.1105

Forootan, E., Safari, A., Mostafaie, A., Schumacher, M., Delavar, M., & Awange, J. L. (2017). Large-scale total water storage and water flux changes over the arid and semiarid parts of the Middle East from GRACE and reanalysis products. Surveys in Geophysics, 38(3), 591-615. [In Persain] https://doi.org/10.1007/s10712-016-9403-1

Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., & Michaelsen, J. (2015). The climate hazards infrared precipitation with stations – A new environmental record for monitoring extremes. Scientific Data, 2, 150066. https://doi.org/10.1038/sdata.2015.66

Gebrechorkos, S. H., Hülsmann, S., & Bernhofer, C. (2019). Long-term trends in rainfall and temperature using high-resolution climate datasets in East Africa. Scientific Reports 9, 11376. https://doi.org/10.1038/s41598-019-47933-8

Haralick, R. M., & Shapiro, L. G. (1992). Computer and robot vision  II. Addison-Wesley.

Herrera‐Estrada, J. E., & Diffenbaugh, N. S. (2020). Landfalling droughts: Global tracking of moisture deficits from the oceans onto land. Water Resources Research, 56(9), e2019WR026877. https://doi.org/10.1029/2019WR026877

Hosseini, A., Ghavidel, Y., & Farajzadeh, M. (2021). Characterization of drought dynamics in Iran by using S-TRACK method. Theoretical and Applied Climatology, 145, 661–671. https://doi.org/10.1007/s00704-021-03656-3

Khosravi, M., Abbasnia, M., Ghobadi, A., & Armesh, M. (2017). Investigating the spatial relationship between spring convective precipitation and topography in northwestern Iran. Geography and Urban-Regional Planning, 7(23), 21–38. [In Persian] https://doi.org/10.22111/gaij.2017.3222  

Lioyd-Hughes, B. (2012). A spatio-temporal structure-based approach to drought characterization. International Journal of Climatology, 32(3), 406–418. https://doi.org/10.1002/joc.2280

Liu, Z., Hu, S., & Mo, X. (2025). Spatiotemporal Variation of Compound Drought and Heatwave Events in Semi-Arid and Semi-Humid Regions of China. Atmosphere, 16(5), 568. https://doi.org/10.3390/atmos16050568

Madani, K. (2014). Water management in Iran: What is causing the looming crisis? Journal of Environmental Studies and Sciences, 4(4), 315–328. https://doi.org/10.1007/s13412-014-0182-z

Najafi, M. S., & Alizadeh, O. (2023). Climate zones in Iran. Meteorological Applications, 30(5), e2147. https://doi.org/10.1002/met.2147

Palmer, W. C. (1965). Meteorological drought (Research Paper 45). U.S. Weather Bureau.

Peel, M. C., Finlayson, B. L., & McMahon, T. A. (2007). Updated world map of the Köppen-Geiger climate classification. Hydrology and Earth System Sciences, 11, 1633–1644. https://doi.org/10.5194/hess-11-1633-2007

Pyarali, K., Peng, J., Disse, M., & Tuo, Y. (2022). Development and application of high resolution SPEI drought dataset for Central Asia. Scientific Data, 9(1), 172. https://doi.org/10.1038/s41597-022-01279-5

Razmi, R., Sotoudeh, F., Ghane, M., & Ostad-Ali-Askari, K. (2022). Temporal–spatial analysis of drought and wet periods: case study of a wet region in Northwestern Iran (East Azerbaijan, West Azerbaijan, Ardebil and Zanjan provinces). Applied Water Science, 12(11), 251.https://doi.org/10.1007/s13201-022-01765-6

Sadeghi, F., Ghavidel, Y., & Farajzadeh, M. (2022). Long-term analysis of the spatiotemporal standardized precipitation evapotranspiration index for West Asia. Arabian Journal of Geosciences, 15, 1183. https://doi.org/10.1007/s12517-022-10458-y

Shayeghi, A., Ziveh, A. R., Bakhtar, A., Teymoori, J., Hanel, M., Godoy, M. R. V., ... & AghaKouchak, A. (2024). Assessing drought impacts on groundwater and agriculture in Iran using high-resolution precipitation and evapotranspiration products. Journal of Hydrology, 631, 130828. https://doi.org/10.1016/j.jhydrol.2024.130828

Sheffield, J., Wood, E., & Roderick, M. (2012). Little change in global drought over the past 60 years. Nature, 491, 435–438. https://doi.org/10.1038/nature11575

Vaghefi, S. A., Keykhai, M., Jahanbakhshi, F., Sheikholeslami, J., Ahmadi, A., Yang, H., & Abbaspour, K. C. (2019). The future of extreme climate in Iran. Scientific Reports, 9(1), 1464. https://doi.org/10.1038/s41598-018-38071-8

Verhoeven, E., Wardle, G. M., Roth, G. W., & Greenville, A. C. (2022). Characterising the spatiotemporal dynamics of drought and wet events in Australia. Science of the Total Environment, 846, 157480. https://doi.org/10.1016/j.scitotenv.2022.157480

Vernieuwe, H., De Baets, B., & Verhoest, N. E. (2020). A mathematical morphology approach for a qualitative exploration of drought events in space and time. International Journal of Climatology, 40(1), 530-543. https://doi.org/10.1002/joc.6226

Wang, D., Jia, H., Tang, J., & Liu, N. (2025). Analysis of the spatiotemporal patterns and propagation characteristics of drought risk in China. Frontiers of Earth Science, 1-11. https://doi.org/10.1007/s11707-024-1139-5

Wei, W., Lu, D., Song, Y., Sherif, M., Dewan, A., Liu, T & Wang, X. (2025). Spatiotemporal characteristics of drought events in Asia from a three-dimensional perspective. Climate Dynamics, 63(3), 1-18. https://doi.org/10.1007/s00382-025-07645-4

Wells, N., Goddard, S., & Hayes, M. J. (2004). A self-calibrating Palmer drought severity index. Journal of Climate, 17(12), 2335–2351.  https://doi.org/10.1175/1520-0442(2004)017%3C2335:ASPDSI%3E2.0.CO;2

World Meteorological Organization (WMO). (2006). Drought monitoring and early warning: Concepts, progress and future challenges (WMO No. 1006). Geneva: WMO

Yang, G., Chang, J., Wang, Y., Guo, A., Zhang, L., Zhou, K., & Wang, Z. (2024). Understanding drought propagation through coupling spatiotemporal features using vine copulas: A compound drought perspective. Science of the Total Environment, 921, 171080. https://doi.org/10.1016/j.scitotenv.2024.171080