پیش بینی توامان خشکسالی هیدرولوژی و کشاورزی بااستفاده از شاخص MSPI و مدل های LSSVM و GRNN در چند نمونه اقلیمی ایران

خشکسالی به عنوان یکی از پیچیده ترین فاجعه های زیست محیطی است که به طور مداوم در تمامی نقاط جهان تاثیر می گذارد. این پدیده به طور معمول می تواند در انواع مناطق آب وهایی دنیا نظیر مناطق پرباران و کم باران رخ دهد و هزینه های اقتصادی و اجتماعی زیادی را در سراسر جهان موجب گردد. انتشار پیش بینی به موقع از خشکسالی می تواند زمینه ساز اقدامات وسیاست هایی مناسب جهت کاهش اثرات خشکسالی گردد. شاخص بارش استاندارد چند متغیره MSPI شاخصی است که می تواند در مورد چند نوع مختلف خشکسالی به صورت همزمان اظهارنظر نماید. هدف از این تحقیق پیش بینی توامان دو نوع خشکسالی کشاورزی و هیدرولوژیکی، درنمونه های مختلف اقلیمی ایران بود. بدین منظور از چهار نمونه اقلیمی مدیترانه ای معتدل، نیمه خشک فراسرد، خشک سرد و فراخشک گرم یک ایستگاه به ترتیب ایلام، اردبیل، تهران و ایرانشهر انتخاب گردید. مجموع بارش ماهانه از ابتدای تاسیس این ایستگاه ها تا انتهای سال 2017استفاده شد. دو معیار ریشه میانگین مربعات خطا RMSE و شاخص ویلموت WI جهت ارزیابی مدل ها استفاده گردید. نتایج حاکی از دقت قابل قبول مدل های هوش مصنوعی در پیش بینی توامان خشکسالی هیدرولوژیکی و کشاورزی بود.همچنین در پیش بینی شاخص MSPI، مدل LSSVM دقیق تر از GRNN ارزیابی شد.

کلیدواژه ها:

خشکسالی کشاورزی ، خشکسالی هیدرولوژیکی ، MSPI ، LSSVM ، GRNN