چکیده

تجزیه و تحلیل روندهای بلندمدت بارندگی اطلاعات زیادی را در مورد برنامه ریزی موثر محصول و مدیریت منابع آب و درک بهتر تغییرپذیری آب و هوا در طول زمان فراهم می کند. این مطالعه تنوع مکانی روند بارندگی در سریلانکا را از سال 1989 تا 2019 به عنوان نشانه ای از تغییر آب و هوا نشان می دهد. انحصار این مطالعه استفاده از داده‌های بارندگی است که به جای رویکرد سنتی مبتنی بر مکان، تنوع مکانی را فراهم می‌کند. از این پس، داده‌های بارندگی روزانه موجود در بارش فروسرخ گروه مخاطرات اقلیمی تصحیح شده با داده‌های ایستگاه‌ها (CHIRPS) برای این مطالعه استفاده شد. سیستم اطلاعات جغرافیایی (GIS) برای انجام تجزیه و تحلیل داده های مکانی بر روی داده های برداری و شطرنجی استفاده می شود. برآوردگر شیب سن و آزمون Mann-Kendall (M-K) برای بررسی روند بارندگی سالانه و فصلی در تمام مناطق و مناطق آب و هوایی سریلانکا استفاده می‌شود. مهمترین چیزی که در این مطالعه منعکس شده است این است که از سال 1989 تا 2019 در تمام مناطق اقلیمی (مرطوب، خشک، متوسط ​​و نیمه خشک) سریلانکا افزایش قابل توجهی در بارندگی سالانه داشته است. بیشترین افزایش در ناحیه مرطوب و کمترین افزایش در ناحیه نیمه خشک ثبت شده است. در آینده ممکن است خطر سیل در استان های جنوبی و غربی افزایش یابد، در حالی که مناطق شرق و جنوب شرقی ممکن است در طول وزش بادهای موسمی شمال شرقی با خشکسالی شدید مواجه شوند. توصیه می شود اقدامات موثری برای مدیریت خشکسالی و سیل و آمادگی برای کاهش سطوح خطر خطر مربوطه ارائه شود. مهمترین چیزی که در این مطالعه منعکس شده است این است که از سال 1989 تا 2019 در تمام مناطق اقلیمی (مرطوب، خشک، متوسط ​​و نیمه خشک) سریلانکا افزایش قابل توجهی در بارندگی سالانه داشته است. بیشترین افزایش در ناحیه مرطوب و کمترین افزایش در ناحیه نیمه خشک ثبت شده است. در آینده ممکن است خطر سیل در استان های جنوبی و غربی افزایش یابد، در حالی که مناطق شرق و جنوب شرقی ممکن است در طول وزش بادهای موسمی شمال شرقی با خشکسالی شدید مواجه شوند. توصیه می شود اقدامات موثری برای مدیریت خشکسالی و سیل و آمادگی برای کاهش سطوح خطر خطر مربوطه ارائه شود. مهمترین چیزی که در این مطالعه منعکس شده است این است که از سال 1989 تا 2019 در تمام مناطق اقلیمی (مرطوب، خشک، متوسط ​​و نیمه خشک) سریلانکا افزایش قابل توجهی در بارندگی سالانه داشته است. بیشترین افزایش در ناحیه مرطوب و کمترین افزایش در ناحیه نیمه خشک ثبت شده است. در آینده ممکن است خطر سیل در استان های جنوبی و غربی افزایش یابد، در حالی که مناطق شرق و جنوب شرقی ممکن است در طول وزش بادهای موسمی شمال شرقی با خشکسالی شدید مواجه شوند. توصیه می شود اقدامات موثری برای مدیریت خشکسالی و سیل و آمادگی برای کاهش سطوح خطر خطر مربوطه ارائه شود. بیشترین افزایش در ناحیه مرطوب و کمترین افزایش در ناحیه نیمه خشک ثبت شده است. در آینده ممکن است خطر سیل در استان های جنوبی و غربی افزایش یابد، در حالی که مناطق شرق و جنوب شرقی ممکن است در طول وزش بادهای موسمی شمال شرقی با خشکسالی شدید مواجه شوند. توصیه می شود اقدامات موثری برای مدیریت خشکسالی و سیل و آمادگی برای کاهش سطوح خطر خطر مربوطه ارائه شود. بیشترین افزایش در ناحیه مرطوب و کمترین افزایش در ناحیه نیمه خشک ثبت شده است. در آینده ممکن است خطر سیل در استان های جنوبی و غربی افزایش یابد، در حالی که مناطق شرق و جنوب شرقی ممکن است در طول وزش بادهای موسمی شمال شرقی با خشکسالی شدید مواجه شوند. توصیه می شود اقدامات موثری برای مدیریت خشکسالی و سیل و آمادگی برای کاهش سطوح خطر خطر مربوطه ارائه شود.

کلید واژه ها:

داده های CHIRPS ; تغییرات آب و هوایی ؛ خطرات آب و هوا ؛ منطقه آب و هوا ؛ خطرات طبیعی ؛ آزمون من-کندال ؛ بارندگی ؛ روند بارندگی ; برآوردگر شیب سن ; سری لانکا

