زمینه و هدف: در دیدگاه هیدرولوژیک اندازه‌گیری میزان آب‌های جاری رودخانه‌ها دریاچه‌ها و آب‌های زیرزمینی معیار خشکسالی می‌باشد و یک زمان پایه بین فقدان بارندگی و کم شدن آب‌های جاری و رودخانه‌ها و آب دریاچه‌ها و آب‌های زیرزمینی وجود دارد. در زمینه خشکسالی هواشناسی مطالعات بیشتری در قیاس با خشکسالی هیدرولوژیک صورت گرفته است. لذا هدف از این تحقیق تحلیل چند متغیره خشکسالی های هیدرولوژیک در حوضه دریاچه ارومیه با استفاده از مدل‌های تولید داده مصنوعی و توابع مفصل می باشد. لذا بکار بردن تلفیق روش های مذکور برای تحلیل خشکسالی های هیدرولوژیک به عنوان روشی جدید جهت تحلیل خشکسالی های هیدرولوژیک بکار گرفته شد.روش پژوهش: در این تحقیق به منظور تحلیل چند متغیره خشکسالی های هیدرولوژیک در حوضه دریاچه ارومیه از داده های دبی جریان 28 ایستگاه هیدرمتری که رژیم جریان در آنها واقعی می باشد طی دوره آماری 40 ساله (1395-1356 شمسی) استفاده گردید. همچنین جهت تولید داده های مصنوعی از مدل Ar (1) و جهت تحلیل خشکسالی از شاخص SDImod استفاده گردید. برای این منظور اقدام به تولید داده-های مصنوعی در 1000 تکرار گردید. از آنجائی که تحلیل تک متغیره خشکسالی و تحلیل بر مبنای داده های تاریخی نمی تواند به تنهایی افقی از خشکسالی های آتی را نشان دهد، لذا با استفاده از مدل Ar (1) داده های سالیانه تولید گردید و سپس با استفاده از مدل والنسیا شاکی اقدام به تولید داده های مصنوعی ماهیانه گردید. سپس مشخصات خشکسالی (شدت و مدت) برای هر دو سری داده-های تاریخی و تولیدی استخراج گردید و توزیع های رایج در هیدرولوژی بر داده های شدت، مدت و جریان برازش داده شد سپس ماتریس احتمال انتقال و ماتریس شرایط پایدار آنها نیز محاسبه گردید. همچنین با استفاده از ده توابع مفصل ارشمیدسی اقدام به تحلیل چند متغیره خشکسالی های هیدرولوژیک گردید. کد نویسی مراحل فوق در محیط نرم‌افزار متلب انجام شد.یافته‌ها: نتایج حاصل از این تحقیق نشان داد پس از بررسی همگنی داده ها و تست ایستایی بودن آنها غالب داده ها از همگنی لازم برخوردار بوده‌اند و نتایج حاصل از همگنی داده ها نشان داد که ضریب تبیین بالای 9/0 و نتایج تست ایستایی و روند آنها نشان داد که داده ها در محدود مجاز 1/2± و 96/1± قرار داشتند. نتایج حاصل از برازش داده ها بر توزیع های رایج آماری نشان داد که تابع لوگ پیرسون تیپ 3 بر داده های جریان و توابع توزیع های گاما و نمایی به ترتیب بر شدت و مدت خشکسالی به عنوان توابع توزیع برتر شناخته شدند. تعداد دوره‌های خشکسالی بر اساس مقیاس‌های مختلف شاخص SDImod نشان داد برای دوره‌های مختلف تعداد دوره‌های خشکسالی برای مقیاس‌های کوتاه‌مدت بیشتر از مقیاس‌های بلندمدت بوده است. همچنین متوسط شدت و مدت خشکسالی برای داده های تولیدی و تاریخی حاکی از افزایش شدت خشکسالی برای داده های تولیدی نسبت به داده های تاریخی می باشد. نتایج حاصل از کلاس‌بندی دوره های خشکسالی برای داده های تاریخی و تولیدی نشان داد که به‌طور تقریبی 68 درصد از داده ها در طی دوره آماری در محدوده نرمال قرار داشتند و 32 درصد را سایر کلاس ها تشکیل داده‌اند. همچنین نتایج حاصل از توابع مفصل نشان داد که تابع مفصل جوئی در مرتبه اول و توابع فیلیپ گامبل و گالامبوس در مرتبه بعدی به عنوان توابع مفصل برتر شناخته شدند.نتایج: در نهایت نتایج حاصل نشان داد مدل‌های تولید داده‌های مصنوعی برای داده‌های سالیانه و ماهیانه برای سال‌های آماری کمتر از 30 سال مشخصات آماری میانگین، انحراف معیار، چولگی و همبستگی بین دو ماه متوالی را در حد قابل قبولی حفظ می‌کند، در حالی‌که با افزایش تعداد سال‌های آماری عملکرد مدل مطلوب‌تر می‌شود. احتمال تجمعی عدم خشکسالی یک‌ساله و احتمالات حالت نرمال و تر سالی در ماه‌های گرم سال بیشتر از ماه‌های دیگر سال باشد. همچنین با افزایش دوره‌های خشکسالی، احتمال تجمعی عدم خشکسالی نیز افزایش می‌یابد، بطوریکه با افزایش دوره‌ها این میزان احتمال کاهش می‌یابد و تقریباً صفر می‌شود. نتایج حاصل از دوره بازگشت های توأم و شرطی و همچنین دوره بازگشت کندال نشان داد که در دوره های آتی احتمال رخدادن خشکسالی حداقل مشابه داده های تاریخی انتظار می رود. همچنین نتایج نشان داد که تابع مفصل جوئی به عنوان تابع مفصل برتر برای داده های تاریخی و تولیدی شناخته شد. بر این اساس تابع مفصل تئوری در برابر تابع مفصل تجربی به نیمساز زاویه 45 درجه نزدیک می باشد. پرونده مقاله