@article { author = {Choubin, Bahram and Golshan, Mohammad and Sajedi-Hosseini, Farzaneh}, title = {Predicting Drought using Statistical Methods and Large-Scale Climate Signals}, journal = {Extension and Development of Watershed Management}, volume = {3}, number = {11}, pages = {43-52}, year = {2016}, publisher = {Watershed Management Society of Iran}, issn = {2645-4777}, eissn = {}, doi = {}, abstract = {Management of water resources is essential in arid and semi-arid regions. Pre-knowledge about the amount of possible precipitation is important in planning water recourses, management of agriculture and droughts. Previous studies show that large-scale climate phenomena influence on the of climate and amount precipitation in different part of the world. In this study, first, among the 45 climate signals, 8 Index were selected as the most effective indicators; the total encompasses 81% of the variance in the principal component analysis (PCA) method. Subsequently, the correlation of large-scale climate signals in monthly Standard precipitation index (SPI) (one, 3, 6 and 12) of Maharlu-Bakhtegan basin simultaneously and the delay has been analyzed by using of cross correlation. Finally, multivariate regression equation was developed to predict. The results of cross correlation method showed that more of indices are significant with time lag with standardized precipitation index. Taylor diagram and error parameters showed that performance of regression equations for the scale of one month is better than the other scales.}, keywords = {Climate Signal,Standardized precipitation index,Principal Component Analysis,Cross Correlation,Taylor Diagrams}, title_fa = {پیش‎بینی خشکسالی با استفاده از روش‌های آماری و سیگنال‌های بزرگ مقیاس اقلیمی}, abstract_fa = {مدیریت منابع آب در مناطق خشک و نیمه خشک ضروری است. پیش‌آگاهی از مقدار بارش یکی از راه‌های مهم در برنامه‌ریزی منابع آب، مدیریت کشاورزی و خشکسالی می‎باشد. مطالعات قبل نشان می‌دهد که سیگنال‌های بزرگ مقیاس اقلیمی (دما و فشار سطح دریاها و اقیانوس‌ها) بر روی اقلیم و میزان بارش در مناطق مختلف تاثیر گذار است. در این مطالعه، ابتدا با روش تجزیه مولفه‌های اصلی (PCA) از بین 45 شاخص اقلیمی، 8 شاخص با مجموع 81% واریانس به عنوان موثرترین شاخص‎های اقلیمی انتخاب شدند. سپس تاثیر سیگنال‌های بزرگ مقیاس اقلیمی بر روی شاخص بارندگی استاندارد(SPI)  ماهیانه در مقیاس (یک، سه، شش و 12 ماهه) حوزه آبخیز مهارلو بختگان به صورت همزمان و با تاخیر توسط همبستگی متقاطع مورد بررسی قرار گرفت. در نهایت با مدل رگرسیون چند متغیره معادلات پیش‎بینی ایجاد شد. نتایج همبستگی متقاطع نشان داد که بیشتر شاخص‎های اقلیمی همراه با گام تاخیر نسبت به سری زمانی(SPI)  معنی‎دار شده‌اند. نتایج پارامترهای خطا و دیاگرام تیلر نشان داد که عملکرد معادلات رگرسیون در مقیاس یک ماهه بهتر از بقیه مقیاس‎های مورد بررسی می‌باشد.}, keywords_fa = {سیگنال اقلیمی,شاخص بارندگی استاندارد,تجزیه مولفه‎های اصلی,همبستگی متقاطع,دیاگرام تیلر}, url = {https://www.wmji.ir/article_697025.html}, eprint = {https://www.wmji.ir/article_697025_184660a6df14104d3761690d600789cb.pdf} }