1. مقدمه

سیستم آب و هوای جهانی به دلیل گرمایش جهانی از دهه 1950 دستخوش تغییرات بی‌سابقه‌ای شده است و تغییرات مداوم آب و هوا بر بسیاری از کشورها تأثیر می‌گذارد و خطر سیل و خشکسالی و سایر بلایای طبیعی را افزایش می‌دهد که در نهایت بر اقتصاد کشاورزی تأثیر منفی می‌گذارد [ 1 ، 2 ، 3 ، 4 ]. مطالعات تغییر اقلیم به بخش مهمی از درک و پیش‌بینی تغییرات اقلیمی تبدیل شده است زیرا اثرات بلایای طبیعی مانند سیل، خشکسالی، بارندگی شدید و دما را تشدید می‌کند [ 5 ].
مطالعات متعددی که در گذشته اخیر انجام شده است نشان داده است که تنوع بارندگی در سطح جهانی، منطقه ای و زیر منطقه ای رو به رشد است [ 6 ، 7 ، 8 ، 9 ، 10 ، 11 ]. آسیای شمالی و مرکزی، مناطق شرقی آمریکای شمالی و جنوبی، و شمال اروپا به ویژه مستعد افزایش بارندگی هستند [ 12 ، 13 ، 14 ]]، در حالی که شمال و جنوب آفریقا، مدیترانه و برخی مناطق دیگر بارندگی کمتری دارند. اگرچه افزایش قابل توجهی در بارندگی در منطقه آمازون شمالی برزیل مشاهده شده است، اما نشان داده شده است که تمایل به کاهش بارندگی را با گسترش آن به مناطق جنوبی نشان می دهد [ 2015 ]. با توجه به بافت هند، به نظر می رسد که برای ایالت های مختلف، روند بارندگی را می توان هم مثبت و هم منفی تشخیص داد [ 15 ، 16 ، 17 ، 18 ، 19 ]. علاوه بر این، برخی مطالعات نشان داده اند که دمای شهری در سریلانکا در حال افزایش است [ ]. تجزیه و تحلیل روند بارش به یک زمینه تحقیقاتی تبدیل شده است که در زمان های اخیر علاقه و اشتیاق زیادی را به خود جلب کرده است [ 21 ]. با این حال، با کاهش مقیاس جهانی یا منطقه ای به سطح ملی یا فرعی، تغییرات محلی بیشتری را می توان مشاهده کرد [ 22 ]]. علاوه بر این، تجزیه و تحلیل بارش اطلاعات ضروری را برای تصمیم‌گیرندگان در مورد فعالیت‌هایی مانند مدیریت منابع آب، توسعه، برنامه‌ریزی سیاست و آمادگی در برابر بلایا فراهم می‌کند [ 23 ]. همین سناریو همچنین گزارش داد که طی چند دهه گذشته تغییر قابل توجهی در روند بارندگی در سریلانکا وجود داشته است [ 24 ]]. با توجه به بافت جغرافیایی سریلانکا، سیستم موسمی اقیانوس هند (IO) بر مهاجرت سیستماتیک بارندگی در مناطق مختلف جغرافیایی کشور در طول سال تأثیر می گذارد [ 25 ].
ال نینو و لا نینا به طور قابل توجهی بر سیستم موسمی اقیانوس هند تأثیر می گذارند و میزان بارندگی و دمای کشور را تغییر می دهند. در رخداد ال نینو، گردش واکر با گرم شدن غیرعادی شرق اقیانوس آرام ضعیف می‌شود و در غرب اقیانوس آرام فرو می‌رود و در طول تابستان به منطقه میانی اقیانوس هند امتداد می‌یابد [ 26 ، 27 ، 28 ، 29 ، 30 ، 31 ، 32 ] . بنابراین، به طور کلی، بارندگی در سری‌لانکا از ژوئیه تا آگوست و از ژانویه تا مارس کاهش می‌یابد، در حالی که بادهای موسمی شمال شرقی به دلیل حرکت سلول واکر اقیانوس هند به سمت شرق، بارندگی بیشتری را در دوره اکتبر تا دسامبر دریافت می‌کنند [ 32 ]. ].
از سوی دیگر، در سریلانکا، مانند بسیاری دیگر از کشورهای جنوب و جنوب شرقی آسیا، شلتوک به عنوان یک محصول عمده در سراسر کشور کشت می شود [ 33 ، 34 ]. در مقایسه با چند دهه اخیر، سطح مورد استفاده برای کشت و تولید برنج در سریلانکا به طور پیوسته افزایش یافته است و این تحت تأثیر روش های مختلف اجتماعی-اقتصادی، سیاسی، فرهنگی و تکنولوژیکی قرار گرفته است [ 35 ]. با این حال، دو فصل زراعی اصلی در سری‌لانکا وجود دارد که به نام‌های یالا و ماها نامیده می‌شوند، و شکست محصول در منطقه خشک برای سال‌ها گزارش شده است (2001، 2004، 2016-2018) به دلیل سیل و خشکسالی بی‌سابقه [ 36 ، 37 ].]. شروع زودهنگام یا دیرهنگام بارندگی باید راهبردهایی را که باید برای شروع کشت اتخاذ شود تعیین کند. علاوه بر این، بارندگی منبع اولیه آب برای هر مزرعه است و مقدار کمی آن تعیین می کند که آیا یک منطقه نرمال است یا در آن منطقه خشکسالی یا سیل رخ خواهد داد. بنابراین مطالعه روند بارندگی به شناسایی شیوع سیل و خشکسالی در یک منطقه خاص کمک می کند [ 5 ].
به عنوان مثال، تعداد زیادی از مطالعات در مورد روند بارندگی در سریلانکا در طول سه دهه گذشته انجام شده است و متغیرهای محلی متفاوتی را در این کشور شناسایی کرده است [ 21 ، 38 ، 39 ، 40 ، 41 ، 42 ]. یک مطالعه اخیر [ 21 ] نشان داد که بخش‌های شرقی، جنوب شرقی، شمالی و شمال مرکزی سریلانکا در 31 سال گذشته (1987-2017) افزایش بارندگی را تجربه کرده‌اند و کاهش بارندگی داشته‌اند. روند بارندگی در مناطق غربی، شمال غربی و مرکزی کشور.
اگرچه مطالعات زیادی برای درک روند بارندگی در سریلانکا انجام شده است، اکثر این مطالعات تنها بر داده های جمع آوری شده از تعداد محدودی از ایستگاه های بارش متمرکز شده اند [ 21 ، 24 ، 43 ]. بنابراین، تنوع مکانی در آن مطالعات ثبت نشده است. نقطه ضعف اصلی چنین مطالعاتی این است که برای نشان دادن روندها در سطح ناحیه یا منطقه آب و هوایی مناسب نیستند، زیرا مقادیر محاسبه شده به یک منطقه کوچک محدود می شود. همانطور که در مطالعات قبلی گزارش شده است، بهترین راه برای جلوگیری از محدودیت‌های فوق، استفاده از تخمین‌های بارش ماهواره‌ای است که کالیبره‌شده با داده‌های ایستگاه‌ها، به‌طور دقیق تنوع مکانی رویدادهای بارندگی را نشان می‌دهند [ 44 ، 45 ، 46 ]، 47 ].
در زمان های اخیر، مشاهدات بارندگی مبتنی بر ماهواره و تحلیل مجدد (داده های شطرنجی) به راه حل بهتری برای اندازه گیری داده های بارش با دقت بیشتر و وضوح مکانی و زمانی بالاتر تبدیل شده است [ 48 ]]. ماموریت اندازه‌گیری بارندگی استوایی (TRMM)، مرکز اقلیم‌شناسی بارش جهانی (GPCC)، بارش آسیایی – یکپارچه‌سازی داده‌های رصدی با وضوح بالا به سوی ارزیابی (APHRODITE)، اندازه‌گیری بارش جهانی (GPM)، تخمین بارش از شبکه‌های حسی مصنوعی از راه دور (اطلاعات حسی مصنوعی از راه دور) ) و بارش مادون قرمز گروه مخاطرات اقلیمی با داده های ایستگاه ها (CHIRPS) برخی از محصولات شناخته شده عمده بارندگی هستند. علاوه بر این، از تخمین های بارندگی بالا، داده های CHIRPS به طور گسترده برای تجزیه و تحلیل گرایش بارندگی استفاده شده است، و بسیاری از این مطالعات بر مناسب بودن CHIRPS [ 49 ] تاکید کردند.] داده برای شناسایی روند بارش. از این پس، داده‌های بارندگی روزانه موجود در بارش فروسرخ گروه مخاطرات اقلیمی تصحیح شده با داده‌های ایستگاه (CHIRPS) برای این مطالعه استفاده شده است. برعکس، از آنجایی که داده‌های CHRPS یک محصول جهانی است، درک اعتبار داده‌ها با استفاده از اندازه‌گیری‌های بارندگی محلی هنگام استفاده از آن برای یک منطقه خاص، مهم است. در این مطالعه، تعیین اعتبار داده های CHRPS به عنوان یک نیاز اولیه نیز معرفی شده است.
این مطالعه از روش های آماری مانند آزمون Mann-Kendall (M-K) و برآوردگر شیب سن برای تجزیه و تحلیل روند بارندگی در سطح منطقه و منطقه آب و هوایی در سریلانکا استفاده کرد [ 8 ، 9 ، 10 ، 11 ، 12 ، 13 ، 14 . ]. حتی اگر اعتبار داده‌های بارش CHIRPS قبلاً توسط بسیاری از محققان در زمینه جهانی تأیید شده است، که برای کشورهای استوایی نیز اعمال می‌شود [ 49 ، 50 ، 51 ]، یک فرآیند اعتبار سنجی متقاطع اضافی با استفاده از بارندگی خاص مکان انجام شد. داده ها از طریق روش رگرسیون خطی.

2. مواد و روشها

2.1. منطقه مطالعه

سریلانکا جزیره ای است ( شکل 1 ) که در زیر شبه قاره هند بین عرض های جغرافیایی 5 درجه و 10 درجه شمالی و طول جغرافیایی 79 درجه و 82 درجه شرقی واقع شده است. طبق آمار اداره آمار و آمار، تا سال 2020، کل جمعیت سریلانکا افزایش یافته است. به کمی بیش از 21 میلیون، و مساحت کل زمین حدود 65000 کیلومتر مربع است [ 52 ]]. علاوه بر این، واحدهای اداری اصلی سریلانکا شامل 9 استان، 25 منطقه و 331 بخش دبیرخانه تقسیمی (DSD) است. خط ساحلی، دشت‌های ساحلی، دشت‌های داخلی، رشته‌کوه‌های جنوب مرکزی و رشته‌کوه‌های جدا شده از ویژگی‌های توپوگرافی اصلی جزیره هستند. ارتفاع از 0 تا 2505 متر است و بلندترین قله پیدوروتاگالا است. 103 رودخانه در سریلانکا وجود دارد که 103 حوزه رودخانه اصلی و فرعی را پوشش می دهد.
چهار منطقه آب و هوایی عمده در سریلانکا وجود دارد: “منطقه مرطوب”، “منطقه میانی”، “منطقه خشک” و “منطقه نیمه خشک”. “منطقه مرطوب” کشور، جبهه غربی رشته کوه و دامنه های بادخیز جنوب غربی به طور متوسط ​​سالانه 2500 میلی متر بارندگی دارد. “منطقه خشک” سریلانکا بین 1200 تا 1900 میلی متر بارندگی را دریافت می کند، عمدتاً از طریق بادهای موسمی شمال شرقی، و منطقه نیمه خشک (سواحل شمال غربی و جنوب شرقی) کمترین بارندگی را دریافت می کند که بین 800 تا 1200 میلی متر است.
بادهای موسمی در اقیانوس هند و فرورفتگی و طوفان ها در خلیج بنگال در درجه اول بر افزایش یا کاهش بارندگی در سریلانکا تأثیر می گذارند [ 53 ]. مطالعات مختلف چهار فصل بارانی را بر اساس تغییرات بارندگی در سریلانکا طی چند دهه معرفی کرده اند [ 54 ، 55 ]. بسته به ماه های بارندگی دریافتی، فصول بارانی اولین بارندگی بین موسمی (FIM) از مارس تا آوریل و دومین باران موسمی (SIM) از اکتبر تا نوامبر است، در حالی که دسامبر تا فوریه باران های موسمی شمال شرقی (NEM) را تشکیل می دهند. و بادهای موسمی جنوب غربی (SWM) از ماه می تا سپتامبر رخ می دهد.

2.2. داده ها

داده های CHIRPS اساساً برای این مطالعه استفاده شد و روزانه در دسترس است. سپس داده‌های روزانه از مرکز مخاطرات آب و هوایی دانلود شد و این داده‌ها به‌عنوان بارندگی شبکه‌بندی شده روزانه از سال 1989 تا 2019 برای این مطالعه در دسترس هستند [ 48 ]. در تولید داده‌های CHIRPS، داده‌های بارش برآورد شده توسط ماهواره‌ها با وضوح فضایی 5 کیلومتر با بارش مبتنی بر مکان ادغام شدند.
داده‌های بارش ویژه مکان (داده‌های بارندگی روزانه) از نه (09) نقطه اندازه‌گیری به عنوان منبع اندازه‌گیری شده زمینی از وب‌سایت https://www.irrigation.gov.lk/ (دسترسی در 31 دسامبر 2020) دانلود و به انباشت ماهانه داده های این 9 ایستگاه بارش از مجموع 33 ایستگاه و داده های سه ساله (2015 تا 2017) برای فرآیند اعتبار سنجی متقاطع فوق استفاده شد. نقاط بارش سنج مورد استفاده برای تجزیه و تحلیل عبارتند از: Hanwlla، Glencourse، Deraniyagala، Kitulgala، Holambuwa (حوضه رودخانه Kelani)، Pitabaddara، Urawa (حوضه رودخانه Nilwala)، Siyanmbalanduva (رود Heda Oya)، و Tantirimale (رود Malwatu Oya) شکل 1). 9 ایستگاه بارشی که در بالا ذکر شد، دارای بالاترین دقت هستند، زیرا بقیه ایستگاه ها دارای شکاف داده های قابل توجهی برای دوره سه ساله در نظر گرفته شده هستند. علاوه بر این، ذکر این نکته حائز اهمیت است که این داده‌های ایستگاه که به‌طور رایگان در اداره آبیاری سری‌لانکا در دسترس است، از سال 2015 در دسترس بوده است. [ 56 ، 57 ، 58 ]. بنابراین، این تجزیه و تحلیل داده های سه ساله نشان دهنده اعتباری است که داده های CHIRPS در طول خشکسالی و همچنین بارندگی شدید نشان می دهد. ذکر این نکته حائز اهمیت است که از طریق فرآیند اعتبارسنجی متقابل، ما سعی می‌کنیم بر ارتباط داده‌های CHIRPS در زمینه سریلانکا بیشتر تأکید کنیم.

2.3. روش شناسی

داده های بارندگی روزانه دانلود شده از 9 ایستگاه بارندگی فوق الذکر برای فرآیند اعتبار سنجی متقاطع به عنوان یک کار اضافی استفاده شد که تأثیری بر یافته های این مطالعه نداشت. از آنجایی که این داده‌های بارندگی مبتنی بر ایستگاه در سطح روزانه در دسترس هستند، بارندگی ماهانه با استفاده از انباشت روزانه یک ماه محاسبه شد. سپس از رگرسیون خطی برای مشاهده همبستگی بین CHIRPS ماهانه و داده های ایستگاه استفاده شد.
داده‌های CHIRPS دانلود شده در قالب فایل NetCDF (فرمت مشترک داده‌های شبکه) بودند. برای پردازش این داده ها از نرم افزار R-Studio به عنوان یک پشته سالانه 365 لایه استفاده شد. داده های بارش فصلی و سالانه با استفاده از انباشت بارش روزانه CHIRPS تولید شد. از آنجایی که این داده های بارندگی در قالب شطرنجی هستند، برای تکمیل فرآیند فوق از روش تحلیل داده های جغرافیایی-مکانی مانند آمار سلولی استفاده شد. در ادامه، مقادیر میانگین فصلی و سالانه بارندگی برای هر سال (1989 تا 2019) برای هر منطقه و منطقه اقلیمی مورد استفاده در این تحقیق با روش آمار منطقه‌ای آمار مکانی محاسبه شد. بنابراین، سیستم اطلاعات جغرافیایی (GIS) نقش حیاتی در پردازش داده های مکانی ایفا کرد. سپس روند بارندگی به طور جداگانه در سطح ناحیه و منطقه اقلیمی مورد تجزیه و تحلیل قرار گرفت. علاوه بر این،

2.3.1. تست من-کندال

آزمون احتمال Mann-Kendall را می توان به اختصار آزمون M-K نامید. روش رگرسیون خطی حداقل مربعات بیشتر از سایر روش های آماری برای تعیین روندهای بلندمدت برای حداکثر بارندگی فصلی، سالانه و روزانه استفاده می شود [ 59 ]. با این حال، از آنجایی که این یک آزمون پارامتریک است، معمولاً برای انجام آزمایش به یک مجموعه داده سری زمانی توزیع شده عادی نیاز دارد. در میان آزمایش‌های مختلف تشخیص روند سری زمانی، آزمون M-K بیشتر برای تعیین روند بارندگی، دما، دبی رودخانه و غیره استفاده می‌شود. با این حال، آزمون M-K [ 60 ]] یک آزمایش ناپارامتریک است، به این معنی که برای همه انواع توزیع ها کار می کند و نشان می دهد که جهت شیب پارامتر داده شده مثبت یا منفی است، اما بزرگی شیب اغلب با استفاده از تخمین شیب سن برآورد می شود [ 61 ]. ]. آمار ” S ” مان-کندال را می توان با معادلات (1) و (2) محاسبه کرد.

اس=∑من=1n-1∑j=من+1nسgn(ایکسj-ایکسمن)
سgn (ایکسj-ایکسمن)={+1، >(ایکسj-ایکسمن)،0، =(ایکسj-ایکسمن)،-1، <(ایکسj-ایکسمن)}

که در آن x j و x i مقادیر داده های متوالی هستند و n تعداد داده های سری زمانی است. مقادیر مثبت و منفی S به ترتیب نشان دهنده «تمایل زیاد» و «مایل کم» هستند.

اگر تعداد رکوردهای استفاده شده برای آزمون بیشتر از 10 باشد ( N > 10)، میانگین آماره توزیع تقریباً برابر با صفر است و واریانس S با استفاده از رابطه (3) محاسبه می شود. معمولاً بیش از ده رکورد برای تحلیل روند سری های زمانی استفاده می شود.

Vآr(س)=n(n-1)(2n+5)- ∑من=1مترتیمن(من)(من-1)(2من+5)18

که در آن t i تعداد پیوندهای مشخص شده در نمونه i است. سپس، آمار Mann–Kendall Zc (انحراف میانگین استاندارد) برای N > 10 با استفاده از رابطه (4) محاسبه می‌شود.

زج={اس-1Vآr(اس)،   اس>0،0،     اس=0،اس+1Vآr(اس)،  اس<0.}
Zc از توزیع نرمال استاندارد پیروی می کند. یک مقدار Zc مثبت روند افزایشی را نشان می دهد، در حالی که داده های Zc منفی روند کاهشی را برای دوره نشان می دهد. اگر Zc |> zα /2 باشد، فرضیه صفر رد می شود.
2.3.2. تخمین شیب سن

بزرگی جهت تولید شده توسط آزمون M-K را می توان با استفاده از برآوردگر شیب سن محاسبه کرد. برآوردگر شیب سن، مقدار روند کلی مستقیم و خطی داده های سری زمانی را محاسبه نمی کند، جایی که شیب واقعی که در زمان تغییر می کند با استفاده از روش توسعه یافته توسط Sen (1968) تخمین زده می شود. این آزمایش به طور گسترده ای برای تخمین بزرگی روند در محدوده بارندگی در طول زمان استفاده می شود. جفت شیب را می توان برای همه داده ها با استفاده از رابطه (5) محاسبه کرد.

تیمن=ایکسj-ایکسکj-ک for من=1،2،3،…….n، j>ک،

که در آن T i شیب است و x j و x k به ترتیب مقادیر داده در زمان j و k هستند.

میانگین n مقدار Ti به عنوان تخمینگر شیب Sen کدگذاری می شود ( Qi ) و با استفاده از رابطه (6) محاسبه می شود.

سمن={(تی(n+1/2))،             n منس 0دد،،12(تی(n/2)+تی(n+2)/2)،   n منس هvهn}

3. نتایج

همانطور که در بخش های بالا توضیح داده شد، یک فرآیند اعتبار سنجی متقاطع بر روی داده های CHIRPS به عنوان یک کار اضافی انجام شد. داده های CHIRPS با توجه به مراحل ذکر شده در بالا مورد تجزیه و تحلیل قرار گرفت و توزیع فضایی روند بارش در سطح منطقه و منطقه آب و هوایی ترسیم شد. این فراتر از ارائه پارامترهای آماری عمومی است.

3.1. اعتبارسنجی متقابل داده های CHIRPS

اگرچه از 9 مکان بارندگی برای تعیین همبستگی بارندگی استفاده شد، تغییرات بارندگی ماهانه از سال 2015 تا 2017 برای ایستگاه های بارش Hanwella، Pitabadra، Siyambalanduwa و Tantirimale در شکل 2 نشان داده شده است. هانولا و پیتابادرا در ناحیه مرطوب قرار دارند و سیامبالاندووا و تانتیریمال به ترتیب در شمال و جنوب منطقه خشک قابل مشاهده هستند. در سال 2015، SWM متوسط ​​بود و در سال 2016 و همچنین در سال 2017، مشخص بود که میزان رطوبت افزایش یافته است. با این وجود، دو سال دیگر در منطقه خشک به غیر از سال 2015 به عنوان خشک مشخص شد. نکته مهم دیگر این است که باران های موسمی دوم در این سه سال برای مناطق مرطوب نسبت به منطقه خشک بهتر است.
از آنجایی که داده‌های CHIPRS به طور کامل برای این مطالعه استفاده می‌شوند، انجام یک فرآیند اعتبارسنجی متقابل برای مشاهده همبستگی‌ها با داده‌های مبتنی بر مکان، یک برداشت مثبت اولیه در مطالعه ایجاد می‌کند. برای این منظور از نمودارهای پراکندگی برای تعیین همبستگی بین داده های بارندگی اندازه گیری شده از زمین و داده های CHIRPS، همانطور که در شکل 3 نشان داده شده است ، استفاده شد و برای تعیین میزان همبستگی از ضریب همبستگی پیرسون استفاده شد. به جای انجام این کار برای کل دوره مطالعه، تنها سه سال، 2015، 2016، و 2017، استفاده شد که تمام افراط‌های آب و هوایی، مانند خشکسالی، بارندگی غیرمعمول و سیل‌های شدید را در طول آن سال خاص پوشش می‌دهد.
برای مکان‌های بارندگی که برای اعتبارسنجی متقاطع انتخاب شده‌اند، مقادیر بارش پیکسل CHIRPS مربوطه برای تعیین دقت بین آنها استخراج شد. حداکثر همبستگی در ضریب در شکل 3 b نشان داده شده است و تقریبا 0.91 است، اندازه گیری های بارش مبتنی بر ایستگاه و داده های CHIRPS یک همبستگی عالی را نشان می دهد. بنابراین، اعتبار سنجی متقاطع انجام شده بر روی داده های CHIRPS یک تصور مثبت برای مطالعه ایجاد می کند.

3.2. آمار توصیفی ایجاد شده با استفاده از داده های CHIRPS

شکل 4 تغییرات بارندگی سالانه سریلانکا و همچنین مناطق مرطوب، خشک، متوسط ​​و نیمه خشک را از سال 1989 تا 2019 نشان می دهد. انواع الگوهای واریانس، اما به طور کلی، تمایل به افزایش بارندگی وجود دارد. تنها با در نظر گرفتن میانگین بارندگی سالانه سریلانکا، می توان دریافت که حداکثر بارندگی در سال های 2010، 2011 و 2014 دریافت شده است. طی این سه سال، این کشور سیل های بزرگی را تجربه کرده است [ 58 ].]. سیل های 2010 و 2014 در منطقه مرطوب و در سال 2011 در منطقه خشک رخ داد. علیرغم باران های شدیدی که با سیل های فاجعه بار سال های 2016 و 2017 در منطقه مرطوب همراه بود، بارندگی کلی سریلانکا در این دو سال کاهش یافت. دلیل اصلی این امر کاهش بارندگی در منطقه خشک طی دوره 2016-2018 است.
ویژگی قابل توجه دیگر کاهش کل بارندگی در سریلانکا از سال 2015 تا 2019 است. با این حال، در سال های 2016 و 2017، منطقه مرطوب بالاترین بارندگی ثبت شده در تاریخ 30 ساله خود را دریافت کرد. بر خلاف منطقه مرطوب، منطقه خشک بارندگی نسبتاً کمی را از سال 2015 تا 2019 نشان داد که منجر به شرایط خشکسالی/خشکی در طول فصل «ماها» در سال‌های 2016 تا 2018 شد. بنابراین، تغییرات بارندگی هنگام مشاهده بسیار نزدیک به واقعیت زمینی است. در سطح کشور یا منطقه، همانطور که در شکل 4 نشان داده شده است. از طرف دیگر، این یکی از نمونه های عالی برای نشان دادن دقت داده های CHIRPS است.
جدول 1 پارامترهای آماری توصیفی به نام های میانگین، حداکثر، حداقل، انحراف معیار، میانه و ضریب واریانس بارندگی سالانه در سطح منطقه را نشان می دهد. بیشترین میانگین بارندگی سالانه بین سال‌های 1989 و 2019 در ناحیه Kalutara (3340.2 میلی‌متر) و کمترین آن در منطقه Kilinochchi (1109.7 میلی‌متر) ثبت شده است. تخصص مشاهده شده در تجزیه و تحلیل سری زمانی حداکثر و حداقل بارندگی این است که حداکثر مقدار میانگین بارندگی 4489.4 میلی متر در سال 2019 در منطقه Kalutara ثبت شده است. مطالعه بیشتر نشان می دهد که کمترین حداکثر، 1619.8 میلی متر در منطقه Jaffna، در سال 1993 مشاهده شد که تقریباً سه برابر کمتر از اوج ثبت شده در منطقه Kalutara در سال 2019 است.
با در نظر گرفتن چهار منطقه آب و هوایی سریلانکا، بیشترین میانگین بارندگی سالانه در منطقه مرطوب 2876.7 میلی متر است و پس از آن منطقه میانی (1979.3 میلی متر)، منطقه خشک (1520.6) و منطقه نیمه خشک (1264.6 میلی متر) قرار دارد. و با جدول 2 نشان داده شده است. یکی دیگر از ویژگی های قابل توجه این است که میانگین تغییرات سالانه بارندگی در منطقه مرطوب بیشتر از منطقه خشک است. ضریب واریانس (CV) به طور کلی برای درک تغییرپذیری بین سالانه و سطح تغییرپذیری بارندگی استفاده می شود. مقدار CV از 12.1 تا 25.9 در تمام مناطق سریلانکا متغیر است، حداکثر در Kilinochchi و حداقل در Nuwara Eliya.
بر اساس طبقه بندی [ 37 ] CV، 6 منطقه از 25 منطقه در طبقه تنوع بالا و بقیه در طبقه متوسط ​​قرار می گیرند. ویژگی در اینجا این است که همه نواحی در مناطق مرطوب و میانی فقط به کلاس CV متوسط ​​تعلق دارند، با حدود 50٪ از مناطق در مناطق خشک و نیمه خشک تنوع بالایی را نشان می دهند. مناطقی که بیشترین تنوع بارندگی را دارند عبارتند از Mannar، Trincomalee، Mullaitivu، Kilinochchi، Jaffna و Batticaloa. از آنجایی که کشاورزی دیم در اکثر این ولسوالی ها رایج است، به دلیل تنوع زیاد بارندگی می تواند تاثیر قابل توجهی داشته باشد.
شیب سن و مقادیر تاو کندال در سطح معنی داری 0.05 با استفاده از آزمون روند M-K برای بارندگی سالانه (1987-2019) که 25 منطقه در سریلانکا را پوشش می دهد، محاسبه شد. شکل 5 نشان می دهد که چگونه مقادیر شیب سن و تاو کندال برای هر ناحیه متفاوت است. آزمون روند من-کندال دو دنباله مورد استفاده برای این مطالعه دارای 5 درصد معناداری (تاو کندال) و 95 درصد اطمینان به شیب سن است. نتایج آزمون روند M–K بر روی بارندگی سالانه نشان می‌دهد که روند افزایش بارندگی در تمامی نواحی وجود دارد و کاملاً واضح است که به جز چهار ناحیه، کل مناطق دیگر روند بارندگی قابل‌توجهی را نشان می‌دهند. مناطقی که روند قابل توجهی نشان نمی دهند عبارتند از Ampara، Batticaloa، Jaffna و Kilinochchi ( جدول A1 ).
بیشترین روند بارندگی در منطقه Kalutara (34.84 میلی متر در سال) و پس از آن کلمبو (30.22 میلی متر در سال)، Galle (28.51 میلی متر در سال)، Gampaha (28.43 میلی متر در سال)، Ratnapura (25.48 میلی متر در سال) مشاهده می شود. و ماتارا (23.71 میلی متر در سال)، در حالی که کمترین آن در Batticaloa (6.74 میلی متر در سال) و پس از آن هامبانتوتا (7.91 میلی متر در سال)، آمپارا (8.64 میلی متر در سال) و Jaffna (10.33 میلی متر در سال) قرار دارند. به طور کلی، با گسترش مناطق ( شکل 1 )، بارندگی در هر دو منطقه مرطوب و خشک افزایش می یابد. با این وجود، مطالعه جداگانه آنها برای درک روند بارش در آن مناطق آب و هوایی ضروری است.

4. بحث

این بخش عمدتاً روند بارندگی فصلی در 30 سال گذشته در سریلانکا را مورد بحث قرار می دهد. تجزیه و تحلیل روند بارش فصلی به کشاورزان کمک می کند تا شیوه های کشت خود را بهتر مدیریت کرده و محصولات را برنامه ریزی کنند. علاوه بر این، این تجزیه و تحلیل ها کمک بزرگی در مدیریت خطرات بلندمدت مانند سیل و خشکسالی هستند. آب و هوای سریلانکا را می توان به دو فصل موسمی و دو فصل بین موسمی تقسیم کرد، به ترتیب، بادهای موسمی جنوب غربی (SWM)، بادهای موسمی شمال شرقی (NEM)، و اولین و دومین فصل بین موسمی (FIM، SIM).
آزمون روند Mann-Kendall دو طرفه نیز برای شناسایی روندهای بارش فصلی با سطح اطمینان 5٪ و 95٪ استفاده شد. تغییرات مقادیر تعیین شده توسط آزمون M-K برای چهار فصل بارندگی به صورت گرافیکی در شکل 6 نشان داده شده است. برای مناطق Kalutara و Hambantota، تغییرات بارندگی سالانه، SWM، NEM، FIM، و SIM به ترتیب در شکل 7 نشان داده شده است و شیب سن همراه با تغییرات بارندگی نشان داده شده است. این یک ایده واضح از جهت و بزرگی روند بارندگی می دهد.
با این حال، نتایج آزمون روند M-K نشان می دهد که افزایش بارندگی در تمام مناطق سریلانکا در طول SWM وجود دارد، اما تنها هفت منطقه روند قابل توجهی را نشان می دهند. همه این مناطق به ترتیب در منطقه مرطوب کشور قرار دارند، یعنی کلمبو، گامپاها، گاله، کالوتارا، راتناپورا، ماتارا و کگال. مشابه روند سالانه بارندگی، بیشترین روند در SWM از ناحیه Kalutara (21.943 میلی متر در سال) و کمترین از ناحیه Kilinochchi (0.978 میلی متر در سال) ثبت شد ( جدول A3 ).
نکته مهمی که از تجزیه و تحلیل مقادیر M-K در NEM به دست می‌آید این است که هیچ منطقه‌ای روند آماری معنی‌داری را در بارندگی نشان نمی‌دهد. مهمترین چیزی که در اینجا باید به آن اشاره کرد این است که حدود 40 درصد از ولسوالی ها روند کاهشی را نشان می دهند. مناطقی که این مقادیر منفی را نشان می دهند به ترتیب به هر چهار منطقه آب و هوایی – مرطوب، خشک، متوسط ​​و نیمه خشک – یعنی Ampara، Badulla، Batticaloa، Colombo، Galle، Hambantota، Kalutara، Matale، Matara و Moneragala تعلق دارند. مناطق Ampara، Moneragala، Batticaloa و Badulla با وجود اینکه انتظار می رود NEM بارندگی بیشتری داشته باشد، روند منفی را نشان می دهند. در نهایت، این نشان می دهد که این ولسوالی ها در فصل «ماها» بیشتر مستعد خشکسالی هستند. کشاورزان سریلانکا مجبور بودند این پدیده را در سال های 2014، 2016 و 2017 تجربه کنند [ 56 ]].
هنگام تفسیر بیشتر نتایج آزمون M-K، همانطور که در شکل 6 و جدول A3 نشان داده شده است، تمایل بیشتری برای افزایش بارندگی برای همه مناطق در طول فصل FIM وجود دارد. این در حالی است که 17 ناحیه (68 درصد) از کل ولسوالی ها از نظر آماری روند افزایشی معنی داری (در سطح 05/0) نشان می دهند. بیشترین روند بارندگی با 9.39 میلی متر در سال در ناحیه Kegalle و کمترین آن با 1.27 میلی متر در سال در ناحیه Jaffna ثبت شده است. Batticaloa، Galle، Hambantota، Jaffna، Kilinochchi، Mannar و Matara هفت ناحیه ای هستند که روند بارندگی آماری معنی داری را نشان نمی دهند.
در طول سیم کارت، تنها مناطق Galle و Matara روند بارندگی آماری معنی‌داری را به ترتیب 6.28 و 6.09 میلی‌متر در سال نشان می‌دهند. این نشان می دهد که در 30 سال گذشته تغییر قابل توجهی در شدت بارندگی در هر دو فصل NEM و SIM وجود نداشته است.
جدول 2 پارامترهای آماری مانند میانگین، حداکثر، حداقل، انحراف معیار، میانگین و ضرایب واریانس بارندگی سالانه بلندمدت (1989-2019) را بر اساس مناطق مختلف آب و هوایی نشان می دهد. مقادیر متوسط ​​بارندگی در مناطق مرطوب، خشک و میانی هنوز در محدوده طبقه بندی خود قرار دارند، اما مقدار متوسط ​​در ناحیه نیمه خشک بالاتر از حداکثر در محدوده آن است. علاوه بر این، تجزیه و تحلیل ضریب واریانس نشان می دهد که تنوع بین سالانه بیشتر در هیچ منطقه آب و هوایی قابل تشخیص نیست.
شکل 8 نتایج آزمون غیرپارامتری M-K و شیب سن را نشان می دهد که با سطح معنی داری 0.05 برای مناطق آب و هوایی مرطوب، خشک، متوسط ​​و نیمه خشک سریلانکا انجام شده است. قابل ذکر است که تمامی این پهنه های اقلیمی روند آماری معنی داری را نشان می دهند. بیشترین روند (31.301 میلی متر در سال) در ناحیه مرطوب و کمترین (11.549 میلی متر در سال) در ناحیه نیمه خشک است. افزایش بارندگی 14.521 میلی متر در سال در ناحیه خشک و 17.27 میلی متر در سال در بین منطقه نیز نشان داده شده است ( جدول A2 ). از محاسبات فوق می توان نتیجه گرفت که افزایش قابل توجهی در بارندگی از سال 1989 تا 2019 در تمام مناطق آب و هوایی سریلانکا وجود دارد. نقشه های روند بارندگی سالانه ناحیه و مناطق آب و هوایی در شکل 9 نشان داده شده است.
اگرچه مناطق Jaffna و Kilinochchi در منطقه خشک قرار گرفتند، میانگین بارندگی سالانه این دو کمتر از حاشیه بارندگی (1250-1750 میلی متر) در منطقه خشک بود. به نظر می رسد این دو منطقه از منطقه خشک خارج شده و وارد منطقه نیمه خشک شده اند. مطالعه بیشتر منطقه میانی و پراکنش آن در نواحی نشان می دهد که اگرچه ناحیه کورونگالا حدود 70 درصد از مساحت منطقه میانی را تشکیل می دهد، میانگین بارندگی سالانه این ناحیه کمتر از 1762 میلی متر است. وضعیت مشابهی در منطقه Monaragala نیز مشاهده می شود ( جدول 1). یعنی این مقدار برای نشان دادن منطقه خشک مناسب است. با این حال، در مناطق Badulla، Matale، و Kandy، میانگین بارندگی به خوبی در حاشیه طبقه متوسط ​​است. با توجه به تمامی این عوامل، نکته اصلی که می توان نتیجه گرفت این است که حاشیه جداکننده منطقه خشک و ناحیه میانی اندکی تغییر کرده است.
این مطالعه نشان می دهد که روش دنبال شده در این مطالعه می تواند برای کشورهای در حال توسعه در مناطق گرمسیری و نیمه گرمسیری که از فقدان اندازه گیری های بارندگی محلی برای تجزیه و تحلیل تغییرپذیری بارندگی در طول زمان رنج می برند، اتخاذ شود. علاوه بر این، داده‌های ایستگاه‌های بارش، تنوع مکانی مناسبی از بارندگی را از نظر توزیع ایستگاه‌های بارندگی نشان نمی‌دهند. این مطالعه تاکید می‌کند که داده‌های ماهانه CHIRPS می‌تواند به عنوان جایگزین مناسبی برای بارش ایستگاه برای تجزیه و تحلیل روند بارش برای نشان دادن اثر تغییرپذیری آب و هوا در سری‌لانکا استفاده شود. یافته های این مطالعه این پتانسیل را دارد که به عنوان نشانه ای از تغییرات آب و هوایی در سریلانکا و ارائه راهنمایی برای تصمیم گیرندگان در مورد مدیریت ریسک بلایا و فرآیندهای کاهش استفاده شود.

5. نتیجه گیری ها

طی 31 سال گذشته، از سال 1989 تا 2019، روند بارندگی هر ناحیه که 25 ناحیه سریلانکا را پوشش می‌دهد با استفاده از آزمون M-K و برآورد شیب سن مورد مطالعه قرار گرفته است. نتایج آزمون آمار ناپارامتریک M–K نشان دهنده افزایش بارندگی سالانه برای هر منطقه در کشور است. با این حال، بارندگی سالانه در تمام مناطق به جز چهار منطقه در منطقه خشک به طور قابل توجهی در طول دوره مورد مطالعه افزایش یافت و Jaffna، Batticaloa، Kilinochchi و Ampara را می توان به عنوان مناطقی شناسایی کرد که چنین افزایشی را نشان ندادند. تجزیه و تحلیل بارش فصلی نشان می دهد که تنها مناطق مرطوب افزایش قابل توجهی در بارش SWM نشان می دهد. با این حال، 40 درصد از ولسوالی ها در NEM روند منفی و 60 درصد دیگر روند مثبت را نشان می دهند، اما روند آماری معنی داری در هیچ منطقه ای وجود ندارد. مناطقی که روندهای منفی را نشان می دهند در تمام مناطق اقلیمی سریلانکا پراکنده شده اند. با توجه به روند بارندگی طی 31 سال گذشته در مناطق آب و هوایی سریلانکا، می توان نتیجه گرفت که تمایل قابل توجهی برای افزایش بارندگی در تمامی مناطق اقلیمی (مرطوب، خشک، متوسط ​​و نیمه خشک) سریلانکا وجود دارد. لانکا. در اینجا بیشترین افزایش در ناحیه مرطوب و حداقل افزایش در ناحیه نیمه خشک ثبت شده است. یک مثال خوب برای اثبات این موضوع، تأثیر بر نمکدان های منطقه هامبانتوتا است. به این معنا که با بارندگی منطقه در طول سال، تولید نمک کاهش می یابد. علاوه بر تایید این روند، اشاره شده است که وقوع رعد و برق در سریلانکا نیز از سال 1998 تا 2014 افزایش یافته است. با توجه به روند بارندگی طی 31 سال گذشته در مناطق آب و هوایی سریلانکا، می توان نتیجه گرفت که تمایل قابل توجهی برای افزایش بارندگی در تمامی مناطق اقلیمی (مرطوب، خشک، متوسط ​​و نیمه خشک) سریلانکا وجود دارد. لانکا. در اینجا بیشترین افزایش در ناحیه مرطوب و حداقل افزایش در ناحیه نیمه خشک ثبت شده است. یک مثال خوب برای اثبات این موضوع، تأثیر بر نمکدان های منطقه هامبانتوتا است. به این معنا که با بارندگی منطقه در طول سال، تولید نمک کاهش می یابد. علاوه بر تایید این روند، اشاره شده است که وقوع رعد و برق در سریلانکا نیز از سال 1998 تا 2014 افزایش یافته است. با توجه به روند بارندگی طی 31 سال گذشته در مناطق آب و هوایی سریلانکا، می توان نتیجه گرفت که تمایل قابل توجهی برای افزایش بارندگی در تمامی مناطق اقلیمی (مرطوب، خشک، متوسط ​​و نیمه خشک) سریلانکا وجود دارد. لانکا. در اینجا بیشترین افزایش در ناحیه مرطوب و حداقل افزایش در ناحیه نیمه خشک ثبت شده است. یک مثال خوب برای اثبات این موضوع، تأثیر بر نمکدان های منطقه هامبانتوتا است. به این معنا که با بارندگی منطقه در طول سال، تولید نمک کاهش می یابد. علاوه بر تایید این روند، اشاره شده است که وقوع رعد و برق در سریلانکا نیز از سال 1998 تا 2014 افزایش یافته است. می توان نتیجه گرفت که تمایل قابل توجهی برای افزایش بارندگی در تمامی مناطق آب و هوایی (تر، خشک، متوسط ​​و نیمه خشک) سریلانکا وجود دارد. در اینجا بیشترین افزایش در ناحیه مرطوب و حداقل افزایش در ناحیه نیمه خشک ثبت شده است. یک مثال خوب برای اثبات این موضوع، تأثیر بر نمکدان های منطقه هامبانتوتا است. به این معنا که با بارندگی منطقه در طول سال، تولید نمک کاهش می یابد. علاوه بر تایید این روند، اشاره شده است که وقوع رعد و برق در سریلانکا نیز از سال 1998 تا 2014 افزایش یافته است. می توان نتیجه گرفت که تمایل قابل توجهی برای افزایش بارندگی در تمامی مناطق آب و هوایی (تر، خشک، متوسط ​​و نیمه خشک) سریلانکا وجود دارد. در اینجا بیشترین افزایش در ناحیه مرطوب و حداقل افزایش در ناحیه نیمه خشک ثبت شده است. یک مثال خوب برای اثبات این موضوع، تأثیر بر نمکدان های منطقه هامبانتوتا است. به این معنا که با بارندگی منطقه در طول سال، تولید نمک کاهش می یابد. علاوه بر تایید این روند، اشاره شده است که وقوع رعد و برق در سریلانکا نیز از سال 1998 تا 2014 افزایش یافته است. یک مثال خوب برای اثبات این موضوع، تأثیر بر نمکدان های منطقه هامبانتوتا است. به این معنا که با بارندگی منطقه در طول سال، تولید نمک کاهش می یابد. علاوه بر تایید این روند، اشاره شده است که وقوع رعد و برق در سریلانکا نیز از سال 1998 تا 2014 افزایش یافته است. یک مثال خوب برای اثبات این موضوع، تأثیر بر نمکدان های منطقه هامبانتوتا است. به این معنا که با بارندگی منطقه در طول سال، تولید نمک کاهش می یابد. علاوه بر تایید این روند، اشاره شده است که وقوع رعد و برق در سریلانکا نیز از سال 1998 تا 2014 افزایش یافته است.62 ]. با توجه به تمامی این عوامل، نکته اصلی که می توان نتیجه گرفت این است که حاشیه جداکننده ناحیه خشک و ناحیه میانی اندکی تغییر کرده است.
با این حال، برخی از مطالعات [ 21 ، 39 ، 42] نشان داده اند که روند بارندگی سالانه در برخی ولسوالی ها کاهش یافته است. با این وجود، به نظر می رسد این مطالعه نظر کمی مخالف ایجاد کرده است. دلیل اصلی این امر این است که در این مطالعه از داده‌های شطرنجی (داده‌های CHIRPS) تولید شده با در نظر گرفتن تغییرپذیری مکانی بارندگی استفاده شده است، اما مطالعات قبلی از داده‌های ارائه‌شده توسط ایستگاه‌های بارش استفاده می‌کردند که تنوع مکانی را در نظر نمی‌گرفتند. با استفاده از یک یا دو ایستگاه باران برای یک استان یا ولسوالی، اعمال این مقادیر برای کل ناحیه یا استان چندان موفق نیست. بر اساس نتایج این مطالعه می توان نتیجه گرفت که تمایل به افزایش روند بارندگی سالانه در هر چهار پهنه اقلیمی وجود دارد.
با افزایش بارندگی در سطح سالانه و فصلی، احتمال افزایش خطر سیل در استان های جنوبی و غربی در آینده وجود دارد. در نهایت، با نتایج این مطالعه، نکته اصلی که باید مورد توجه تصمیم گیرندگان قرار گیرد این است که مناطق شرقی و جنوب شرقی ممکن است در آینده به دلیل روند کاهشی بارش در NEM با خشکسالی های شدید مواجه شوند. بنابراین توصیه می‌شود اقدامات مؤثری برای مدیریت و آمادگی برای خشکسالی و سیل با توجه ویژه به این مناطق ارائه شود. با این حال، یافته‌های حاصل از تجزیه و تحلیل روند بارندگی از طریق داده‌های CHIRPS می‌تواند به طور موثر برای ثبت تأثیر بارندگی بر تغییرات آب و هوا در سریلانکا استفاده شود.

پیوست اول

جدول
جدول A1. نتایج آزمون Mann-Kendall (M-K) برای بارندگی سالانه در سطح منطقه.
جدول
جدول A2. نتایج آزمون M-K برای بارندگی سالانه در سطح آب و هوا.
جدول
جدول A3. نتایج آزمون M-K برای بارش SWM، NEM، FIM و SIM در سطح منطقه.

منابع

  1. هیئت بین دولتی تغییرات آب و هوایی (IPCC). تغییرات اقلیمی 2007-مبنای علوم فیزیکی: کارگروه ; انتشارات دانشگاه کمبریج: کمبریج، انگلستان، 2007.
  2. هیئت بین دولتی تغییرات آب و هوایی (IPCC). تغییرات آب و هوایی 2007- تأثیرات، سازگاری و آسیب پذیری ؛ انتشارات دانشگاه کمبریج: کمبریج، انگلستان، 2007.
  3. هیئت بین دولتی تغییرات آب و هوایی (IPCC). تغییرات آب و هوا 2013-پایه علوم فیزیکی ؛ انتشارات دانشگاه کمبریج: کمبریج، انگلستان; نیویورک، نیویورک، ایالات متحده آمریکا، 2013.
  4. اداره هواشناسی؛ CSIRO. گزارش وضعیت آب و هوا ؛ دولت استرالیا: کانبرا، ACT، استرالیا، 2014.
  5. بانهلزر، اس. کوسین، جی. دانر، اس. تأثیر تغییر آب و هوا بر بلایای طبیعی. در کاهش بلایا: سیستم‌های هشدار اولیه برای تغییرات آب و هوایی ؛ Singh, A., Zommers, Z., Eds. Springer: Dordrecht, The Netherlands, 2014. [ Google Scholar ] [ CrossRef ]
  6. جدید، م. تاد، ام. هولم، م. جونز، پی. اندازه گیری ها و روندهای بارش در قرن بیستم. بین المللی جی.کلیماتول. 2001 ، 21 ، 1899-1922. [ Google Scholar ] [ CrossRef ]
  7. Lawrimore, JH; هالپرت، ام اس; بل، جی دی؛ من، ام جی؛ لیون، بی. Schnell، RC; گلیسون، KL; ایسترلینگ، DR; تیاو، دبلیو. رایت، WJ; و همکاران ارزیابی آب و هوا برای سال 2000. بول. صبح. هواشناسی Soc. 2001 ، 82 ، 1-39. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. برونتی، ام. موگری، م. مونتی، اف. Nanni، T. تغییرپذیری دما و بارش در ایتالیا در دو قرن اخیر از سری‌های زمانی ابزاری همگن. بین المللی جی.کلیماتول. 2006 ، 26 ، 345-381. [ Google Scholar ] [ CrossRef ]
  9. نورانت، سی. Douguedroit، A. روند بارش ماهانه و روزانه در مدیترانه (1950-2000). نظریه. Appl. کلیماتول. 2006 ، 83 ، 89-106. [ Google Scholar ] [ CrossRef ]
  10. گونزالس-هیدالگو، جی سی. برونتی، ام. De Luıs, M. ابزاری جدید برای تجزیه و تحلیل بارش ماهانه در اسپانیا: پایگاه داده MOPREDAS (روندهای بارش ماهانه دسامبر 1945 تا نوامبر 2005). بین المللی جی.کلیماتول. 2011 ، 31 ، 715-731. [ Google Scholar ] [ CrossRef ]
  11. کالویرو، تی. کوسکارلی، آر. فراری، ای. Mancini، M. تغییر بارش در جنوب ایتالیا مرتبط با شاخص های نوسان در مقیاس جهانی. نات. سیستم خطرات زمین. علمی 2011 ، 11 ، 1683-1694. [ Google Scholar ] [ CrossRef ]
  12. شارما، KP; مور، بی. روندهای انسانی، آب و هوایی و هیدرولوژیکی Vorosmarty، CJ در حوضه کوسی، هیمالیا. صعود چانگ. 2000 ، 47 ، 141-165. [ Google Scholar ] [ CrossRef ]
  13. همیلتون، جی پی؛ Whitelaw، GS; Fenech، A. میانگین دمای سالانه و روند بارش کل سالانه در ذخایر زیست کره کانادا. محیط زیست نظارت کنید. ارزیابی کنید. 2001 ، 67 ، 239-275. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  14. بویلز، RP; رامان، اس. تجزیه و تحلیل روند آب و هوا در کارولینای شمالی (1949-1998). محیط زیست بین المللی 2003 ، 29 ، 263-275. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. رائو، وی بی؛ فرانچیتو، SH; سانتو، CME؛ Gan, M. به روز رسانی در مورد ویژگی های بارندگی برزیل: تغییرات فصلی و روند در 1979-2011. بین المللی جی.کلیماتول. 2016 ، 36 ، 291-302. [ Google Scholar ] [ CrossRef ]
  16. پارتاساراتی، بی. کومار، KR; Munot، AA بارندگی موسمی هند همگن-تغییرپذیری و پیش‌بینی. Proc. آکادمی هندی علمی سیاره زمین. علمی 1993 ، 102 ، 121-155. [ Google Scholar ]
  17. Srivatsava، HN روندهای ده ساله در آب و هوا در هند. Mausam 1992 , 43 , 7-20. [ Google Scholar ]
  18. گوسوامی، BN; ونوگوپال، وی. سنگوپتا، دی. مدهسودانان، ام اس; Xavier, PK روند افزایشی رویدادهای بارانی شدید بر فراز هند در یک محیط گرم‌تر. Science 2006 ، 314 ، 1442-1445. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  19. گوهاتاکورتا، پ. راجیوان، ام. روند الگوی بارش در هند . گزارش پژوهشی NCC شماره 2/2006; مرکز ملی آب و هوا، اداره هواشناسی هند: دهلی، هند، 2006; پ. 23. [ Google Scholar ]
  20. Ranagalage، M. Ratnayake، SS; دیسانایکه، دی. کومار، ال. ویکرماسینگه، اچ. ویداناگاما، ج. چو، اچ. اوداگدارا، س. Jha، KK; سیمواندا، م. و همکاران تغییرات فضایی و زمانی جزایر حرارتی شهری برای اجرای راه‌حل‌های مبتنی بر طبیعت: مطالعه موردی Kurunegala، سریلانکا. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 461. [ Google Scholar ] [ CrossRef ]
  21. نیسانسالا، WDS؛ ابیسینها، NS; اسلام، ع. بندرا، AMKR روند اخیر بارندگی در سریلانکا (1987–2017). بین المللی جی.کلیماتول. 2020 ، 40 ، 3417-3435. [ Google Scholar ] [ CrossRef ]
  22. Caloiero، T. تجزیه و تحلیل روند بارش در نیوزیلند. محیط زیست علوم زمین 2015 ، 73 ، 6297-6310. [ Google Scholar ] [ CrossRef ]
  23. شیشوتوش، بی. نیتین، م. Ng، AWM؛ Perera، BJC روند بارندگی و پیامدهای آن برای مدیریت منابع آب در حوضه آبریز رودخانه یارا، استرالیا. هیدرول. روند. 2013 ، 27 ، 1727-1738. [ Google Scholar ]
  24. ناویندراکومار، جی. ویتاناژ، م. Kwon، HH; اقبال، MCM; پاثماراجه، س. Obeysekera، J. پنج دهه روند در میانگین و شدید بارش و دما در سریلانکا. Adv. مترو 2018 , 2018 . [ Google Scholar ] [ CrossRef ]
  25. کلیفت، PD; Plumb, RA موسمی آسیایی: علل، تاریخچه و آثار . انتشارات دانشگاه کمبریج: کمبریج، انگلستان، 2008. [ Google Scholar ]
  26. راسموسن، EM; کارپنتر، TH رابطه بین دمای سطح دریای اقیانوس آرام شرقی استوایی و بارندگی در هند و سریلانکا. دوشنبه Weather Rev. 1982 , 110 , 354-384. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. Ropelewski، CF; Halpert، MS الگوهای بارش در مقیاس جهانی و منطقه ای مرتبط با نوسانات ال نینو / جنوبی (ENSO). دوشنبه Weather Rev. 1987 , 115 , 1606-1626. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  28. Suppiah, R. تغییرات مکانی و زمانی در روابط بین پدیده نوسان جنوبی و بارندگی سریلانکا. بین المللی جی.کلیماتول. 1996 ، 16 ، 1391-1407. [ Google Scholar ] [ CrossRef ]
  29. زبیر، ل. سیریوارهانا، م. چاندیمالا، جی. Yahiya، Z. پیش بینی بارندگی سریلانکا بر اساس ENSO. بین المللی جی.کلیماتول. 2008 ، 28 ، 91-101. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  30. Geethalakshmi، V. یاتاگای، ا. پالانیسمی، ک. Umetsu، C. تاثیر ENSO و دوقطبی اقیانوس هند بر بارش موسمی شمال شرقی ایالت تامیل نادو در هند. هیدرول. روند. بین المللی J. 2009 , 23 , 633-647. [ Google Scholar ] [ CrossRef ]
  31. چاندیمالا، جی. زبیر، L. پیش بینی جریان و بارندگی بر اساس ENSO برای مدیریت منابع آب در سریلانکا. جی هیدرول. 2007 ، 335 ، 303-312. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. کومار، پی پی. راجاگوپالان، بی. Cane, MA در مورد رابطه ضعیف بین مونسون هند و ENSO. Science 1999 , 284 , 2156-2159. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. Suppiah, R. چهار نوع رابطه بین بارندگی و تولید شالیزار در سریلانکا. ژئوژورنال 1985 ، 10 ، 109-118. [ Google Scholar ] [ CrossRef ]
  34. تأثیرات زبیر، ال نینو-نوسانات جنوبی بر تولید برنج در سریلانکا. بین المللی جی.کلیماتول. 2002 ، 22 ، 249-260. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  35. کشاورز، انقلاب سبز BH؟ فناوری و تغییر در مناطق برنج‌کاری تامیل نادو و سری‌لانکا ؛ کشاورز، BH، اد. مک میلان: لندن، بریتانیا، 1977. [ Google Scholar ]
  36. مرکز مدیریت بلایای طبیعی گزارش وضعیت خشکسالی – سریلانکا، 30 مه 2017 ؛ وزارت اداره دولتی و مدیریت بلایای طبیعی: کلمبو، سریلانکا، 2017.
  37. Prasanna، RPIR هزینه های اقتصادی خشکسالی و استراتژی های سازگاری کشاورزان: شواهدی از سریلانکا. سریلانکا J. Econ. Res. 2018 ، 5 ، 61-79. [ Google Scholar ]
  38. سوماراتنه، اس. Dhanapala، AH تأثیر بالقوه تغییر آب و هوای جهانی بر توزیع جنگل در سریلانکا. آلودگی خاک هوای آب 1996 ، 92 ، 129-135. [ Google Scholar ]
  39. بندرا، سی ام; Wickramagamage، P. تغییر آب و هوا و تأثیر آن بر حوزه آبخیز بالای 867 کشور تپه سریلانکا. در مجموعه مقالات کنفرانس بین المللی مدیریت منابع آب پایدار در تغییر محیط زیست منطقه موسمی، سریلانکا، کلمبو، 17-19 نوامبر 2004. [ Google Scholar ]
  40. کیانه، آی. ناکاگاوا، ک. ادگاوا، اچ. Bandara، CM پیامدهای هیدرولوژیکی گرمایش جهانی توسط داده‌های اقلیمی یک قرنی در سری‌لانکا و جنوب غربی هند آشکار شد. در گزارش پروژه تحقیقاتی ویژه تغییرات جهانی محیط زیست 3 ; دانشگاه تسوکوبا: ایباراکی، ژاپن، 1998. [ Google Scholar ]
  41. Jayawardene، HKWI; جایاوردنا، DR. Sonnadara، DUJ تغییرات سالانه 801 بارش در سریلانکا. J. Natl. علمی پیدا شد. سریلانکا 2015 ، 43 ، 75–82. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  42. کاروناتیلاکا، KLAA؛ Dabare، HKV; ناندالال، KDW تغییرات بارندگی در سری 821 لانکا طی سال‌های 1966-2015. J. Inst. مهندس سریلانکا 2017 ، 50 ، 39–48. [ Google Scholar ]
  43. د کوستا، WAJM تغییر آب و هوا در سریلانکا: افسانه یا واقعیت؟ شواهد از داده های هواشناسی بلند مدت. J. Natl. علمی پیدا شد. سریلانکا 2008 ، 36 ، 63-88. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. کاتسانوس، دی. رتالیس، ا. تیمویوس، اف. Michaelides، S. تجزیه و تحلیل افراط‌های بارش بر اساس ماهواره (CHIRPS) و مجموعه داده‌های درجا در قبرس. نات. Hazadrs 2016 . [ Google Scholar ] [ CrossRef ]
  45. بانرجی، ا. چن، آر. میدوز، من. سینگ، RB; مال، اس. Sengupta، D. تجزیه و تحلیل روندها و تغییرپذیری بلند مدت بارندگی در هیمالیا اوتاراکند با استفاده از موتور Google Earth. Remote Sens. 2020 , 12 , 709. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  46. Gebrechorkos، SH; هولسمان، اس. برنهوفر، سی. روندهای بلند مدت بارندگی و دما با استفاده از مجموعه داده های آب و هوایی با وضوح بالا در شرق آفریقا. علمی Rep. 2019 , 9 , 1-9. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  47. موتونی، FK; Odongo، VM؛ اوچینگ، جی. موگالوای، ​​EM; موریس، SK; Hoesche-Zeledon، I.; مویلا، م. Bekunda، M. روندهای بلند مدت مکانی- زمانی و تغییرپذیری بارندگی در شرق و جنوب آفریقا. نظریه. Appl. کلیماتول. 2019 ، 137 ، 1869–1882. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  48. وو، دبلیو. لی، ی. لو، ایکس. ژانگ، ی. جی، ایکس. لی، ایکس. ارزیابی عملکرد مجموعه داده بارش CHIRPS و کاربرد آن در پایش خشکسالی در استان یوننان، چین. Geomat. نات. خطر خطرات 2019 ، 10 ، 2145-2162. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. فانک، سی. پترسون، پی. لندسفلد، ام. پدرروس، دی. وردین، جی. شوکلا، س. هوساک، جی. رولند، جی. هریسون، ال. هول، ا. و همکاران خطرات اقلیمی بارش مادون قرمز با ایستگاه ها – یک رکورد جدید زیست محیطی برای نظارت بر افراط. علمی داده 2015 ، 2 ، 1-21. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  50. دندریج، سی. لاکشمی، وی. بولتن، جی. Srinivasan، R. ارزیابی برآوردهای بارش مبتنی بر ماهواره در حوضه رودخانه مکونگ پایین (آسیای جنوب شرقی). Remote Sens. 2019 , 11 , 2709. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  51. پاندی، وی. Srivastava، PK؛ سینگ، SK; پتروپولوس، GP; شناسایی خشکسالی و تحلیل روند Mall، KR با استفاده از محصول بارش ماهواره ای بلندمدت CHIRPS در Bundelkhand، هند. پایداری 2021 ، 13 ، 1042. [ Google Scholar ] [ CrossRef ]
  52. برت، تی پی؛ Weerasinghe، KDN توزیع های بارندگی در سریلانکا در زمان و مکان: تجزیه و تحلیل بر اساس داده های بارش روزانه. آب و هوا 2014 ، 2 ، 242-263. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  53. زبیر، ال. ال نینو- نوسانات جنوبی بر جریان جریان ماهاولی در سریلانکا تأثیر می گذارد. بین المللی جی.کلیماتول. 2003 ، 23 ، 91-102. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  54. تامبیاه پیلای، جی. ریتم بارندگی در سیلان. دانشگاه Ceylon Rev. 1954 , 12 , 223-274. [ Google Scholar ]
  55. Wickramagamage، P. فصلی بودن و الگوی فضایی بارش سریلانکا: تحلیل عاملی توضیحی. بین المللی جی.کلیماتول. 2010 ، 30 ، 1235-1245. [ Google Scholar ] [ CrossRef ]
  56. مرکز مدیریت بلایای طبیعی گزارش وضعیت خشکسالی – سریلانکا، 17 مه 2018 ؛ وزارت اداره دولتی و مدیریت بلایای طبیعی: کلمبو، سریلانکا، 2018.
  57. مرکز مدیریت بلایای طبیعی گزارش وضعیت خشکسالی – سریلانکا، 26 مه 2016 ؛ وزارت اداره دولتی و مدیریت بلایای طبیعی: کلمبو، سریلانکا، 2016.
  58. الهاکون، ن. متسواران، ک. پانی، پ. آمارنات، جی. داده های ماهواره ای تاریخی ده ساله و تحلیل روند بارش (2001-2016) برای نقشه برداری خطر سیل در سریلانکا. Remote Sens. 2018 , 10 , 448. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  59. گادگیل، ع. Dhorde، A. روندهای دما در قرن بیستم در پونا، هند. اتمس. محیط زیست 2005 ، 39 ، 6550-6556. [ Google Scholar ] [ CrossRef ]
  60. هلسل، DR; هیرش، روشهای آماری RM در منابع آب ; Elsevier Science: آمستردام، هلند، 1992. [ Google Scholar ]
  61. Sen, PK برآورد ضریب رگرسیون بر اساس تاو کندال. مربا. آمار دانشیار 1968 ، 63 ، 1379-1389. [ Google Scholar ] [ CrossRef ]
  62. مادورانگا، UGD؛ ادیریسینگه، م. Gamage، LV روند تغییرات سالانه فعالیت های رعد و برق در سریلانکا. بین المللی J. World Sci. اخبار 2018 ، 114 ، 256–264. [ Google Scholar ]
Ijgi 10 00084 g001 550
شکل 1. مناطق، مناطق آب و هوایی، و ایستگاه های بارندگی (که فقط برای اعتبارسنجی متقاطع استفاده می شود) سریلانکا.
Ijgi 10 00084 g002 550
شکل 2. تغییرات بارندگی ماهانه در چهار ایستگاه از سال 2015 تا 2017 (فقط برای اعتبارسنجی متقاطع استفاده می شود).
Ijgi 10 00084 g003 550
شکل 3. نمودار پراکندگی بین بارش مادون قرمز گروه مخاطرات آب و هوایی با محصولات بارندگی داده های ایستگاه (CHIRPS) و اندازه گیری های بارندگی زمینی از سال 2015 تا 2017، و سازگاری خطی نیز با r2 نشان داده شده است . الف ) پنج ایستگاه بارندگی در استان غربی؛ ب ) دو ایستگاه بارندگی در استان جنوبی. ج ) یک ایستگاه در استان شرقی. ( د ) یک ایستگاه در شمال مرکزی استان.
Ijgi 10 00084 g004 550
شکل 4. توزیع میانگین سالانه بارندگی در مناطق مرطوب، خشک، متوسط، نیمه خشک و سریلانکا از سال 1989 تا 2019.
Ijgi 10 00084 g005 550
شکل 5. توزیع مقدار تاو کندال و شیب سن به دست آمده برای هر منطقه برای بارندگی سالانه از 1989 تا 2019.
Ijgi 10 00084 g006 550
شکل 6. نمایش شیب سن در سطح ناحیه (شیب رنگ) و مقدار تاو کندال (اعداد) برای فصول مختلف موسمی سریلانکا.
Ijgi 10 00084 g007 550
شکل 7. روند بارندگی در ابعاد زمانی مختلف به‌عنوان موسمی سالانه، جنوب غربی (SWM)، موسمی شمال شرقی (NEM)، اول بین موسمی (FIM) و دوم بین موسمی (SIM) در Kalutara ( a , c , e . g ، i ) و ناحیه هامبانتوتا ( b ، d ، f ، h ، j ).
Ijgi 10 00084 g008 550
شکل 8. روند بارندگی برای مناطق آب و هوایی سریلانکا: ( الف ) منطقه مرطوب. ( ب ) منطقه خشک، ( ج ) منطقه میانی، و ( د ) منطقه نیمه خشک.
Ijgi 10 00084 g009 550
شکل 9. نمایش شیب سن (شیب رنگ) و کندال تائو (تعداد) بر تغییرات بارندگی سالانه در سطح ناحیه و منطقه آب و هوایی.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید